AI应用与边缘运算：影响范围小至红绿灯

随着物联网（IoT）不断扩展，在「万物连网」时代中，生成的数据也会急遽增加，这种转变也将产生新的需求，例如实时分析与处理数据的能力，因此「边缘运算」（edge computing）变得至关重要。

究竟什么是边缘运算？它将如何影响我们的未来生活呢？

LeapMind，这是日本东京一家新创公司的名字，其使命是让深度学习普及于边缘装置，也就是把 AI 带进我们日常生活中的各种装置中，这不只包括计算机、手机，连红绿灯、安全摄影机等装置都能应用 AI。LeapMind 的目标，是透过让深度神经网络学习组件变「小」的方式，使深度学习可以应用到任何环境里、让 AI 在小型计算环境也得以应用， 甚至在「太空」中也能帮上忙。

「日本 NASA」应用边缘运算打造智能摄影机

《彭博社》（Bloomberg）举例，自 1985 年日本首次发射 太空探测器 以来，这些照片都是以相对低技术的方式拍摄的，将相机对准宇宙中的物体，不管拍摄到什么，都传回到地球上，并由人类从这些素材中挑选出最美丽的镜头。然而， 这种作法相当耗费宝贵的带宽以及电池。因此，日本 NASA－－宇宙航空研究开発机构（JAXA）正在试验一种更具辨别能力的智慧摄影机， 它能决定哪些照片有最好的光线、角度与组成，并且只传回这些照片。在强大的大型计算机上使用 AI 并没有什么大不了，但对于有严重能源限制的小型太空飞行器来说，却是一件相当困难的事情。LeapMind 开发的技术与解决方案便能在此派上用场。LeapMind 是一家位于日本东京的边缘运算新创公司，所谓「边缘运算」，指的是一种分布式计算的架构，把应用程序、数据数据与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点进行处理。由于将原本完全由中心节点处里的大型服务加以「分解」，加上边缘节点更接近用户终端装置，因此能加快数据处理与传送速度、减少延迟， 因为不用将所有数据都上传云端，数据运输量大幅降低。这在处理能力有限甚至没有网络联机能力的远程设备上能派上很大的用场，也是将 AI 带到我们生活各种设备的关键。例如：红绿灯、安全摄影机、各种日常生活中的常见家电，甚至是上文所述的太空探测器中。

 

将 AI 应用在「生活各处」，边缘运算新创公司急速成长中

尽管「人工智能」在现今已非什么新鲜字眼，但要将 AI 真正「应用」、在生活却并非一件简单事。因为它需要巨量的运算能力与电力，而边缘运算就是可以使 AI 应用在小型设备或机器中的解决方案，LeapMind 只是众多边缘运算公司之中的一个例子。根据 CB Insights 的统计，去年风险投资中心在边缘运算领域的新创公司上投资了约 7.5 亿美元的资金， 较去（2018）年大幅成长 26％。 值得注意的是，LeapMind 曾在 2017 年获得了一笔由英特尔（Intel）领投的 1,000 亿美元资金。边缘运算的应用场景众多，最初比较广为人知的应用场景是在自驾车上，但其实在工厂、物联网的数据运算上，也具备非常高应用的潜力。在物联网领域，边缘运算可以让日常设备接受语音命令，例如越来越流行的智能音响、安全摄影机，甚至能让缝在衣物上的传感器追踪主人的健康状况， 而这些所有的私人数据都不必上传到云端。荷兰的高速公路、水路及桥梁系统等都是透过装设感设器，搜集大量数据，并透过边缘运算来进行实时分析，这能提供官员作为决策的参考，在发生洪水等紧急状况时，提供国家机构有效判断的关键要素，边缘运算低延迟、低功耗，在安全与连网方面都发挥了至关重要的用途。更多相关信息：http://www.ai.org.tw/map.asp

 

边缘运算有两大困难需解决

回到文章开头的太空探测器问题。日本 JAXA 研究员尝试开始使用 LeapMind 的工具来打造智能相机，该算法经过照片、角度、美学等各方面的训练后，可以区分出好照片与不好的照片，并能在单个芯片上运行，所耗费的电力甚至不超过 10 瓦灯泡所需的电力。不过，目前边缘运算现在仍有两大困难需要解决。Intel 副总裁 Jennifer D. Panhorst 便提出分析，指出这两大困难，其一是将原生云端应用部署在边缘运算上；二是把原有的智慧运算，融入进更复杂的分散虚拟网络架构里。LeapMind 的创始人 Soichi Matsuda 说，若想将 AI 融入到电视、笔电或者其他任何现有装置上，厂商可能有必要「从头开始重新设计产品」。