人工智慧通識-言論-邊緣計算
歡迎關注我的專欄( つ•̀ω•́)つ【人工智慧通識】
資訊是貪婪的，不斷擴張更多的節點，更多的連線和更快的速度，構造更大更強的資訊網路。
邊緣計算Edge Computing
邊緣計算這個概念是隨著IoT（Internet Of Things）物聯網技術被炒熱的。
ABCI人工智慧、大資料、雲端計算、物聯網，邊緣計算是貫穿IT科技圈的四大金剛的一種融合。
目前對於邊緣計算並沒有統一的定義，我們可以把它簡單的定義為：
基於場景端裝置的資訊處理。
所有的計算都可以視為資訊處理，無非相關四個方面：
- 為什麼要做資訊處理？（場景，目的）
- 資訊（資料）從哪裡來？（資料資源）
- 什麼裝置來處理？（算力）
- 怎麼處理？（演算法）
- 處理之後怎麼用？（應用）
邊緣計算是整個網路結構的最後一層，後面就不再有其他子節點。
如這張圖中的藍色裝置，手機、電腦、平板、智慧電視、智慧手錶、智慧汽車、掃地機器人、智慧冰箱、收銀終端、工廠中的機械臂和感應器等等，都屬於邊緣計算裝置。
邊緣計算的特徵很明顯：
- 距離資料近 ，甚至自身可以進行資料採集，比如手機可以用攝像頭採集視訊資料，智慧音箱可以採集聲音資料。
- 距離應用場景近 ，甚至自身就可以直接提供服務。比如掃地機器人對周邊資訊處理之後直接驅動自身打掃衛生，自動駕駛對道路資訊處理之後直接規劃行車路線。
- 響應迅速 ，有時候幾乎可以完全不考慮網路延遲，因為自己採集資料自己處理，可能根本用不到網路。
- 計算和儲存能力弱 ，由於這些裝置比較輕量型，因此不適合大容量資料儲存和複雜計算。
- 對網路依賴低 ，可以斷網執行。有很多邊緣裝置僅和私有云相連甚至完全獨立執行，比如工廠裡面生產線上的各種感應器和機械臂。
- 種類繁多，數量龐大 。
因此邊緣計算僅適合於即時性要求極高、網路狀態難以保證或者私密性極強的服務場景。
人工智慧
正如人體一樣，並非所有的計算都由大腦完成的。
大腦皮層主要處理複雜的邏輯推理，而諸如心跳、呼吸等生理機制主要由腦幹好小腦負責，甚至於很多肢體的反應都是肌肉和遍佈全身的神經組織直接作出的。
儘管我們可以有意識的眨眼，但絕大多數眨眼動作都是無意識自動執行的。
在大腦皮層的進化過程中，也逐漸形成了專門處理視覺、聽覺、語言、觸覺等資訊的不同區域，如果把大腦看做一個計算機，那其中也包含了各種各樣的計算晶片，——而不只是一個處理中心。
我們可以把整個人體的智慧分為幾層：
- 條件反射；
- 感知識別；
- 邏輯推理；
當攝像頭髮現有物體快速接近的時候，應當依賴於自身機制做出反應，發出警告提示或者開啟防護措施；但這個危險是否要觸發110報警則應該講捕獲的視訊傳遞給雲端，讓更強大的感知識別和邏輯推理計算來做決定。
以往，我們總是認為人的行為模式是：
從事件被感知到大腦做出推理然後下達命令，往往需要超過0.1秒的時間，這在很多時候都太慢了，尤其是對於很多競技運動員來說。
如果汽車時速超過72公里，那麼每秒鐘前進20米，當你突然發覺前方5米位置有一隻野兔站在車前面路上的時候，很可能那隻可憐的兔子在你感知到它的時候就已經死掉了。
有太多情況我們需要更加快速的行動能力，於是，現實中我們其實更多的遵從以下行為模式的不斷重複：
從感知到行動，這個判斷必須由邊緣計算裝置來完成。
識別和推理經常是滯後於行動的，當淋浴的水突然落在你身上的時候，你會先本能的躲開，然後才意識到水是太冷的而不是太熱；當乒乓球已經被你完美的擊回之後，你可能才意識到自己這個動作是一記完美的反殺。
智慧雲和智慧邊緣
微軟雲服務Azure把 智慧雲和智慧邊緣 作為未來的發展方向，這也讓智慧邊緣這個詞語被廣泛關注。
