在一個日益復雜的世界中，自動化和提高物理空間的運營效率和安全性的需求前所未有。無論是簡化零售體驗，解決我們不斷增長的城市的交通擁堵問題，還是提高我們工廠的生產率，人工智能和邊緣計算的能力都至關重要。

攝像機是最重要的物聯網傳感器之一。全世界部署了大約 10 億臺攝像機，它們產生了大量數據，當與人工智能感知和推理相結合時，這些數據是將普通區域轉變為智能空間的關鍵。

隨著物聯網傳感器數量的增加，在遠程邊緣位置生成更多數據。從邊緣傳感器向數據中心發送數據的成本極高。然而，數據移動對于 AI 應用程序的成功運行至關重要，這意味著這些應用程序在通過云處理時容易受到高成本和延遲的影響。在每秒都很重要的情況下，將數據發送到數據中心并不理想，例如管理實時流量或處理醫療緊急情況。

這讓我們想到 邊緣計算 ，一種分布式計算模型，允許在收集和分析數據的傳感器附近進行計算。

Edge computing 是為 Edge AI 提供動力的技術， Edge AI 是一種利用深度學習算法處理傳感器數據的體系結構，該算法靠近生成數據的傳感器。 Edge AI 使任何設備或計算機能夠以最小的延遲實時處理數據和做出決策。因此，，邊緣計算對于需要低延遲以實現快速響應的實時應用程序至關重要。例如，在鐵路線上發現障礙物，在快速移動的裝配線上檢查缺陷，或者在醫院檢測患者跌倒。

通過使人工智能處理任務更接近源，邊緣計算克服了云計算可能出現的問題，如高延遲和安全性受損。邊緣計算的一些優點是：

減少延遲： 將人工智能和計算能力帶到數據生成的地方，而不是收集數據并將數據上傳到數據中心，從而最大限度地減少延遲。這種響應能力對于實時應用程序的成功執行至關重要。

加強安全： 允許在本地處理數據減少了通過網絡發送敏感數據的需要。使用邊緣計算，數據不需要離開傳感器，從而使數據保持私密性成為可能。

盡量減少開支： 將人工智能處理移動到邊緣是經濟高效的。實體只需要將高價值數據發送到數據中心，并在本地處理所有其他數據—節省與帶寬和數據存儲相關的成本。

增強范圍： 無需 internet 訪問即可處理數據，使應用程序能夠在以前無法訪問的遠程位置運行。

智能城市邊緣計算用例

城市、校園和購物中心是許多已經開始在邊緣使用人工智能將自己轉變為智能空間的地方中的幾個。從交通管理到城市規劃，這些實體正在使用人工智能使其空間更加高效、方便和安全。

以下示例說明了如何使用邊緣計算在世界各地轉換操作和提高安全性。

減少交通擠塞

Nota 開發了一種實時交通控制解決方案，該解決方案使用邊緣計算和計算機視覺來識別交通量、分析擁堵并優化交叉口的交通信號控制。 Nota 的解決方案被城市用于改善交通流，節省交通擁堵相關成本，并最大限度地減少駕駛員在交通中花費的時間。

評估和避免城市中的操作危險

Viisights 幫助管理以色列城市內的運營。 Viisights 的邊緣計算應用程序幫助城市官員識別和管理人口密集地區的事件。它對行為的實時檢測有助于官員預測事件的發展速度，并確定是否有理由發出警報或需要采取行動。

改革零售業

許多零售商店和配送中心使用邊緣計算和計算機視覺為零售商帶來實時洞察力，使他們能夠保護自己的資產并優化配送系統流程。這項技術可以幫助零售商以提高零售商凈利潤率的效率發展其高端產品線。

在海灘拯救生命

Sightbit 開發了一個圖像檢測應用程序，幫助識別海灘上的危險。在這些生死攸關的情況下，速度是非常關鍵的，這就是為什么在邊緣進行處理。該系統檢測潛在的危險，如急流，或危險的海洋條件，允許當局制定救生程序。

提高航空公司和機場運營效率

世界各地的機場正在與 ASSAIA 合作，使用 edge 計算來縮短周轉時間并減少延誤。 ASSAIA 的人工智能視頻分析應用程序提供了一些見解，幫助航空公司和機場在容量、可持續性和安全性方面做出更好、更快的決策。

關于作者：About Debraj Sinha

Debraj Sinha 是 NVIDIA Metropolis 的產品營銷經理，專注于通過支持 AI 的視頻分析在全球打造更智能的空間。 Debraj 與從初創企業到財富 500 強企業，再到推動安全和效率提升的人工智能應用市場等合作伙伴展開合作。他擁有加利福尼亞大學哈斯商學院工商管理碩士學位，伯克利，康奈爾大學計算機科學碩士學位。

審核編輯：郭婷