什么是边缘 AI？
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。
边缘 AI 与传统 AI 有何不同？
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。
边缘 AI 具有哪些优势？
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
为什么选择红帽？
长期以来，红帽一直致力于与广大开源社区共同推进容器和 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。
