AI無處不在：跨越邊緣和可持續(xù)

AI無處不在：跨越邊緣和可持續(xù)

人工智能(AI)的整合無處不在，為各個行業(yè)提供了變革機會。

其中一種范式轉(zhuǎn)變是人工智能與邊緣計算的融合，促進可持續(xù)解決方案和創(chuàng)新應(yīng)用。

人工智能的快速發(fā)展使企業(yè)能夠在客戶體驗(CX)和預(yù)測分析方面，以大規(guī)模的高度個性化轉(zhuǎn)變其服務(wù)和業(yè)務(wù)，以管理業(yè)務(wù)運作。

人工智能、5G和物聯(lián)網(wǎng)融合

5G網(wǎng)絡(luò)提供的好處是:

環(huán)境與經(jīng)濟

PWC發(fā)布了一份報告，闡述了人工智能幫助減少碳排放的潛力。據(jù)其分析，到2030年，應(yīng)用于農(nóng)業(yè)、能源、交通和水四大領(lǐng)域的人工智能經(jīng)濟可能會帶來高達:

如此，環(huán)境目標(biāo)和經(jīng)濟目標(biāo)可以相互協(xié)調(diào),特別是通過技術(shù)進步。隨著企業(yè)和整體經(jīng)濟的增長，更高效的人工智能在宏觀經(jīng)濟和社會層面更有效,能夠擴展規(guī)模并創(chuàng)造經(jīng)濟和就業(yè)增長。在微觀經(jīng)濟層面,通過降低部署和擴展人工智能的成本,企業(yè)可能會擴展到新的服務(wù)、產(chǎn)品和商業(yè)模式,并使初創(chuàng)企業(yè)蓬勃發(fā)展和擴大規(guī)模。與此同時，以更低的能源消耗實現(xiàn)這一目標(biāo)可以降低碳足跡。

此外,一群領(lǐng)先的人工智能研究科學(xué)家闡述了可利用機器學(xué)習(xí)協(xié)助應(yīng)對氣候變化跨電氣系統(tǒng)、工業(yè)、交通、建筑、智能電網(wǎng)、災(zāi)害管理等行業(yè)。確保這些利益的挑戰(zhàn)，是使人工智能能夠在包括成本和環(huán)境在內(nèi)的有效基礎(chǔ)上進行擴展，能源效率是這兩個方面的關(guān)鍵。

生成式人工智能的出現(xiàn)掀起了一股熱潮，它通常是由大型語言模型(LLM)提供的,這些模型采用了變壓器和自我注意機制架構(gòu),通常與深度強化學(xué)習(xí)方法相結(jié)合,以獎勵正確的響應(yīng)。然而,這些模型在計算上是耗費資源的,包括服務(wù)器需求、能源成本和碳足跡。

AI無處不在：從智能到“智能+智能”邊緣

智能是指連接互聯(lián)網(wǎng)的設(shè)備。然而，隨著人工智能在設(shè)備的本地嵌入，例如帶有人工智能的PC，連接設(shè)備正變得越來越“智能”，在這種情況下，智能指的是對用戶做出有意義的響應(yīng)并個性化體驗的能力，而不是人類水平的智能。

隨著物聯(lián)網(wǎng)規(guī)模的擴大，邊緣計算的增長將需要超低延遲，這反過來又允許實時響應(yīng)。

如上所述，人工智能將越來越多地處于網(wǎng)絡(luò)的邊緣——稱為邊緣計算或簡稱邊緣，即數(shù)據(jù)的處理更接近其生成的地方,實際上可能位于設(shè)備本身。這樣可以保持非常低的延遲,從而對用戶作出實時響應(yīng)。

以安全性和可靠性為關(guān)鍵因素的云/邊緣混合

云模型將繼續(xù)應(yīng)用于數(shù)據(jù)中心，為儲存歷史數(shù)據(jù)進行分析提供重要資源和能力。這也將允許使用混合模型進行正在進行的算法開發(fā)，支持在云服務(wù)器上訓(xùn)練人工智能模型，并在邊緣推斷人工智能，從而為大規(guī)模個性化提供進一步的潛力。

邊緣人工智能的示例

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。