Die Ära der Edge AI
ICC ist zusammen mit AAEON, einer Marke der Asus-Gruppe, bestrebt, auf dem neuesten Stand der Computertechnologie zu arbeiten, ständig Innovationen zu entwickeln und neue Lösungen für Kunden in verschiedenen Bereichen zu entwickeln. Da die KI-Technologie heute einen wachsenden Einfluss auf die Art und Weise hat, wie Menschen arbeiten, arbeiten wir daran, die Hardware zu verbessern, die die KI-Systeme von heute und morgen unterstützen wird. Da AI Computing ein unglaubliches Maß an Rechenleistung erfordert, senden herkömmliche KI-Systeme Daten zur Verarbeitung an einen Cloud-Server. Eine Entscheidung darüber, was das System tun soll, wird an die angeschlossenen Geräte zurückgesendet. Es gibt jedoch einige Probleme mit diesem Ansatz. Aufgrund der Netzwerksignalabdeckung und der Batteriekapazität in mobilen Geräten ist es nicht immer möglich, Geräte für die Verbindung mit der Cloud zu aktivieren. Wenn Sie große Datenmengen an die Cloud senden, gibt es potenzielle Sicherheitsprobleme. Schließlich kann es nur Millisekunden dauern, bis Daten von einem Server verarbeitet werden, aber selbst eine solche Latenz kann für alle Anwendungen, einschließlich Robotik und Fahrerassistenzsysteme, katastrophal sein. Mit Edge AI verarbeiten Geräte Daten lokal und treffen operative Entscheidungen in Echtzeit. Edge AI ist nicht nur schneller und sicherer, sondern kann auch dazu beitragen, den Stromverbrauch zu senken.
Was ist Edge Computing und warum ist es wichtig?
Mit dem Einsatz von IoT-Geräten und der Einführung von 5G-schnellen drahtlosen Netzwerken schafft die Platzierung von Computing und Analytics in der Nähe des Ortes, an dem die Daten erstellt werden, eine Lösung, die von Edge-Computing-Systemen erstellt wurde. Edge Computing verändert die Art und Weise, wie Daten von Millionen von Geräten auf der ganzen Welt verarbeitet, verarbeitet und bereitgestellt werden. Die rasante Nachfrage nach mit dem Internet verbundenen Geräten (IoT) unterstützt weiterhin Edge-Computing-Systeme sowie neue Anwendungen, die Echtzeit-Rechenleistung erfordern.Schnellere Netzwerktechnologien wie 5G Wireless ermöglichen es Edge-Computing-Systemen, die Erstellung oder Unterstützung von Videoverarbeitungs- und Echtzeitanwendungen wie Analysen, automatisiert fahrenden Autos, künstlicher Intelligenz und Robotik zu beschleunigen. Während die anfänglichen Ziele des Edge Computing darin bestehen, die Bandbreitenkosten für Daten zu senken, die aufgrund des Wachstums der durch das IoT generierten Daten über große Entfernungen übertragen werden, wird der Aufstieg von Echtzeitanwendungen, die am Edge verarbeitet werden müssen, die Technologie vorantreiben.
WAS IST EDGE COMPUTING?
Das Konzept des Edge Computing ist definiert als "Teil einer verteilten Computertopologie, in der sich das Computing in der Nähe des Randes befindet, wo Dinge und Menschen diese Informationen produzieren oder konsumieren". Auf einer grundlegenden Ebene bringt Edge Computing die Datenverarbeitung und Datenspeicherung näher an die Geräte, auf denen sie gesammelt werden, anstatt sich auf einen zentralen Ort zu verlassen, der Tausende von Kilometern entfernt ist. Dies geschieht, damit Daten, insbesondere Echtzeitdaten, keinen Latenzproblemen ausgesetzt sind, die sich auf die Leistung einer Anwendung auswirken können. Darüber hinaus können Unternehmen Geld sparen, indem sie die Verarbeitung lokal durchführen, indem sie die Datenmenge reduzieren, die zentral oder an einem Cloud-basierten Standort verarbeitet werden muss. Edge Computing wurde aufgrund des exponentiellen Wachstums von IoT-Geräten entwickelt, die sich mit dem Internet verbinden, um Informationen aus der Cloud aufzunehmen oder Daten zurück in die Cloud zu übertragen. Viele IoT-Geräte erzeugen während ihres Betriebs enorme Datenmengen. Egal, ob Sie an Geräte denken, die Produktionsanlagen in einer Fabrikhalle überwachen, oder an eine mit dem Internet verbundene Videokamera, die Live-Bilder von einem Remote-Büro aus sendet, Probleme treten auf, wenn die Anzahl der Geräte, die gleichzeitig Daten übertragen, zunimmt, obwohl ein einzelnes Gerät, das Daten erzeugt, problemlos Daten über ein Netzwerk übertragen kann. Anstelle eines Camcorders, der Live-Bilder überträgt, können Sie dies mit Hunderten oder Tausenden von Geräten tun. Nicht nur die Datenqualität wird durch Latenz beeinträchtigt, sondern auch die Kosten für die Bandbreite können enorm sein. Edge-Computing-Hardware und -Dienste helfen bei der Lösung dieses Problems als lokale Verarbeitungs- und Speicherressource für viele dieser Systeme. Beispielsweise kann ein Edge-Gateway Daten von einem Edge-Gerät verarbeiten und dann die Bandbreitenanforderungen reduzieren, indem nur relevante Daten an die Cloud zurückgesendet werden. Oder es kann Daten für Echtzeit-Anwendungsanforderungen an das Edge-Gerät zurücksenden. Diese Edge-Geräte können viele verschiedene Dinge umfassen, z. B. einen IoT-Sensor, den Laptop eines Mitarbeiters, das neueste Smartphone, eine Überwachungskamera und sogar eine Mikrowelle, die mit dem Internet in einem Büroruheraum verbunden ist. Edge-Gateways selbst gelten auch als Edge-Geräte innerhalb einer Edge-Computing-Infrastruktur.
