什么是边缘 AI?

复制 URL

边缘人工智能(AI)或边缘 AI,是指将人工智能与边缘计算相结合,以便在物理位置处或附近收集数据。例如,在更靠近数据源的情况下,图像识别算法任务的运行效果会更好。

边缘 AI 可以几乎即时地做出响应。借助边缘 AI,无论是否连接互联网,数据都可以在几毫秒内得到处理并提供实时反馈,因为 AI 算法可以在更靠近设备位置的地方直接处理数据。而且,这个过程也可以令数据更加安全,因为敏感数据可以一直驻留在边缘,不用向外传输。

了解有关红帽边缘计算解决方案的更多信息

边缘 AI 与传统 AI 的不同之处在于,边缘 AI 不是在云系统的后端运行 AI 模型,而是在网络边缘的网络设备上运行。这种框架在边缘添加了一层智能,使得边缘设备不仅能收集数据指标和分析数据,而且还能根据设备内部集成的机器学习(ML)模型对数据进行实时处理和决策。

人工智能的目标是一致的:让计算机收集数据、处理数据,然后产生类似人类智能的结果。然而,边缘 AI 是在本地、所用设备内部或附近位置进行工作和决策。 

详细了解红帽 AI

红帽资源

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
  • 降低带宽:在本地处理、分析和存储更多数据,而不是发送至云,这样可以减少需要发送的数据量并降低成本
  • 隐私性:利用边缘 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:通过云平台和原始设备制造商(OEM)设备上的本地边缘功能,可以轻松扩展系统
  • 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

长期以来,红帽一直致力于与广大开源社区共同推进容器Kubernetes 技术的发展。红帽® OpenShift® 整合了多项经过测试且深受信赖的服务,可减少开发、现代化、部署、运行和管理应用等过程中产生的摩擦。 

红帽 OpenShift 包含多项关键功能,可以跨数据中心、混合云和边缘,以一致的方式实现机器学习运维(MLOps)在红帽 OpenShift 上运行 AI/ML 可为 AI/ML 工作流提速,并加快 AI 驱动型智能应用的交付。

红帽 OpenShift AI 是一个围绕 AI 打造的产品组合,提供涵盖 AI/ML 实验和模型的完整生命周期工具。它提供了基于开源技术的一致可扩展基础,可为 IT 运维负责人提供专业的合作伙伴生态系统,并为数据科学家和开发人员带来 AI 创新。

了解红帽 OpenShift AI

中心

红帽官方博客

获取有关我们的客户、合作伙伴和社区生态系统的最新信息。

所有红帽产品试用

我们的免费试用可让您亲身体验红帽的产品功能,为获得认证做好准备,或评估某个产品是否适合您的企业。

扩展阅读

什么是 vLLM?

虚拟大型语言模型(vLLM)是一系列开源代码的集合,可帮助语言模型更高效地执行计算。

什么是 AI 推理?

AI 推理是指 AI 模型依据数据提供答案的过程。这是机器学习技术复杂流程中的最后一步。

预测性人工智能与生成式人工智能:有何区别

生成式人工智能和预测性人工智能在功能上有很大不同,并且各自有不同的应用场景。随着人工智能的发展,区分这两种不同类型的 AI 有助于更清楚地了解它们各自的能力和用途。

AI/ML 相关资源

相关文章