ທຸກໆຂະແຫນງການກໍາລັງຊອກຫາການປັບປຸງການດໍາເນີນງານ, ການຜະລິດ, ແລະຄວາມປອດໄພໂດຍການປະຕິບັດອັດຕະໂນມັດຫຼາຍຂຶ້ນ. ໂປລແກລມຄອມພິວເຕີຕ້ອງສາມາດແນມເບິ່ງຮູບແບບຕ່າງໆ ແລະ ປະຕິບັດວຽກງານຕ່າງໆໄດ້ຢ່າງໜ້າເຊື່ອຖື ແລະ ປອດໄພ ເພື່ອຊ່ວຍເຂົາເຈົ້າ.
ຢ່າງໃດກໍຕາມ, ໂລກບໍ່ມີໂຄງສ້າງ, ແລະຂອບເຂດຂອງວຽກທີ່ມະນຸດປະຕິບັດກວມເອົາສະຖານະການທີ່ບໍ່ມີທີ່ສິ້ນສຸດທີ່ຍາກທີ່ຈະສະແດງອອກຢ່າງພຽງພໍໃນໂຄງການແລະກົດລະບຽບ.
ຄວາມກ້າວຫນ້າຂອງ Edge AI ໄດ້ເຮັດໃຫ້ມັນເປັນໄປໄດ້ສໍາລັບຄອມພິວເຕີແລະ gadget ທີ່ຈະເຮັດວຽກກັບ "ປັນຍາ" ຂອງສະຕິປັນຍາຂອງມະນຸດ, ບໍ່ວ່າຈະຢູ່ໃສ. ແອັບທີ່ນຳໃຊ້ AI ອັດສະລິຍະຮຽນຮູ້ທີ່ຈະເຮັດໜ້າທີ່ປຽບທຽບໄດ້ໃນຫຼາຍໆສະຖານະການ, ຄືກັບທີ່ມະນຸດເຮັດໃນຊີວິດຈິງ.
ພວກເຮົາຈະພິຈາລະນາຢ່າງເລິກເຊິ່ງກ່ຽວກັບ Edge AI, ຜົນປະໂຫຍດຂອງມັນ, ກໍລະນີການນໍາໃຊ້, ແລະອື່ນໆອີກໃນຂໍ້ຄວາມນີ້.
Edge AI ແມ່ນຫຍັງ?
ຄອມພິວເຕີ້ Edge ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສາມາດເຂົ້າເຖິງການເກັບຮັກສາຂໍ້ມູນແລະການປະມວນຜົນງ່າຍຂຶ້ນ. ນີ້ແມ່ນສໍາເລັດໂດຍການປະຕິບັດຂະບວນການໃນອຸປະກອນທ້ອງຖິ່ນເຊັ່ນ: ແລັບທັອບ, ອຸປະກອນ IoT, ຫຼືເຄື່ອງແມ່ຂ່າຍຂອບພິເສດ.
ເວລາແຝງ ແລະແບນວິດມີຄວາມເປັນຫ່ວງວ່າ ບາງຄັ້ງການດຳເນີນການທີ່ອີງໃສ່ຄລາວບໍ່ເປັນບັນຫາສຳລັບຟັງຊັນຂອບ.
Edge AI ຜະສົມຜະສານ ປັນຍາປະດິດ ແລະຄອມພິວເຕີ້ຂອບ (AI). ນີ້ປະກອບມີການປະຕິບັດ AI algorithms ໃນອຸປະກອນທ້ອງຖິ່ນທີ່ມີພະລັງງານປະມວນຜົນຢູ່ຂອບ.
Edge AI ກໍາຈັດຄວາມຕ້ອງການສໍາລັບການເຊື່ອມຕໍ່ລະບົບແລະການເຊື່ອມໂຍງ, ໃຫ້ຜູ້ໃຊ້ສາມາດປະມວນຜົນຂໍ້ມູນໃນເວລາທີ່ແທ້ຈິງໃນອຸປະກອນຂອງເຂົາເຈົ້າ. ເຖິງແມ່ນວ່າການປະຕິບັດງານຂອງ AI ຕ້ອງການພະລັງງານຄອມພິວເຕີ້ຫຼາຍ, ສ່ວນໃຫຍ່ຂອງພວກມັນໄດ້ຖືກປະຕິບັດຢູ່ໃນສູນທີ່ໃຊ້ເມຄ.