目前IoT和邊緣計算已經受到了亞馬遜、谷歌、微軟、阿里巴巴等雲服務巨頭們的普遍重視。 雲服務將從最初的資料儲存和頻寬租賃向功能服務和計算力租賃轉型 。
以前只能從雲服務商那裡購買儲存空間和虛擬伺服器，各個廠商也都是圍繞這兩個服務而展開其他擴充套件服務，比如雲資料庫、雲安全套件、雲APP容器等等。
而最近這兩年雲服務廠商開始提供越來越多的功能服務，比如人臉識別、車牌識別、語音識別、語音合成等等，隨著人工智慧越來越普及，這些雲服務商都在開始提供雲端GPU、TPU等演算法能力的分時租賃，開發者可以利用他們雲端強大的計算力資源來訓練新模型、測試新演算法。
另一方面，巨頭們也在嘗試推出用以加強邊緣計算能力的硬體解決方案。
英偉達NVIDIA
NVIDIA英偉達一直致力於推出具有更強人工智慧算力的GPU顯示卡，依賴於CUDA(Compute Unified Device Architecture)平臺架構，在GPU計算領域英偉達已經擁有巨大的優勢。
但專用於人工智慧計算的英偉達顯示卡都十分的昂貴，其專門針對高效能運算領域的Tesla P100售價4萬多，V100則8萬以上；而對於很多普通個人使用者往往也只能購買具有CUDA計算能力的Geforce系列遊戲顯示卡來使用。
2018年3月19日，英偉達釋出了專用於人工智慧開發的硬體系統套件Jetson Nano，售價99~129美元，僅10乘8釐米，但具有可觀的計算力，適合於小型智慧邊緣裝置的基礎平臺。
Jetson Nano基於之前的Jetson TX和TK系列產品開發而來，其架構源於移動網際網路時代的Tegra系列。
谷歌Edge TPU
2016年5月，谷歌釋出了其深度學習專業處理器TPU產品，這種晶片專門為谷歌的TensorFlow深度學習計算平臺而設計，而TensorFlow目前已經是全球應用最廣泛的人工智慧軟體框架。
而後2017和2018，谷歌分別釋出了TPU的兩次升級版本，每次升級其計算效能都有數倍的提升。
但是官方的TPU產品僅以谷歌雲端計算資源的形式售賣，而並不直接銷售硬體裝置。
2018年7月，谷歌釋出微型的Edge TPU邊緣計算晶片，開始講TPU產品向IoT物聯網領域擴張。
2019年3月，谷歌正式釋出以EdgeTPU為核心的整合化產品，Dev Board開發板和命名為Coral的USB加速棒。
Dev Board是類似於樹莓派一樣的完整系統，可用於各類獨立執行的IoT硬體產品研發，售價150美元；而Coral則是一款可以為主流計算機操和移動裝置提供額外人工智慧計算力的USB裝置，售價75美元。
結語
雲端計算技術已經火熱了很久，從最早的網站空間、雲盤儲存，到後來的雲伺服器，雲APP容器，安全套件，再到現在的智慧服務和計算力租賃，可以說，可以移到雲端的內容越來越多，而且還會更多。
買光碟、買硬碟到買優盤，終於到了買雲盤的時代，很多時候百度雲比任何硬體儲存都更易用也更可靠，甚至速度比普通優盤還快。
硬體升級淘汰以及日常維護的麻煩正在慢慢過去。谷歌推出Stadia雲遊戲服務，華為推出“雲電腦”辦公，當5G和更快更好更便宜的頻寬來臨的時候，可能只剩下雲和邊緣，越來越強的雲和越來越輕量型的邊緣裝置。
科技發展很快，新的時代正在開啟，就像10年前我們無法預見到微信和抖音，無法預見到AlphaGo和人臉識別技術這麼快就會到來一樣，正如業內常說的：
我們總是高估50年內會發生的事情，但又總是低估10年內會發生的事情。
好像這裡有一根橡皮筋，我們總是對眼前的科技發展缺乏理性的認知。
歡迎關注我的專欄( つ•̀ω•́)つ【人工智慧通識】
每個人的智慧新時代
如果您發現文章錯誤，請不吝留言指正；
如果您覺得有用，請點喜歡；
如果您覺得很有用，歡迎轉載~
END