什么是边缘 AI？

边缘计算和人工智能的结合带来了巨大的优势。借助边缘人工智能，传感器和物联网设备所在的边缘也可以具备高性能算力。因为不需要在系统之间进行连接和集成，用户可以实时在设备上处理数据，并且用户可以通过收集数据而无需与其他物理位置进行通信，从而节省时间。

边缘 AI 的优势包括： 

• 降低功耗：通过在本地进行数据处理，节省能源成本；在边缘运行 AI 的功耗低于云数据中心的功耗要求
• 减少带宽：通过在本地处理、分析和存储更多数据（而不是发送到云端），减少需要发送的数据量并降低成本
• 隐私：通过边缘 AI 在边缘设备上处理数据，降低  敏感数据泄露的风险
• 安全性：通过在边缘网络中处理和存储数据，可以优先处理重要数据的传输，并过滤掉冗余或不必要的数据
• 可扩展性：借助基于云的平台和原始设备制造商 (OEM) 设备上的原生边缘功能，轻松扩展系统
• 减少延迟：减少在云平台上处理数据的时间，并在本地分析数据，以便进行其他任务

了解边缘 AI 的各个阶段

边缘 AI 的优势可用于各行各业的用例

医疗领域的边缘 AI

智能手表和健身追踪器等可穿戴设备可以使用边缘 AI 来实时监测生命体征（心跳、血氧水平），提醒用户心律失常或压力过大等异常情况，而无需依赖于云处理。支持 AI 的诊断工具可以在医院或诊所网络的“边缘”分析 X 光片、核磁成像和其他医学扫描，提供即时结果并减少将数据发送到中央处理中心的需求，从而协助医学成像服务器。边缘 AI 可以协助远程患者监控 家中的状况，分析来自医疗设备的数据，并实时向医疗保健提供者发出警报。

当模式和洞察得到更快、更准确的分析时，医疗专业人员能够识别并预防以往无法发现的危及生命的风险。边缘的预测性 AI 可以帮助早期疾病预防，并改善整体护理。

边缘 AI 在制造业的应用

在制造工厂中，边缘的预测性 AI 可以实时监控设备，捕捉性能异常并预测机械故障的发生。配备 AI 的摄像头和传感器可以检查生产线中的产品缺陷，从而加强质量控制。在本地处理视觉或感知数据，而不是在远程中央服务器中处理，可以立即进行更正，从而最大程度减少浪费。工厂中由边缘 AI 驱动的机器人和自动化可以进行分拣、包装或组装，利用来自传感器输入的实时数据来适应环境变化或产品变化。

边缘 AI 在智能家居中的应用

在日常生活中，我们已经习惯了在家中使用语音助手来控制灯光、恒温器和音乐。这些设备使用边缘 AI 在本地处理命令，从而减少延迟。在本地处理命令而不发送到中央服务器也增强了隐私性。 与智能门铃和家用摄像头集成的安全系统使用边缘 AI 来检测运动、识别人脸，并向房主发出异常活动警报。本地处理避免了将连续视频流发送到云端的需要，从而提高了隐私性和效率。其他智能家居设备（如恒温器）在 能源管理中使用边缘 AI。它们通过学习用户行为和本地数据来优化加热/冷却计划并减少能源消耗。

边缘 AI 的零售应用

在零售业，“智能货架”采用边缘 AI 进行库存管理。摄像头和其他传感器会检测到商品缺货或错位，并通知员工进行调整。许多零售商正在试验免结账商店 ，其中的边缘 AI 系统通过处理直接来自店内传感器和摄像头的数据，实时跟踪客户选择或退回的产品。

边缘的预测性 AI 还可以帮助预测客户行为。预测客户的反应可能会影响你的产品营销决策。

边缘 AI 为车辆和交通提供动力

自动驾驶汽车本身就是边缘 AI 设备，它们依赖于来自摄像头、LIDAR 和雷达等传感器的实时数据来导航道路、检测障碍物并做出瞬时决策，而不依赖于云连接。智能交通信号灯和摄像头通过实时分析交通模式，将边缘 AI 用于交通管理 ，这有助于减少拥堵并提高十字路口的安全性。边缘 AI 还通过监控车辆性能、驾驶员行为和优化配送路线，优化物流公司的车队管理 。

了解 IT 自动化如何支持边缘 AI 工作负载

红帽® AI 是我们专门针对企业组织需求而构建的 AI 产品组合，它筑基于深受客户信赖的红帽解决方案。有了这种稳健的基础，我们的产品就始终可靠、灵活且可扩展。

红帽 AI 可以帮助企业组织做到以下几点：

• 快速采用 AI 并进行创新
• 拆解交付 AI 解决方案的复杂流程
• 随处部署

探索红帽 AI 

如何灵活扩展

红帽 AI 包含对平台的访问权限，可灵活地在任何地方进行部署。

红帽 OpenShift® AI 是一个集成的 MLOps 平台，可以管理预测性和生成式 AI 模型的生命周期。在这个单一平台上，您可以跨混合云环境扩展 AI 应用。

此外，在构建和部署 AI 应用以及关键工作负载时，我们的专业顾问还可以针对您独特的企业用例提供实践支持。

进一步了解红帽 OpenShift AI