分布式智能革命的邊緣人工智能和工業世界

1.從SCADA到EdgeAI，關鍵產業將成為主要驅動力。

我們發現，在邊緣AI的前沿行業中，巴巴rbaraIOT有一個重複模式：所有這些都處理了許多關鍵的分布式資產。換句話說，從技術碎片化、可擴展性和網絡安全性來看，這些行業面臨著巨大的挑戰。這些可以通過在邊緣執行人工智能算法來最小化。這些行業將會發展出非常雄心勃勃和革命性的用例，我們可以預測。

自20世紀80年代以來，SCADA系統一直被用來捕捉和處理類似的數據。然而，SCADA系統需要更多的現代技術來滿足日益苛刻的要求，即相互操作、開放和安全。這樣EdgeAI就可以幫助這些系統的價值翻倍。

2.薄邊將與厚邊互補。

當我們提到EdgeAI時，對邊緣的含義有不同的解釋。傳統上，邊緣被認為是網絡運營商的基礎設施，最接近用戶。例如，當我們談論5g網絡時，我們的意思是，運營商正在推出大量被稱為多接入邊緣計算的節點。這些節點安裝在具有巨大潛力和處理複雜人工智能算法的服務器上，這些服務器與數據中心非常相似。這就是一些分析師所說的厚邊緣。

然而，最近開發了另一種邊緣節點：直接連接到傳感器和交換機的邊緣節點。當安裝在低功耗設備(如網關或集中器)上時，用於操作更簡單的人工智能算法，響應時間更短，更接近實時。這種被稱為薄邊緣的新邊緣將使我們能夠快速、靈活地處理包括遠程位置或高安全性和數據隔離在內的大型項目。

3.邊緣網格是實現分布式人工智能的新范式。

傳統上，EdgeAI是基於大數據訓練的決策模型。該模型由一系列數學公式組成，安裝在邊緣節點上。在這種情況下，每個節點都可以根據他們收到的數據和已安裝的模型做出自己的決定lte iot。

這種被稱為邊緣網格的新范式使得像網格網絡一樣，一個節點的決策可能會受到另一個節點決策的限制。智能交通系統就是一個很好的例子，可以理解這種新架構的強大功能。

人工智能算法可用於確定傳感器檢測到的汽車和人員數量，邊緣節點可用於確定交通信號燈的時間。但是，這個決定可以完美地補充附近街道的其他節點。

Edgemesh配智能是為了提供比傳統架構更好的性能、響應時間和容錯能力。

4.使用MLOpS進行生命周期管理變得越來越重要。

隨著行業轉向推出具有更多分布式節點和更複雜的訓練算法的EdgeAI，這項技術的關鍵是保持這些訓練模型的生命周期和執行設備的能力。

從這個意義上說，將加強項目和公司對AI算法開發中的devops概念的應用。

這種工作方式稱為MLOpS，是機器學習和DevOpS的結合。

但是到底是什么呢?基本上，其目的是減少人工智能在邊緣模型上的開發、測試和實施時間，通過連續集成設備和開發環境進行測試和操作。

5.邊緣人工智能實現主權數據交換。

毫無疑問，數據共享對於許多利益相關者，數據共享對於改善行業部門的過程非常重要。

讓我們來看看未來的電網模型：智能電網。供應商必須能夠分析和處理許多利益相關者(如制造商、消費者、運營商、分銷商和聚合商)的信息，以獲得或提供更好的服務。到2050年，如果沒有透明的數據交換，就不可能實現網格優化。

在邊緣人工智能的幫助下，可以進行集中數據處理，這將有助於克服數據安全、隱私和主權等行業面臨的一些障礙。