處于邊緣的人工智能不斷在發展，應用數不勝數，自動駕駛汽車、藝術、醫療保健、個性化廣告和客戶服務都可以使用它。理想情況下，邊緣體系結構由于更接近請求而提供較低的延遲。

據預測，邊緣人工智能市場將從2021年的140萬美元增長到2027年的800萬美元，復合年增長率為29.8%。這種增長將在很大程度上來自物聯網的人工智能、可穿戴消費設備，以及5G網絡中對更快計算的需求等因素。這些帶來了機會和保留，因為邊緣人工智能的實時數據很容易受到網絡攻擊。

讓我們來看看可能在明年塑造邊緣人工智能領域的五個趨勢。

將人工智能與云分離

如今的巨大變化之一是能夠在沒有云連接的情況下運行AI處理。例如最近發布的兩款新芯片設計，可以將物聯網設備的處理能力提升到極致，跳過遠程服務器或云計算。他們當前的Cortex-M處理器可以處理對象識別，而手勢或語音識別等其他功能隨著ARM的Ethos-U55的加入而發揮作用。谷歌的Coral是一個使用本地人工智能構建產品的工具包，它也承諾“離線”處理大量人工智能。

機器學習的行動

機器學習操作的最佳實踐將證明邊緣人工智能是一個有價值的業務流程。It生產需要一個新的生命周期——或者，至少，這是MLOps開發過程中的推測。MLOps可以幫助企業數據流并將其推送到邊緣。隨著越來越多的企業發現在邊緣人工智能方面什么最適合他們，持續的更新周期可能會被證明是有效的。

專用芯片

為了在邊緣進行更多的處理，公司需要定制芯片來提供足夠的功率。例如人工智能加速器芯片與軟件套件配對，該套件實質上將AI模型轉換為計算圖。IBM在2021年發布了他們的第一款加速器硬件，旨在打擊欺詐行為。

計算機視覺的新用例和功能

計算機視覺仍然是邊緣人工智能的主要用途之一。該領域的一個主要發展是多模態人工智能，它從多個數據源提取數據，超越自然語言理解，分析姿勢并執行檢查和可視化。這對于與人無縫交互的人工智能來說可能會派上用場，例如購物助理。

高階視覺算法現在可以通過使用更細粒度的特征對物體進行分類。它可以更深入地確定品牌和型號，而不是識別汽車。

訓練模型來識別每個對象特有的粒度特征是很困難的。然而，使用細粒度信息的特征表示、提取特定特征的分割、規范化對象姿態的算法和多層卷積神經網絡等方法都是目前實現這一目標的方法。

初期的企業用例包括質量控制、實時供應鏈跟蹤、使用快照識別內部位置和檢測深度偽造。

人工智能在5G上的增長速度加快

5G和更先進的技術即將到來。衛星網絡和6G正在等待電信供應商的到來。對于我們其他人來說，在完全進入下一代網絡之前，還需要一些時間在與一些5G服務兼容的4G核心網絡之間過渡。

這與邊緣人工智能有什么關系？5G上的AI可以為AI應用帶來更好的性能和安全性。它可以提供人工智能所需的一些低延遲優勢，并開啟新的應用，如工廠自動化、收費和車輛遙測，以及智能供應鏈項目。

邊緣人工智能的新興趨勢比我們能列出的要多。特別是，它的發展可能需要人類方面的一些改變。邊緣人工智能管理將成為IT部門的工作，使用IT資源而不是讓業務線管理邊緣解決方案可以優化成本。