4、边缘人工智能：现实世界中的应用与潜力

边缘人工智能：现实世界中的应用与潜力

1. 边缘AI的现状与挑战

目前，大部分人工智能研究仍聚焦于在大型数据集上构建大型模型，这一现状带来了两方面影响。一方面，我们常常会使用数据科学和机器学习领域现有的开发工具，这让我们能够借助丰富且经过验证的库和框架生态系统。然而，现有的工具很少将边缘计算中重要的因素（如小模型尺寸、计算效率以及在少量数据上进行训练的能力）列为优先考虑事项，因此我们通常需要额外的工作来关注这些方面。另一方面，由于边缘AI研究相对较新，我们有望看到其快速发展。随着该领域的不断壮大，越来越多的研究人员和工程师投身其中，提高效率的新方法以及构建有效应用的最佳实践和技术也在不断涌现，这使得边缘AI成为一个令人兴奋的研究领域。

2. 边缘AI的常见用例

边缘AI对于拥有大量传感器数据但计算或连接能力有限的设备尤为有价值，这种情况在现实世界中几乎无处不在。
- 现代城市中的优势 ：即使在高带宽网络连接和可靠电源可用的现代城市，限制设备的通信和功耗也具有巨大优势。追求便携性、可靠性、隐私性和低成本等理想特性，会推动产品向减少连接和能源使用的方向发展。
- 偏远地区的需求 ：地球上仍有许多地方存在连接或电力限制。约50%的地球陆地相对未受人类开发影响，只有一小部分地区有蜂窝或无线覆盖，数十亿人无法可靠地获取电力。此外，在现代工业供应链中，一些地方为嵌入式设备提供硬线直流电源不切实际，因此高效的电池供电设备成为理想选择。
- 传感器的现状 ：传感器变得越来越便宜、复杂且低功耗。许多简单的嵌入式设备配备了高性能传感器，但由于将数据传输到