在過(guò)去的十年里，人工智能 (AI) 已由一個(gè)概念轉變?yōu)槿藗兩钪斜夭豢缮俚囊豁椉夹g(shù)。搜索、社交媒體源、在線(xiàn)廣告等服務(wù)都使用 AI 算法，并在云端對海量數據進(jìn)行多元化處理，進(jìn)而為每位用戶(hù)量身打造定制服務(wù)。此外，AI 的自主學(xué)習能力在網(wǎng)絡(luò )應用中也無(wú)處不在，包括優(yōu)化用戶(hù)體驗、業(yè)務(wù)流程和技術(shù)解決方案等。
與此同時(shí)，AI在聯(lián)網(wǎng)設備中也開(kāi)始得到廣泛應用，例如通過(guò)人臉識別解鎖手機、拍攝照片等應用。但值得一提的是：這些應用的AI計算在終端設備上就可實(shí)現，即邊緣 AI 算法。
AI及相關(guān)的機器學(xué)習技術(shù)逐漸普及和成熟，越來(lái)越多的產(chǎn)品集成了邊緣 AI，幫助改善用戶(hù)服務(wù)體驗并能支持全新的應用場(chǎng)景。語(yǔ)音及人臉識別等手機標配功能僅僅是邊緣AI應用的很小一部分，未來(lái)將會(huì )有更多場(chǎng)景使用到邊緣AI技術(shù)。
與標準人工智能類(lèi)似，邊緣 AI 依賴(lài)于模擬人腦神經(jīng)網(wǎng)絡(luò )結構創(chuàng )建的數學(xué)模型，并通過(guò)訓練完成各種任務(wù)。例如，在接觸過(guò)網(wǎng)絡(luò )上大量紅綠燈圖片之后，這些神經(jīng)網(wǎng)絡(luò )就會(huì )輕而易舉地識別此類(lèi)圖片。
訓練AI算法的過(guò)程需要大量數據，并且涉及大量的計算。但最終得到的是體積小、功能強的 AI 模型，可以輕松部署到任意數量的終端設備上。如果這些設備具有足夠的計算資源，那么運行算法時(shí)就不需要云端連接。
人臉識別除了可以在智能手機上使用，也可以在其他場(chǎng)景中用于用戶(hù)驗證。例如，商業(yè)門(mén)禁解決方案通過(guò)人臉識別來(lái)確保進(jìn)入限制區域的員工均經(jīng)過(guò)授權，而安保攝像頭則可以利用人臉識別功能在檢測到陌生人進(jìn)入建筑時(shí)觸發(fā)警報。同樣，在健身房、醫療診所或商業(yè)場(chǎng)館，人臉識別還可以用來(lái)辨別客戶(hù)。
與此同時(shí)，語(yǔ)音用戶(hù)界面也越來(lái)越流行。畢竟，直接與智能設備對話(huà)應該是最方便的互動(dòng)方式了。語(yǔ)音識別技術(shù)可以驗證用戶(hù)身份，處理輸入的語(yǔ)音指令，近年來(lái)在智能手機和智能個(gè)人助理的應用中被逐漸完善，現在已經(jīng)開(kāi)始出現在汽車(chē)和智能家居設備應用中，同時(shí)還為無(wú)法打字的殘疾人士帶來(lái)了便利。
在工業(yè)領(lǐng)域，邊緣AI可用于標記設備的異常行為，例如電機出現故障的早期特征或軸承的磨損跡象。針對此類(lèi)異常檢測應用場(chǎng)景，我們使用包含正常行為的數據集對AI模型進(jìn)行訓練。只要檢測到任何偏離標準的情況，工廠(chǎng)操作人員就會(huì )收到警報，從而能夠了解機械設備潛在的故障并且盡早進(jìn)行處理，避免停機所造成的高昂經(jīng)濟和時(shí)間損失。
在無(wú)線(xiàn)智能設備中部署邊緣 AI 應用場(chǎng)景已經(jīng)變得非常便捷，而且其性能也更強大。u-blox剛剛推出了NORA-W10 Wi-Fi 4和藍牙低功耗5.0模塊，專(zhuān)為實(shí)現和加速邊緣AI應用部署而設計。NORA-W10模塊除了采用高性能open CPU來(lái)支持功能豐富的客戶(hù)應用，還支持語(yǔ)音和人臉識別的 AI計算。用于邊緣神經(jīng)網(wǎng)絡(luò )推理（8 位和 16 位模型）的AI矢量指令可以帶來(lái)額外的性能提升，顯著(zhù)加快AI算法速度，降低感知延遲，并且還能減少耗電量。
