沟通探讨
将机器学习(ML)推到边缘不仅仅是改变处理位置的问题。大多数当前的机器学习(ML)模型基于云计算能力、运行时和计算假设。由于这些假设不是边缘,因此机器学习(ML)模型必须适合新环境。
换句话说,他们应该被边缘化。2019年,“真正”边缘解决方案将数据预处理和后处理从机器学习(ML)模型重新部署为复杂的事件处理程序,减少80%,使模型更接近数据源。这一过程被称为边缘化,这将促进更强大的边缘计算和工业物联网应用的普遍采用。
随着机器学习(ML)和人工智能算法的“边缘化”,它们可以在传感器附近、物联网网关或其他工业计算选项中使用,并将出现培训和重复这些模型的最佳实践。
工业公司会发现,产生实时流媒体数据(包括音频和视频)分析结果的边缘设备必须定期向云发送洞察信息,但只有代表异常活动的设备才能保证核心算法的转换。
这些边缘洞察改进了模型,大大提高了预测能力。然后,定制模型将重新推入固定闭环,以快速响应不断变化的条件和规范,并生成更高质量的预测视图,以改善工厂性能和工艺改进。
混合云和多云解决方案将主导工业物联网的部署。最新调查报告显示,混合云的市场规模将达到2023 97.64亿美元。边缘解决方案非常重要,因为工业公司希望结合多云环境,以提供更经济高效的方法和灵活性,而不是云计算。
由于企业在构建边缘云计算环境方面寻求更大的灵活性和选择,供应商的独特解决方案可能会失败。Google、AWS、Microsoft、C3 IoT、Uptake和其他领先的云计算供应商将继续与边缘计算公司合作,帮助企业不断改进和扩展产品。
Copyright © 2022 范炳海 版权所有 豫ICP备2021035568号-1