1、減少延遲
在邊緣處理信息最直接的好處是,不再需要在云端之間傳輸數(shù)據(jù)。因此,可以大大減少數(shù)據(jù)處理中的延遲。
在之前的預防性維護例子中,支持邊緣人工智能的設備將能夠立即響應,例如關閉受損的機器。如果我們使用云計算來執(zhí)行機器學習算法,我們將在數(shù)據(jù)與云的傳輸過程中損失至少一秒鐘的時間。雖然這聽起來可能不重要,但當涉及到操作關鍵設備時,每一個可以實現(xiàn)的安全邊際都是值得追求的!
2、降低帶寬需求和成本
在邊緣物聯(lián)網(wǎng)設備之間傳輸?shù)臄?shù)據(jù)越少,網(wǎng)絡帶寬的要求也會降低,因此成本也會降低。
以圖像分類任務為例。由于依賴云計算,必須將整個圖像發(fā)送到在線處理。但如果用邊緣計算代替,就不再需要發(fā)送該數(shù)據(jù)了。相反,我們可以簡單地發(fā)送處理后的結果,它通常比原始圖像小幾個數(shù)量級。如果我們將這種效應乘以網(wǎng)絡中物聯(lián)網(wǎng)設備的數(shù)量,可能多達數(shù)千個或更多。
3、提高數(shù)據(jù)安全性
減少到外部位置的數(shù)據(jù)傳輸也意味著更少的開放連接和更少的網(wǎng)絡攻擊機會。這使得邊緣設備安全運行,避免了潛在的攔截或數(shù)據(jù)泄露。此外,由于數(shù)據(jù)不再存儲在集中式云中,因此單個違規(guī)的后果會大大減輕。
4、提高可靠性
由于邊緣人工智能和邊緣計算的分布式特性,操作風險也可以分布在整個網(wǎng)絡中。從本質上講,即使集中式云計算機或集群出現(xiàn)故障,各個邊緣設備也能夠維持其功能,因為計算過程現(xiàn)在獨立于云端!這對于關鍵的物聯(lián)網(wǎng)應用尤其重要,例如醫(yī)療保健。
想要了解更多關于人工智能資訊信息,請關注中培偉業(yè)李老師二維碼:
