ABI Research&恩智浦：边缘机器学习大众化时代白皮书（15页）.pdf

1、 边缘机器学习大众化时代执行摘要智能边缘设备的大量涌现已从根本上改变了人与机器间的交互。智能设备可丰富用户体验，自动化日常工作，增强流程和工作流程，提高企业生产力，促进商业生产力和业务增长，并提高人类社会的整体幸福感。促成这些变化的一项基本技术是边缘机器学习(ML)。通过将推理工作负载置于边缘，可针对处理和电源资源有限的环境简化并优化机器学习实现。边缘机器学习使智能更贴近终端设备，从而实现更快速更可靠的决策制定，同时维护数据安全与隐私。ABI Research预测，2021年至2026年，具有边缘机器学习功能的设备出货量将以24.5%的平均复合增长率(CAGR)增长。开发人员深知该市场潜力，都

2、希望能够利用该技术，但在开发模型和产品时却面临着各种挑战。值得庆幸的是，他们可以从不同边缘机器学习解决方案提供商那里选择适合自己的组件。本白皮书概述了开发人员在为其边缘机器学习项目选择最佳处理解决方案时需要考虑的关键因素，即定制的处理性能、更高的能源效率、易于使用的开发环境、增强安全和广泛的生态系统。关注这五个因素将有助于开发人员进行边缘机器学习设计、开发和部署，并使其能够抓住边缘机器学习市场的增长机会。Lian Jye Su首席分析师目录执行摘要.1边缘机器学习和智能边缘的兴起.2边缘机器学习成功的关键因素.4定制的处理能力.7更高的能源效率.8易于使用的开发环境.9增强安全.10大型生态系

3、统.11边缘机器学习的普及.1205101520253035404550012345678910201420152016201720182019202020212边缘机器学习大众化时代边缘机器学习和智能边缘的兴起基于云的人工智能(AI)的普及已经彻底改变了许多企业的决策制定过程。通过利用物联网(IoT)的进步，企业实现了资产、工具和设备与云端数据采集平台互连。利用这些平台，企业可收集实时数据进行分析，以更好地了解其运营，同时发现实现进一步优化、安全和自动化的机会。因此，基于云的人工智能已成为实现工作流程自动化和提高运营效率的关键工具。多年来，互联设备的使用呈爆炸式增长，全球物联网连接总量从20

4、14年的10亿增长至2021年的86亿，CAGR达到35.4%。图表1：全球物联网连接以及数据和分析服务收入：2014至2021（资料来源：ABI Research）边缘互联时代使人们对从这些设备提取数据并实时理解这些数据产生了强烈需求。企业开始采用基于云的人工智能服务和物联网管理平台，如实时数据流、采集和存储、基于人工智能的数据分析以及描述性和预测性维护。一般而言，人工智能主要有两种类型，即基于规则的人工智能和基于机器学习的人工智能。基于规则的人工智能模型为自动化决策制定系统，基于人类专家知识构建而成。虽然这些人工智能系统可提供确定性输出，但它们受限于人类知识水平。随着企业开始采集更多数据，

5、它们希望能够了解所收集数据的含义，确定其环境并得出见解。然而，基于规则的人工智能模型并不是交付数据驱动型见解的理想选择。另一方面，基于机器学习的人工智能模型可实现这一功能。机器学习模型可基于其分析的数据得出见解。同时，此类模型还可以在数据分析过程中自动学习并提高自己的准确性。近几年，一种基于深度神经网络(DNN)的机器学习技术越来越受欢迎，即深度学习(DL)。深度学习模型的目标是通过特征工程对大量数据进行多层处理，以识别其模式，优化决策制定并获得更准确的预测。物联网连接（十亿）收入（十亿美元）物联网连接数据和分析服务收入 连接重点，边缘无机器学习。边缘的机器学习推理。专注于单一任务。一个由相互

6、通信和交互的智能设备组成的结构。更复杂的机器学习推理，潜在的机器学习训练。3边缘机器学习大众化时代在机器学习开发的早期阶段，机器学习开发人员将所有模型（包括训练和推理工作负载）托管在云中，以便利用云计算的可扩展性、灵活性和成本效益。当时的机器学习模型规模庞大，不适合部署在边缘设备上。尽管基于云的人工智能可提供数据驱动型见解，但该技术也面临几个根本的局限性：连接：云人工智能需要持续的连接。云连接的丢失成为基于云的人工智能的单一故障点。企业需要在电信基础设施方面投入更多资源，以保持边缘设备的云连接。用户体验：云端处理需要一系列操作，首先将数据发送到云，对数据进行修剪和处理，然后生成响应。这一系列操