|
物联网技术的进步为大量设备带来了互联网连接能力。此外，边缘计算的发展如今还为边缘设备提供机器学习*1，将人工智能的版图从云端扩展到外围。本文将深入介绍一款突破性软件解决方案，该方案将从根本上简化部署，在边缘设备上轻松实现机器学习。
边缘人工智能和边缘设备的发展
在边缘计算的背景下，边缘设备仅指在网络边缘运行并采集、处理和分析数据的设备。例如智能手机、安防摄像头、智能扬声器以及各种其他设备。近年来，随着边缘人工智能技术的兴起，在机器学习功能的加持下，这些设备变得更加智能。
边缘人工智能*2是通过人工智能在边缘设备上采集、处理和分析数据相关技术的统称。通常，实现人工智能需要大量数据和强大的计算能力，因此往往都运行在基于云的服务器上。而借助边缘人工智能技术，数据能够在设备内部进行处理，减少了与数据传输相关的延迟和成本，并且也更能保障隐私安全。
云计算与边缘计算对比
![]() 在边缘计算中，数据在设备上进行处理，而不是发送到云端，从而减少了传输延迟、安全风险和功耗。这些都是边缘人工智能本身具备的优势。
边缘设备与边缘人工智能技术相结合，不断拓宽物联网 (IoT) 的应用领域。自动驾驶汽车、工厂自动化和医疗设备管理等应用场景，这些都是边缘设备在需要实时数据处理和决策的环境中发挥关键作用的典型示例。
TinyML正在挑战物联网的极限
边缘人工智能以往都是在具备强大处理能力的设备上实现，例如智能手机和平板电脑。然而，随着物联网的迅速普及，一种名为 TinyML（微型机器学习）*3 的技术日益引起大家的广泛关注和浓厚兴趣，借助该技术，原先能力有限的小型设备也能够执行板载机器学习的功能。
一般而言，机器学习都是在高性能计算机或云服务器上执行的，这需要大量内存和高速处理器，从而产生相应的电力消耗。因此，可以基于大量数据集执行大规模机器学习模型，从而实现高度精确的图像识别、自然语言处理等工作任务。然而，工作流程的每一环节（包括数据采集、模型开发和验证）通常都需要由各专业领域经验丰富的工程师负责处理。
TinyML 是一种专为小型设备开发的机器学习技术，利用该技术，即使在处理能力有限的微控制器 (MCU) 上也能实现边缘人工智能。随着该技术的推出，预计很快会有更小巧的低功耗物联网设备问世。现在，几乎任何具有传感器和边际计算能力的设备上都可以运行机器学习推理，为这些设备赋予更高的智能。
TDK的的解决方案极大地促进了边缘机器学习
Qeexo 是一家硅谷初创公司，于 2023 年加入 TDK 集团，致力于开发针对边缘设备的机器学习解决方案，重点关注 TinyML 技术。Qeexo AutoML 是一款端到端“无代码”（即不需要以某种编程语言手写代码）平台，这样即便不是研发工程师，通过这款平台也能在小型边缘设备上实现机器学习。用户在基于 Web 的直观界面中工作，找元件现货上唯样商城，可轻松执行构建机器学习系统所需的所有步骤：首先采集原始数据并进行预处理，然后训练和完善识别模型，最后创建完整的软件包，并安装到边缘设备上，最终基于机器学习的智能产品开始发挥作用。 ![]() TDK 目前正在研发 i3 微模块，这是一款超紧凑型传感器模块，内置边缘人工智能，用于实施预测性维护，即在工厂和类似设施在异常和故障发生前进行预测，并率先采取行动。各类传感器（包括振动、温度和气压传感器）以及边缘人工智能和网状网络功能都集成到一个紧凑型封装中，无需依赖人力亦可监控设备状况，从而有助于充分
Qeexo 的产品管理总监 Michael A. Gamble 阐述了 Qeexo AutoML 的重要现实意义。“过去，嵌入式设备的机器学习是一个漫长而复杂的过程，需要具备高度专业的工程设计技能。Qeexo AutoML 能够让几乎任何人（包括那些不熟悉技术的人）都可以使用精简的端到端 Web 界面完成相同的工作。与数字设计工具和音频工作站软件面向几乎所有独具创意灵感的人群开放图像艺术和音乐制作的方式类似，AutoML 为机器学习创造了公平的竞争环境。简而言之，我们认为 Qeexo AutoML 是机器学习的‘民主化’技术平台。”
边缘设备技术的进步激励了众多具有复杂机器学习功能的物联网设备和微控制器产品的开发。随着 Qeexo AutoML 等工具的面世，现在可以更快地创建在边缘设备上运行的复杂机器学习模型。
由边缘人工智能负责处理从边缘设备的传感器中采集的数据，大大扩展了可行解决方案的选择范围。Gamble 指出：“将 Qeexo 的机器学习解决方案与 TDK 的传感器设备相结合，将使我们能够为客户带来一站式集成解决方案。我们期待在开发和提供智能边缘解决方案方面与更多的伙伴建立协作关系，充分发挥彼此的优势。”
![]() 如今，边缘设备不再局限于采集和传输数据用途，开始向具有自主学习能力的智能系统演变。先进的制造设施（有时称之为“智能”工厂）将开始为几乎每台机器和设备配备边缘设备。在消费领域，边缘设备则以移动产品和智能手机的形式广泛存在。在 AutoML、TinyML 和边缘人工智能等工具的驱动下，人工智能预计将变得日益普及，随处可见。这一切都将对我们的日常生活、企业发展和整个行业产生积极深远的影响。
术语 机器学习：指计算机使用特定算法和统计模型通过数据自主学习的技术。它基于大量数据挖掘关联规则，并根据这些结果做出预测和决策。 边缘人工智能：通用术语，指在网络末端（边缘）运行的设备上运行人工智能算法以采集、处理和分析数据的相关技术。 TinyML：一种机器学习技术，使处理能力有限的嵌入式设备或配备微控制器的小型设备上也能执行人工智能算法。
| 
楼主
标题置顶
标题高亮