ຂໍ້ເສຍແມ່ນວ່າການບໍລິການຂັດຂວາງຫຼືຄວາມຊ້າຫຼາຍອາດຈະເກີດຂື້ນຍ້ອນການເຊື່ອມຕໍ່ຫຼືເຄືອຂ່າຍມີຄວາມຫຍຸ້ງຍາກ.
ໂດຍການລວມຂະບວນການ AI ເຂົ້າໄປໃນອຸປະກອນຄອມພິວເຕີ້ຂອບ, edge AI ເອົາຊະນະຄວາມກັງວົນເຫຼົ່ານີ້. ໂດຍການເກັບກໍາຂໍ້ມູນແລະການບໍລິການຜູ້ໃຊ້ໂດຍບໍ່ມີການຕິດຕໍ່ສື່ສານກັບສະຖານທີ່ທາງດ້ານຮ່າງກາຍອື່ນໆ, ຜູ້ໃຊ້ສາມາດປະຫຍັດເວລາ.
ເທັກໂນໂລຍີ Edge AI ເຮັດວຽກແນວໃດ?
ເຄື່ອງຈັກຈໍາເປັນຕ້ອງສາມາດເບິ່ງເຫັນ, ກໍານົດວັດຖຸ, ປະຕິບັດງານລົດໃຫຍ່, ເຂົ້າໃຈຄໍາເວົ້າ, ເວົ້າ, ເຄື່ອນຍ້າຍ, ແລະປະຕິບັດວຽກງານອື່ນໆທີ່ຄ້າຍຄືກັບມະນຸດ. ເພື່ອເຮັດຊ້ໍາຄວາມເຂົ້າໃຈຂອງມະນຸດ, AI ໃຊ້ໂຄງສ້າງຂໍ້ມູນທີ່ເອີ້ນວ່າເລິກ ເຄືອຂ່າຍ neural.
DNNs ເຫຼົ່ານີ້ຖືກສອນໃຫ້ຕອບຄໍາຖາມບາງປະເພດໂດຍການສະແດງໃຫ້ເຫັນຫຼາຍຕົວຢ່າງຂອງຄໍາຖາມນັ້ນພ້ອມກັບຄໍາຕອບທີ່ຖືກຕ້ອງ.
ເນື່ອງຈາກຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍທີ່ຈໍາເປັນເພື່ອຝຶກອົບຮົມແບບຈໍາລອງທີ່ຖືກຕ້ອງແລະຄວາມຕ້ອງການຂອງນັກວິທະຍາສາດຂໍ້ມູນເພື່ອຮ່ວມມືໃນການສ້າງຕົວແບບ, ຂະບວນການຝຶກອົບຮົມນີ້, ເອີ້ນວ່າ "ການຮຽນຮູ້ເລິກ", ໂດຍທົ່ວໄປແລ້ວແມ່ນດໍາເນີນຢູ່ໃນສູນຂໍ້ມູນຫຼືເມຄ. ຮູບແບບດັ່ງກ່າວພັດທະນາໄປສູ່ "ເຄື່ອງຈັກ inference" ທີ່ສາມາດຕອບບັນຫາໃນຄວາມເປັນຈິງຫຼັງຈາກໄດ້ຮັບການຝຶກອົບຮົມ.
ເຄື່ອງຈັກ inference ໃນ edge AI ເຮັດວຽກຢູ່ໃນຄອມພິວເຕີຫຼືອຸປະກອນໃນສະຖານທີ່ຫ່າງໄກສອກຫຼີກ, ເຊັ່ນ: ໂຮງງານ, ໂຮງຫມໍ, ລົດຍົນ, ດາວທຽມ, ຫຼືເຮືອນຂອງບຸກຄົນ.
ເມື່ອ AI ພົບກັບບັນຫາ, ຂໍ້ມູນທີ່ເປັນບັນຫາຈະຖືກໂອນໄປຫາຄລາວເລື້ອຍໆເພື່ອການຝຶກອົບຮົມເພີ່ມເຕີມຂອງຮູບແບບ AI ຕົ້ນສະບັບ, ເຊິ່ງໃນທີ່ສຸດຈະປ່ຽນເຄື່ອງຈັກ inference ຂອບ. ເມື່ອຮູບແບບ AI ແຂບຖືກປະຕິບັດ, ພວກມັນພຽງແຕ່ກາຍເປັນຫຼາຍແລະສະຫລາດ, ຍ້ອນການທົບທວນຄືນນີ້.
