領先分析機構Omdia今天發布了最新報告，確定了邊緣AI增長的關鍵領域。

題為《連接點：邊緣AI》 （Connecting The Dots： AI at the Edge） 的報告發現：邊緣位置需要更多計算，以管理和支持新的和不斷激增的對延遲敏感的物聯網設備以及用于分析不斷增加的數據量的軟件技術。

對更多的數據收集和分析工作的需求正在給網絡帶寬帶來重大挑戰，并迫切要求提供更好的安全選項。物聯網是邊緣AI需求的主要驅動因素之一，但該要求由跨多個垂直市場的許多不同應用驅動。

最新的《連接點：邊緣AI》報告關注將在未來幾年塑造邊緣AI機會的五個關鍵因素，以及對各個關鍵市場邊緣AI實際應用的短期和長期展望。

塑造邊緣AI的五個因素：

新興邊緣用例。雖然智能手機可能是邊緣AI設備的關鍵所在，但來自企業和工業領域的新興用例將驅動未來增長。

多樣化的具有成本效益的硅解決方案。在過去幾年，AI一直是高端處理器市場中硅增長的關鍵驅動因素，但讓AI得以在邊緣領域迅速發展的，將是能夠解決一系列用例的多樣化處理器組合。

從云到邊緣的全新計算生態系統 諸如Kubernetes之類的分布式計算技術使得混合和分布式云基礎設施更加易于管理并且操作更敏捷。服務器市場已經看到了這一趨勢的影響。

CSP利用邊緣AI實現邊緣AI優化。為了在邊緣提供強有力的AI服務，CSP還采用邊緣AI來為新服務實現低延遲，提升客戶體驗并降低成本。

具有特定要求的廣泛的行業垂直領域。視頻監控只是設備內置AI徹底改變該行業的一個領域。其他行業，從速食食品到石油天然氣，都看到了部署設備內置AI的益處。

Omdia的企業副總裁Bill Morelli評論道：“過去幾年，AI從實驗階段走向了商業階段”。云端AI現已是在各種業務流程中實施的成熟合理的技術。因此，現在AI中有許多引人注目的用例需要邊緣技術?！?/p>

“為了滿足這一需求和要求，各種硅產品應運而生。功能已最終趕上了邊緣AI解決方案的需求。這種需求與技術的結合將打開今后多年跨多個部門的發展空間，從而提供更好的業務結果和解決方案。”

這份邊緣AI報告還揭示了包括制造、衛生保健、智能建筑、公用事業和視頻監控在內的五大領域的短期和長期展望。

跨多個垂直市場的邊緣AI的短期展望（2020年）：

制造：由于專業知識和新面市邊緣產品有限，應用將繼續采用閾值分析而不是“真正的AI”機器學習。

衛生保?。盒鹿诜窝滓咔榧铀倭薃I軟件發展，特別是基于AI的藥物和疫苗研究、醫學成像以及用于患者篩查、分診和監測的機器學習工具。

智能建筑：設施連接了硬件但沒有分析／充分利用其數據的力量。

公用事業：增加了軟件和分析投入，但通常是以模塊化的“插件”形式。

視頻監控：有關使用分析技術進行人臉識別等個人分析的爭議仍將持續。但預計幾乎沒有立法產生影響。

對垂直市場邊緣AI的長期展望（2021年及以后）：

制造：對于控制級產品，來自IT公司的邊緣計算和控制設備將使IT公司與當前OT供應商的戰略關系從合作轉向競爭。

衛生保?。喝笔ПO管批準（例如FDA）將成為自學算法發展的障礙。但這不會阻礙深度學習分析。

智能建筑：增加了對中央樓宇管理軟件和邊緣啟用AI的硬件的投入。

公用事業：在今后五年，不提供強大的AI驅動軟件和服務業務的公司將看到硬件銷售大幅下跌。

視頻監控：將運用技術彌補硬件市場內的ASP下降。
責編AJX