当今的商业节奏要求企业找到更快的方式来服务客户，收集可操作的见解，提高运营效率并降低成本。在边缘运行人工智能工作负载的边缘到云解决方案有助于满足这一需求。将计算能力放在网络边缘，靠近数据创建点，对   于接近实时的用例来说是至关重要的。在本地设备上处理计算算法和数据处理等功能，而不是将这些工作负载移动到云数据中心，从而大大减少了延迟。
　　
　　在制造业，本地运行的人工智能模型可以快速解释来自传感器和摄像头的数据，以执行重要任务。例如，汽车制造商使用计算机视觉扫描装配线，在车辆出厂前识别出潜在的缺陷。在这样的用例中，非常低的延迟和始终在线的需求使得数据在广泛的网络中移动变得不切实际。即使是很小的延迟也会阻碍质量保证过程。另一方面，低功耗设备无法处理强大的人工智能工作负载，比如训练计算机视觉系统所依赖的模型。因此，一个整体的、从边缘到云的方法结合了这两个世界的优点。后端云实例为复杂的人工智能工作负载提供可扩展性和处理能力，前端设备将数据和分析物理上紧密地放在一起，以最大限度地减少延迟。
　　
　　由于这些原因，云解决方案，包括来自亚马逊、谷歌和微软的云解决方案，发挥着至关重要的作用。具有专用cpu的灵活高性能实例，如具有内置AI加速功能的英特尔至强处理器系列，可以解决模型创建等繁重任务。从那里，准备好的模型转移到收集和解释数据的轻量级边缘系统。
　　
　　边缘的低功耗设备
　　
　　像Arduino这样的设备制造商设计了坚固耐用的低功耗边缘设备。许多设备的成本不到100美元，Arduino用户可以将几个或数千个运行机器学习模型的设备组合在一起。Arduino用Arduino云来补充其设备，由高性能和可扩展的AmazonEC2实例支持。Arduino还使用IntelDistributionofOpenVINO工具包，该工具包为开发人员提供了预发布的模型，从而减少了云到边缘解决方案的开发过程中的劳动密集型。
　　
　　例如，一家农业企业使用Arduino的解决方案来最大限度地提高作物产量。该解决方案包括向边缘设备提供土壤湿度和风况等数据的传感器，以确定最健康作物所需的水量。这项技术可以帮助农民避免过度浇水，并降低运行电动水泵的成本。
　　
　　在另一个用例中，一家依赖其精密车床的制造商将传感器与Arduino的设备结合使用，以检测异常情况，如微小的振动，这些振动可能预示着设备即将出现问题。对于企业来说，计划定期维护比遇到意外故障导致生产中断要划算得多。
　　
　　招募优秀运动员
　　
　　英国ai公司开发的应用程序AiScout。Io提供了另一个优秀的边缘到云示例。该公司的AiScout应用程序弥合了希望被人才球探发现的业余运动员和需要出色团队成员的招聘人员之间的差距。从历史上看，招聘人员四处奔波来评估运动员的技能，这使得这个过程既昂贵又耗时。玩家面临着不同的问题。即使是那些有特殊技能的人，如果他们住在其他国家或偏远地区，也可能被星探忽视。
　　
　　任何运动员都可以在他们的边缘设备上使用免费的aiScout应用程序。在这种情况下，是带摄像头的手机-记录自己，展示他们的技术技能，并上传视频。在后台，云实例可以容纳和展示数百万运动员的视频，包括那些灯光不佳或相机意外移动的视频。人工智能。io的动作捕捉平台可以分析视频，收集表现数据，并开发3D可视化来帮助招聘人员。然后，球探可以在自己的设备上从任何地方仔细阅读视频，找到最能补充现有球队阵容的运动员。
　　
　　经过广泛的评估，以找到一个理想的云计算解决方案，以支持其应用程序，例如选择了带有Intel至强处理器的AmazonEC2实例和带有IntelGaudi加速器的AmazonDL1实例的组合来进行模型训练。根据ai。与基于gpu的解决方案相比，它选择的各种基于英特尔的实例将其推理性能提高了50%到200%，同时降低了40%的成本。如今，边缘到云的aiScout解决方案的广泛采用使玩家和招聘人员受益。通常花费18个月来评估和签约球员的球探可以在两周内完成同样的过程。