ຜົນປະໂຫຍດ
ສູດການຄິດໄລ່ AI ມີປະໂຫຍດໂດຍສະເພາະໃນສະຖານທີ່ທີ່ຜູ້ໃຊ້ສຸດທ້າຍພົບເລື້ອຍໆກັບບັນຫາໃນໂລກທີ່ແທ້ຈິງເພາະວ່າພວກເຂົາສາມາດຕີຄວາມຫມາຍພາສາ, ທັດສະນະ, ສຽງ, ກິ່ນຫອມ, ອຸນຫະພູມ, ໃບຫນ້າ, ແລະປະເພດການປຽບທຽບອື່ນໆຂອງຂໍ້ມູນທີ່ບໍ່ມີໂຄງສ້າງ.
ເນື່ອງຈາກຄວາມກັງວົນກ່ຽວກັບຄວາມລ່າຊ້າ, ແບນວິດ, ແລະຄວາມເປັນສ່ວນຕົວ, ບາງແອັບພລິເຄຊັນ AI ຈະໃຊ້ບໍ່ໄດ້ຜົນ ຫຼືແມ່ນແຕ່ເປັນໄປບໍ່ໄດ້ທີ່ຈະປະຕິບັດຢູ່ໃນສູນຂໍ້ມູນ ຫຼືສູນຂໍ້ມູນທຸລະກິດ.
ຕໍ່ໄປນີ້ແມ່ນບາງຂໍ້ໄດ້ປຽບຂອງ edge AI:
- ຄວາມເຂົ້າໃຈໃນເວລາຈິງ: ເມື່ອເທກໂນໂລຍີ edge ວິເຄາະຂໍ້ມູນຢູ່ໃນທ້ອງຖິ່ນແທນທີ່ຈະຢູ່ໃນເມຄຫ່າງໄກທີ່ຊັກຊ້າໂດຍການເຊື່ອມຕໍ່ທາງໄກ, ມັນຕອບສະຫນອງຕໍ່ຄໍາຮ້ອງຂໍຂອງຜູ້ໃຊ້ໃນເວລາຈິງ.
- ທາງ: ແອັບພລິເຄຊັ່ນ AI ມີພະລັງ ແລະ ສາມາດປັບຕົວໄດ້ຫຼາຍກວ່າໂປຣແກມແບບດັ້ງເດີມ, ເຊິ່ງພຽງແຕ່ສາມາດຕອບສະໜອງກັບວັດສະດຸປ້ອນທີ່ນັກຂຽນໂປລແກລມໄດ້ຄາດຄະເນໄວ້. AI ເຄືອຂ່າຍ neuralໃນທາງກົງກັນຂ້າມ, ໄດ້ຖືກຝຶກອົບຮົມບໍ່ໃຫ້ຕອບຄໍາຖາມສະເພາະ, ແຕ່ແທນທີ່ຈະຕອບຄໍາຖາມສະເພາະ, ເຖິງແມ່ນວ່າຄໍາຖາມຕົວມັນເອງແມ່ນນະວະນິຍາຍ. ແອັບພລິເຄຊັນຈະບໍ່ສາມາດປະມວນຜົນວັດສະດຸປ້ອນຕ່າງໆໄດ້ຕະຫຼອດເຊັ່ນ: ຂໍ້ຄວາມ, ຄຳເວົ້າ ຫຼືວິດີໂອໂດຍບໍ່ມີ AI.
- ຄວາມເປັນສ່ວນຕົວເພີ່ມຂຶ້ນ: AI ສາມາດສຶກສາຂໍ້ມູນໃນໂລກທີ່ແທ້ຈິງໄດ້ໂດຍບໍ່ເຄີຍເປີດເຜີຍໃຫ້ເຫັນມະນຸດ, ເປັນການເພີ່ມຄວາມເປັນສ່ວນຕົວໃຫ້ກັບໃຜກໍຕາມທີ່ມີລັກສະນະ, ສຽງ, ຮູບພາບທາງການແພດ, ຫຼືຂໍ້ມູນສ່ວນຕົວອື່ນໆຕ້ອງໄດ້ຮັບການສຶກສາ. Edge AI ປັບປຸງຄວາມເປັນສ່ວນຕົວຕື່ມອີກໂດຍການເກັບຮັກສາຂໍ້ມູນຢູ່ໃນທ້ອງຖິ່ນແລະໂອນພຽງແຕ່ການວິເຄາະແລະຄວາມເຂົ້າໃຈກັບຄລາວ.
