物联网技术设计师不必为 AI 和边缘计算所迷惑

物联网 (IoT) 社区长期以来一直在宣扬云的好处。确实，处理、存储和分发大量数据时其能力是无与伦比的。但是，世界上的比特和字节流是不断增长的，而云却有一个很大瓶颈——即上传和下载带宽造成了高延迟。

想象一下，一位工程师正在设计自动化工业系统或自动驾驶汽车。这些工业物联网 (IIoT) 系统会产生大量数据，同时其工作环境要求进行无缝通信并要有快速反应时间。这些产品无法等待数百毫秒将数据发送到云端进行处理、计算、解释，然后再发回。任何延误都可能带来灾难。

然而，如果大部分数据可以通过边缘计算（在设备附近或就在设备本身）进行处理，那么数据解释速度可以提高 10 倍。低延迟难题是 Dimension Market Research 估计边缘计算市场规模到 2033 年有望达到 7028 亿美元的原因之一。

到 2033 年，边缘计算市场规模将达到 7028 亿美元，年复合增长率达 40.0%。（图片来源：Dimension Market Research。）

尽管消费电子产品的工作环境风险较低，但工程师仍然可以预期，消费需求将推动这些设备呈现类似的增长趋势。

总之，随着 AI 、机器学习 (ML)、增强现实 (AR) 和虚拟现实 (VR) 在消费和工业中越来越受到欢迎，每个设备发送到云端的数据将越来越少，而更多的处理将在边缘完成。

工程师需要怎样才能傲立边缘计算趋势潮头

显然，设计物联网设备的工程师不能再对边缘计算视而不见了。尽管对于某些设备来说，将所有数据发送到云端仍然是最佳选择，但边缘计算将成为大多数产品设计的必然之选，或者至少是一个考虑因素。

图中所示为 Seeed Technology 提供一款单板计算机 EdgeBox-RPI-200，具有 1.5Ghz 四核处理器和 4GB RAM。它基于 Raspberry Pi CM4 ARM Cortex-A72。（图片来源：Seeed Technology。）

这意味着工程师需要考虑像提供了 EdgeBox-RPI-200 单板机的 Seeed Technology 这样的供应商。根据该设备的规格书，这种单板计算机针对恶劣工业环境中的云和物联网应用进行了优化。它基于 Raspberry Pi CM4 ARM Cortex，带有 1.5 GHz 四核处理器和 4 GB RAM。

这样，该设备就可以在边缘处理数字，并因此可以根据这些处理后的数据做出自己的决策，然后通知云端发生了什么。

工程师如何进行未来 AI 、物联网和边缘计算的开发？

这一切都指向一个问题：具有边缘计算功能的支持 AI 的智能工业物联网系统会是个什么样子？嗯，它可能与我们遇到蜘蛛时的大脑功能类似。

边缘计算的作用类似于大脑内部：它接收信息并立即做出反应，而大脑的其他部分不需要过多地思考蜘蛛。当看到蜘蛛，这个人会发出尖叫，心跳加速，处于高度警惕状态。在物联网设备上，这类似于响应当前数据的 AI 或 ML 算法。当系统发现车间内某个零件不符合规格时，就会通知设备将其下线，然后人工检查该零件，看看它是否像算法所说的那样糟糕。

现在再次考虑大脑。在最初的惊吓和反应之后，大脑的外部思维部分很快就会开始做出反应。它会评估发生的事情和人体作出的反应，然后指示大脑内部冷静下来 — 因为它只是一只家蜘蛛 — 或者继续恐慌 — 因为它看起来有毒。对于物联网设备来说，这可能类似于发送到云端处理后的数据。然后，云端可以使用算法计算出的响应、确定下线零件的最终结果（好或坏），并使用此信息来改进 AI 算法。

现在只有更新 AI 模型所需的最少量数据发送到云端。同时，云端需要发回给设备的只是新优化的算法。因此，这种设置优化了物联网工程师必须使用的有限带宽。