　　
　　启用数字病理学
　　
　　在医疗保健领域，边缘到云解决方案也具有重要的功能。传统上，高技能的医生检查患者的组织活检、x光、CT扫描等可能与健康相关的问题。然而，没有人是完美的。不堪重负的放射科医生和病理学家每天都要处理数百张图像，可能会无意中错过一个重要的小细节。通过将人工智能应用于混合，医生有了一组额外的眼睛来快速和非常详细地评估扫描结果。如果人工智能识别出任何异常，医疗专业人员可以将额外的时间和注意力集中在图像上，以确定是否需要进一步的医疗干预。人工智能可以帮助病理学家在不中断工作流程的情况下获得更好的患者治疗结果。
　　
　　事实证明，边缘到云解决方案非常适合这种医疗用例，它允许临床医生使用5G网络与医院网络中的其他人快速安全地共享图像。
　　
　　由于每种疾病指标需要不同的人工智能模型，英特尔SmartEdge等资源有助于在医院系统中管理多个训练有素的人工智能模型。HepatoAI平台还受益于英特尔OpenVINO工具包和OpenVINO模型服务器，这有助于人工智能处理和推断跨多个医疗应用。
　　
　　该解决方案允许病理学家安全地将图像数据从基于边缘的工作站上传到集中的私有云。该后端服务器解决方案依靠英特尔至强可扩展处理器实现快速吞吐量和内置AI加速。这些技术共同容纳了与医学图像相关的巨大数据量，因此网络内的其他医生可以使用安全浏览器从他们的工作站访问这些信息。开始使用边缘到云计算解决方案
　　
　　正如本文中的用例所说明的那样，由边缘到云功能支持的人工智能可以为各种规模的组织提供巨大的价值。端到端方法结合了物理和虚拟世界，以帮助公司改进遗留流程，构建新的收入流，获得接近实时的洞察力，更好地协作，降低成本等等。
　　
　　评估或准备实施整体人工智能解决方案的企业面临许多考虑因素，但一些建议可能有助于简化这一过程。
　　
　　有些公司喜欢更全面的解决方案，而另一些公司则从头开始构建定制解决方案。有时，这两种方法的结合提供了最显著的好处。成功的实现通常从考虑期望的业务结果并向后工作开始。无论组织选择哪种方法，评估一个经过验证的边缘本地软件平台都是一个极好的起点。
　　
　　采用基于开放标准的解决方案将有助于集成异构组件，并避免被单一供应商所束缚。开放的方法也有助于面向未来的云计算和边缘计算的投资。如果一个组件需要升级，它仍然与其他解决方案组件兼容。选择许多生态系统合作伙伴支持的成熟技术，以及现成的库和工具，有助于快速实现人工智能。除了本文中描述的促进跨分布式环境的AI的其他技术之外，诸如支持第13代英特尔酷睿处理器的英特尔pro平台之类的组件可以提供速度和安全性的强大组合。对于可视化工作负载，英特尔还提供了一个融合边缘媒体平台，该平台结合了开放的英特尔数据中心GPUFlex系列、英特尔至强cpu和快速以太网连接，将这些组件整合在一起。
　　
　　亚马逊、微软和谷歌等云提供商在实施边缘到云的人工智能解决方案时为客户提供了巨大的帮助。他们带来专业知识和强大的解决方案，再加上安全性、速度和规模，帮助客户经济高效地拥抱人工智能的力量。
　　
　　在4月举办的愿景大会上，英特尔宣布了几款产品来扩展其边缘平台和芯片路线图。英特尔试图通过其最新的英特尔酷睿Ultra客户端处理器(代号为“月球湖”)来推进人工智能个人电脑，从而在边缘实现更多的人工智能处理。对于后端基础设施，即将推出的“GraniteRapids”至强6处理器将针对GenAI进行多项优化。
　　
　　企业和科研机构可能会选择不同的方法来实现从边缘到云的人工智能解决方案。计划和实施过程可能需要时间，但长期利益使旅程值得。
　　
　　编辑：Harris