边缘计算具有革命性的潜力。从云端脱离处理数据和智能分析，从而放入物联网设备，能够在处理数据的方式上带来很大的好处，业务方式焕然一新。

主要的好处有两方面：提升速度和减少对快速网络连接的需求。首先，数据不再需要发送到云进行处理，使得结果几乎是瞬间产生的。第二个更得益的是，边缘设备不是将数据传输到云，而是离线决策。对于连接性较差或不稳定的区域，“边缘AI”系统可以在云系统失效的情况下工作。

这方面的典型例子是无人驾驶汽车。在没有稳定网络连接的地区，经常需要立即作出决定。边缘计算（与边缘AI相配）是在各种情况下做出决策的唯一途径。事实上，自动紧急制动系统（AEB）在预测到即将发生碰撞时可以刹车，将碰撞事故减少38%。

边缘AI需要什么？

边缘AI实现需要物联网传感器将数据传输回本地计算机。然后计算机使用编程智能来解读输入的内容，以便进行操作。

当然，使用接近数据收集点的计算机需要坚固轻薄、功能强大的嵌入式平台，例如威盛SOM-9X20模块和威盛ALTA DS 3系统。

分布式边缘计算支持无人驾驶汽车更快地响应不可预测道路的需求。

简单地说，边缘AI的实现可以从简单到异常复杂。事实上，对于边缘 AI，并没有一刀切的解决方案，这就导致了一些常见的问题。Penton的一份调查对这些问题进行了简要的概括[3]。接下来，我们看看这三大问题，以及不同的行业如何克服这些障碍。

1. 数据隐私性和安全性

隐私性保护着个人数据，是每个人关注的问题。消费者越来越意识到隐私问题，并对如何使用个人数据感兴趣。对于严格的数据保护法，如欧盟的《通用数据保护条例》正在使企业思考如何收集、存储和使用信息。

然而，边缘AI有助于提高隐私性和安全性。边缘AI系统经过训练可以过滤私人信息，格式化数据集，使其具有通用性，以便进行大数据分析。并且，对于预格式化数据没有单个存储点，从而提高了安全性。

例如，作为零售业客户互动平台的一部分，人脸识别系统可以在本地处理资源来识别购物者，因此没有个人信息被发送到云。并且，为了收集数据，只收集一般的人口信息，例如年龄和性别。

对于医疗行业来说，数据也可以在本地存储和处理。因此，心电图监控仪只能在检测到异常节奏时发送警报，而不能将所有数据存储在云中。同样地，无人驾驶车辆会对刺激做出反应，但可能只发送通用的驾驶数据回云端以更新地图或改进现有的自动化系统。

1. 部署系统和旧系统的高成本

企业预算总是很紧张，人们真正关心的是实施新技术以及需要多长时间来偿还投资。虽然应该进行全面的成本分析，但价格不应成为进入壁垒。可以通过现成的系统和较小范围的试验来确定。

在零售业，威盛的智能零售互动系统为您提供了识别VIP客户、扒手黑名单和收集客户统计数据的能力。

将边缘计算技术与人脸识别相结合，可以为零售商提供有价值的基于数据分析的见解。

同样地，威盛Mobile360 ADAS系统可以安装在现有车辆上，通过360度摄像机视图和碰撞警告来提高安全性。

在制造业部门，您能否为旧设备增配传感器，然后使用边缘AI监控潜在问题？这样，就可以使用现有设备，从预测性的维护计划中受益，减少停机时间。通过振动传感器识别故障，英特尔将风扇过滤单元的正常运行时间提升了97%。

1. 基础设施不足

物联网设备可以产生大量的数据，这些数据都需要处理、管理和控制。人们担心这需要基础设施的水平，许多企业已经发现它们的网络已经满负荷运行。

然而，边缘计算可以解决这一问题。通过监视和控制本地数据，边缘AI设备可以限制收集和传输的信息量。因此，只有真正对基于云的大型数据分析项目有用的数据需要集中收集和存储。而且，可以仔细地设定数据传输，消除慢速或网络连接中断的问题。

边缘AI有能力改变业务，但这个过程并不复杂，也不昂贵。通过关注一个项目或领域，边缘 AI能够以与您现在和未来的业务需求相匹配的速度和成本引入。

威盛开发了一系列高度定制的边缘AI解决方案，帮助您尽快投入使用，包括威盛SOM-9X20模块、威盛边缘AI开发工具包和威盛ALTA DS 3系统。