边缘计算智能利用AI技术对边缘侧进行赋能,是AI的一种应用和表现形式,一方面,AI可以通过边缘节点获取更多的数据,实现不同应用场景的个性化和泛在化,极大地扩展了人工智能的应用场景;另一方面,边缘节点可以借助AI技术来获取更丰富的数据;边沿轻量级、低延迟、高效率的A边缘I计算框架显得尤为重要。
工业数字化场景中,如果AI模型的训练和推理都在云上进行,就需要将大量的企业/行业数据实时上传到云上,这给实时性、可靠性、隐私保护以及通信成本等带来了挑战。
若AI模型完全在边缘节点上进行训练和推理,比如在本地运行DNN模型的计算密集型算法,资源消耗很大,需要在边缘节点配置高端AI芯片。它也许并非最佳的边缘智能解决方案,并且很难与计算能力有限的现有边缘设备兼容。通过对工业场景中实时分析和处理、节点自活、数据安全、远程部署和自动升级等核心需求的综合考虑,在带宽有限、计算资源有限的情况下,合理配置人工智能模型的训练和推理功能,有利于构建成本最优的边缘智能解决方案和服务。
边缘计算与云计算合作
边界计算和云计算需要通过紧密协作来更好地匹配多种需求场景,扩大边缘计算和云计算的应用价值。在应用层面上,边云协作具有多种形式。举例来说,在云中进行应用开发,可以充分发挥云的多语言、多工具、算力充足的优势,可以根据需要将应用部署分发到不同的边缘节点;云游戏的渲染部分被放置在云端,提供部分被放置在边缘侧,保证用户的极致体验;5G+边缘计算。
5G为边缘计算产业落地和发展提供了很好的网络基础,从用户面功能的灵活部署、三大场景的支持、网络能力的开放性等方面相互结合,相互促进。