（文章來源：芯智訊）

英特爾在北京召開了主題為“智能端到端，英特爾變革物聯網”的視覺解決方案及策略發布會。在此次發布會上，英特爾面向中國市場推出了基于英特爾硬件平臺的專注于加速深度學習的OpenVINO工具包，可幫助企業在邊緣側快速實現高性能計算機視覺與深度學習的開發。

此前人工智能的很多運算處理都是發生在服務器、數據中心這樣的云端，因為只有在這樣的一個環境里面才能提供強大計算力和便利的支撐。但是，隨著物聯網時代的到來，將會有越來越多的設備和傳感器接入網絡，情況正在發生改變。根據IDC預測，到2020年全球會有超過500億的智能設備，超過2120億個傳感器。這也意味著每天都將會產生海量的數據。

根據研究機構預測，隨著物聯網的快速發展，到2020年每個互聯網用戶每天將生成約1．5GB的數據，一個智能醫院每天將產生超過3000GB的數據；每臺自動駕駛汽車每天將生成超過4000 GB的數據；聯網飛機每天將產生超過40000GB數據；一個智慧工廠聯網，假如說有一千多臺設備，每臺設備上有很多個傳感器，時時刻刻都會產生數據，那么整個智慧工廠每天產生的數據量將是1PB。到2020年全世界每天產生的數據總量將是44ZB。（注：1ZB就是1000EB，1EB是1000PB、1個PB是1000TB，1TB是1000個GB。）

面對如此海量的數據，如果仍然只是依靠云端來做數據處理的化，這將對云端的計算力和網絡帶寬都帶來了極大的挑戰。雖然計算力和通信技術也在不斷發展，但是這個速度還是難以趕上數據增長的速度。所以，邊緣計算，即數據在終端側進行人工智能分析和處理早已是大勢所趨勢。

IDC預測，到2018年將有45％的物聯網數據需要在邊緣進行存儲處理和分析（足見物聯網對于在終端側部署人工智能需求的增長之快），有50％的物聯網的網絡會面臨帶寬的問題。正是由于物聯網所帶來的海量數據的增長以及對于帶寬的極大挑戰，在終端側部署人工智能已經變得非常必要。

而且，在終端側部署人工智能，還有著數據處理的實時性更高、低延時，更低的帶寬需求的優勢。比如在自動駕駛領域，對應這方面的要求就非常的高。另外，在終端側部署人工智能也有利于數據隱私的保護。因為很多用戶是不希望把數據上傳到云端的，希望這些數據在本地進行處理，本地處理完以后，上傳的是一些是經過處理完以后的特殊的數據，對隱私保護相對比較高的場景，也需要一些數據放在邊緣進行處理。

可以說，隨著物聯網的發展，正在加速人工智能在邊緣計算中的應用，但是這并不意味著云端人工智能就不需要了、就會走向消亡。云端人工智能它能夠把數據源進行匯總，它能夠做一些更綜合的應用。如果要給用戶提供一個完整的人工智能服務和解決方案，一定是一種邊緣與云端協同的端到端的人工智能解決方案。

目前，包括英特爾在內的一些廠商都能夠提供端到端的架構了，所以現在“分布式計算”的概念已經是一個比較成熟的概念。也就是說，做云端解決方案的人需要把它的架構切到邊緣來，幫助解決邊緣的問題。

在英特爾看來，“視頻（攝像頭）是物聯網的終極傳感器”。確實，在邊緣側，視頻所帶來的信息流是最為龐大的。值得注意的是，2016年－2012年網絡視頻監控流量增長了700％。也就是說，在物聯網時代，視頻將是人工智能應用爆發的一個關鍵點。因此，視頻監控領域也成為了英特爾端到端人工智能方案的切入重點。
? ? ?（責任編輯：fqj）