数据中心/云端/边缘

开始使用 Edge AI 的步骤

 

受疫情、对更高效业务流程的需求以及物联网(IoT)、5G和人工智能的关键进步的推动,对 边缘计算 的需求比以往任何时候都高。在2021 5月的一次(VZX4)调查中,94%的受访高管表示,他们的组织将在未来5年内实施边缘计算。

Edge AI 是边缘计算和人工智能的结合,是软件定义业务的关键部分。从智能医院和城市到无现金商店,再到自动驾驶汽车,所有这些都由运行在边缘的人工智能应用程序提供动力。

用人工智能驱动的商业转型处于边缘,这只是一种转型,这意味着它可能很复杂。无论您是在启动第一个人工智能项目,还是在查看基础设施蓝图和扩展,这五个步骤都将帮助您的 edge 人工智能项目取得成功。

he five steps to get started with edge AI include identifying a use case, determining data requirements, understanding infrastructure, rolling out a solution, and celebrating success.
图 1 。开始使用 edge AI 的步骤

1 .确定用例

在开始使用 edge AI 时,重要的是确定正确的用例,无论是为了提高运营效率、财务影响还是社会倡议。例如, 零售业萎缩是一个 1000 亿美元的问题 可以通过机器学习和深度学习来缓解。即使减少 10% ,也意味着数十亿的收入。

选择使用 edge AI 入门的用例时,请考虑以下因素。

业务影响: 成功的人工智能项目必须对企业具有足够高的价值,使其值得投入启动所需的时间和资源。

Key stakeholders: 参与人工智能项目的团队包括开发人员、 IT 、安全运营( SECOP )、合作伙伴、系统集成商、应用程序供应商等。尽早让这些团队参与进来,以获得最佳结果。

成功标准: 在开始时定义最终目标,以确保项目不会因范围扩展而偏离目标。

Timeframe: 人工智能需要时间,是一个迭代过程。识别对业务有长期影响的用例将确保解决方案在长期内仍然有价值。

2 .评估您的数据和应用要求

由于数十亿传感器位于边缘位置,因此通常是一个数据丰富的环境。这一步需要了解什么样的数据将用于训练人工智能应用程序,以及推理,从而采取行动。

获取带标签的数据可能会让人望而生畏,但有办法解决这个问题。

利用内部专业知识: 如果您试图实现流程自动化,请使用手动执行任务的专家来标记数据。

合成数据: 当训练数据有限或推理数据与原始数据集差异很大时,通常使用计算机模拟或算法生成的注释信息。

Crowdsourced data: 利用受众帮助标记大量数据对一些公司来说非常有效。例如开源数据集、社交媒体内容,甚至是根据客户输入收集信息的自助结账机。

如果你拥有训练或再训练人工智能模型所需的数据量和质量,那么你可以进入下一步。

3 .了解边缘基础设施要求

在推出 edge AI 解决方案时,最重要、最昂贵的开支之一是基础设施。与数据中心不同,边缘计算基础设施必须考虑性能、带宽、延迟和安全性等其他因素。

首先,查看现有的基础设施,了解哪些已经到位,哪些需要添加。以下是您的 edge AI 平台需要考虑的一些基础设施项目。

Figure 2. Edge AI infrastructure includes hardware, sensors, and AI software.
图 2 。边缘人工智能基础设施包括硬件、传感器和人工智能软件

Sensors: 如今,大多数组织都依赖摄像头作为主要的边缘设备,但传感器可以包括聊天机器人、雷达、激光雷达、温度传感器等。

考虑系统的性能限制,包括VX17的位置限制和应用限制。确定这些限制因素后,您就可以了解应用程序的性能要求。

Network: 联网的主要考虑因素是您需要多快的响应才能使用例可行,或者需要多少数据,以及是否必须通过网络传输实时数据。由于延迟和可靠性,在可能的情况下使用有线网络,但在需要时可以选择无线网络。

Management: 边缘计算为这些环境的管理带来了独特的挑战。组织应考虑解决边缘人工智能需求的解决方案,即可扩展性、性能、远程管理、恢复力和安全性。

基础设施直接连接到即时用例解决方案,但重要的是构建时要考虑可能部署在同一位置的其他用例。

4 .推出 edge AI 解决方案

在推出边缘人工智能应用程序时,在边缘测试人工智能应用程序对于确保成功至关重要。 edge AI 概念验证( POC )通常部署在少数几个地点,可能需要 3-12 个月的时间。

为了确保从 POC 顺利过渡到生产,重要的是要考虑最终解决方案的外观。以下是推出人工智能应用程序时需要考虑的一些事情。

按比例设计: POC 通常仅限于一个或几个位置,但如果成功,它们必须扩展到数百甚至数千个位置。

Constrain scope: 人工智能应用程序会随着时间的推移而改进。不同的用例将有不同的精度要求,这些要求可以在成功标准中定义。

为改变做准备: 边缘人工智能有很多变量,这意味着即使是最好的计划也会改变。确保在不影响定义的成功标准的情况下灵活地展开。

5 .庆祝你的成功

Edge AI 是一种转型技术,可帮助企业提高体验、速度和运营效率。许多组织都有 多边缘用例 要推出,这就是为什么庆祝成功如此重要。强调成功的公司更有可能为未来的 edge AI 项目带来兴趣、支持和资金。

开始使用端到端的 edge AI

作为人工智能领域的领导者, NVIDIA 与客户和合作伙伴合作,创建了能够提供强大分布式计算的边缘计算解决方案;安全远程管理;以及与业界领先技术的兼容性。

企业可以轻松开始使用 NVIDIA LaunchPad ,它提供对必要硬件和软件堆栈的即时、短期访问,以体验人工智能、数据科学、 3D 设计协作和仿真等领域的端到端解决方案工作流。 LaunchPad 上的精心策划的实验室帮助开发者、设计师和 IT 专业人士加快现代数据密集型应用程序的创建和部署。

今天就开始 在 NVIDIA LaunchPad 上免费试用

 

Tags