Warum ist Edge Computing wichtig?
Für viele Unternehmen können Kosteneinsparungen allein die treibende Kraft für den Aufbau einer Edge-Computing-Architektur sein. Unternehmen, die die Cloud für viele Anwendungen eingeführt haben, haben möglicherweise festgestellt, dass die Kosten für die Bandbreite höher sind als erwartet. Der größte Vorteil von Edge-Computing-Anwendungen ist jedoch die Möglichkeit, Daten schneller zu verarbeiten und zu speichern, wodurch effizientere Echtzeitanwendungen ermöglicht werden, die für Unternehmen von entscheidender Bedeutung sind. Vor Edge Computing muss ein Smartphone, das das Gesicht einer Person auf Gesichtserkennung scannt, den Gesichtserkennungsalgorithmus über einen Cloud-basierten Dienst ausführen, und dieser Prozess nimmt viel Zeit in Anspruch. Mit dem Edge-Computing-Modell kann der Algorithmus angesichts der zunehmenden Leistungsfähigkeit von Smartphones lokal auf einem Edge-Server oder Gateway oder sogar auf dem Smartphone selbst ausgeführt werden. Anwendungen wie Virtual und Augmented Reality, selbstfahrende Autos, Smart Cities und sogar Gebäudeautomationssysteme erfordern eine schnelle Verarbeitung und Reaktion.
Zu diesem Zeitpunkt haben Unternehmen wie NVIDIA die Notwendigkeit einer weiteren Verarbeitung erkannt, so dass wir neue Systemmodule sehen, die integrierte KI-Funktionen enthalten. Zum Beispiel ist das neueste Jetson Xavier NX-Modul des Unternehmens kleiner als eine Kreditkarte und kann auf kleineren Geräten wie Drohnen, Robotern und medizinischen Geräten platziert werden. KI-Algorithmen erfordern große Mengen an Rechenleistung, daher arbeiten die meisten über Cloud-Dienste. Das Wachstum von KI-Chipsätzen, die die Verarbeitung am Edge durchführen können, wird bessere Echtzeitantworten in Anwendungen liefern, die Instant Computing erfordern.
Datenschutz und Sicherheit
Wie bei vielen neuen Technologien kann die Lösung eines Problems jedoch andere schaffen. Aus Sicherheitsgründen können Daten am Edge umständlich sein, insbesondere wenn sie von verschiedenen Geräten verarbeitet werden, die möglicherweise nicht so sicher sind wie ein zentralisiertes oder Cloud-basiertes System. Da die Anzahl der IoT-Geräte wächst, ist es unerlässlich, dass die IT die potenziellen Sicherheitsprobleme rund um diese Geräte versteht und sicherstellt, dass diese Systeme gesichert werden können. Dazu gehört die Verschlüsselung von Daten und die Sicherstellung, dass die richtigen Zugriffskontrollmethoden und sogar VPN-Tunneling verwendet werden. Darüber hinaus können unterschiedliche Geräteanforderungen für die Handhabung von Strom, Strom und Netzwerkkonnektivität die Zuverlässigkeit des Edge-Geräts beeinträchtigen. Aus diesem Grund sind Redundanz- und Failover-Management für Geräte, die Daten am Edge verarbeiten, von entscheidender Bedeutung, um sicherzustellen, dass Daten korrekt bereitgestellt und verarbeitet werden, wenn ein einzelner Knoten ausfällt.
NEUE AGENDA 5G...
Auf der ganzen Welt nutzen Betreiber drahtlose 5G-Technologien, die die Vorteile einer hohen Bandbreite und einer geringen Latenz für Anwendungen versprechen und es Unternehmen ermöglichen, mit ihrer Datenbandbreite von einem Gartenschlauch zu einem Feuerwehrschlauch zu wechseln. Anstatt nur höhere Geschwindigkeiten anzubieten und Unternehmen zu sagen, dass sie weiterhin Daten in der Cloud verarbeiten sollen, arbeiten viele Carrier in ihren 5G-Bereitstellungen an Edge-Computing-Strategien, insbesondere um mobile Geräte, vernetzte und autonome Fahrzeuge sowie eine schnellere Echtzeitverarbeitung selbst bereitzustellen. Während das ursprüngliche Ziel für Edge Computing darin besteht, die Bandbreitenkosten für IoT-Geräte über große Entfernungen zu senken, ist es klar, dass das Wachstum von Echtzeitanwendungen, die lokale Verarbeitungs- und Speicherfunktionen erfordern, die Technologie in den kommenden Jahren vorantreiben wird.