- ຫຼຸດຄ່າໃຊ້ຈ່າຍ: ໂດຍການເຄື່ອນຍ້າຍພະລັງງານຄອມພິວເຕີ້ເຂົ້າໃກ້ຂອບ, ແອັບພລິເຄຊັນຕ້ອງການແບນວິດອິນເຕີເນັດຫນ້ອຍລົງ, ເຊິ່ງກໍ່ໃຫ້ເກີດການປະຫຍັດຄ່າໃຊ້ຈ່າຍໃນເຄືອຂ່າຍຢ່າງຫຼວງຫຼາຍ.
- ການປັບປຸງທີ່ສອດຄ່ອງ: ຍ້ອນວ່າຕົວແບບ AI ໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຂໍ້ມູນຫຼາຍຂຶ້ນ, ພວກມັນຈະກາຍເປັນຄວາມຖືກຕ້ອງຫຼາຍຂຶ້ນ. ເມື່ອແອັບພລິເຄຊັນ AI ແຂບໄດ້ພົບກັບຂໍ້ມູນທີ່ມັນບໍ່ສາມາດຈັດການໄດ້ຊັດເຈນ ຫຼື ໝັ້ນໃຈໄດ້, ມັນມັກຈະອັບໂຫຼດມັນເພື່ອໃຫ້ AI ສາມາດຝຶກຝົນ ແລະຮຽນຮູ້ຈາກມັນໄດ້. ດັ່ງນັ້ນ, ຮູບແບບການຜະລິດທີ່ຍາວກວ່າຢູ່ໃນຂອບ, ມັນຈະຖືກຕ້ອງຫຼາຍ.
ກໍລະນີການນໍາໃຊ້ Edge AI
ເຄື່ອງຈັກອຸດສາຫະ ກຳ ແລະເຄື່ອງອຸປະໂພກບໍລິໂພກແມ່ນສອງພາກສ່ວນຕົ້ນຕໍຂອງຕະຫຼາດ AI. ການທົດສອບການສາທິດສະແດງໃຫ້ເຫັນການປັບປຸງໃນຂົງເຂດເຊັ່ນ: ການຄວບຄຸມແລະການເພີ່ມປະສິດທິພາບອຸປະກອນແລະອັດຕະໂນມັດທັກສະແຮງງານທີ່ມີທັກສະ.
ເຄື່ອງມືຂອງຜູ້ບໍລິໂພກທີ່ມີກ້ອງຖ່າຍຮູບທີ່ເປີດໃຊ້ AI ທີ່ກວດຫາຫົວຂໍ້ຮູບພາບໂດຍອັດຕະໂນມັດຍັງມີຄວາມຄືບຫນ້າ. ຕະຫຼາດອຸປະກອນຜູ້ບໍລິໂພກຄາດວ່າຈະເຕີບໂຕຢ່າງຫຼວງຫຼາຍຈາກປີ 2021 ເປັນຕົ້ນໄປ, ເນື່ອງຈາກຄວາມຈິງທີ່ວ່າຈໍານວນອຸປະກອນແມ່ນຫຼາຍກ່ວາຈໍານວນອຸປະກອນອຸດສາຫະກໍາ. ພວກເຮົາໄດ້ລະບຸບາງກໍລະນີການນໍາໃຊ້ AI ທີ່ນິຍົມກັນຂ້າງລຸ່ມນີ້:
- Drones ປົກຄອງຕົນເອງ – Drones ໄດ້ສູນເສຍການຄວບຄຸມແລະຫາຍໄປໃນຂະນະທີ່ດໍາເນີນການທົດສອບການບິນໄລຍະໄກ, ຕາມຂ່າວສານ. ນັກບິນຂອງ drone ອັດຕະໂນມັດບໍ່ໄດ້ມີສ່ວນຮ່ວມໃນການບິນຂອງ drone ໄດ້. ພວກເຂົາເຈົ້າເຝົ້າລະວັງສິ່ງທີ່ຢູ່ໄກແລະພຽງແຕ່ໃຊ້ drone ໃນເວລາທີ່ມັນເປັນສິ່ງຈໍາເປັນແທ້ໆ. Amazon Prime Air, ທຸລະກິດສົ່ງ drone ທີ່ກໍາລັງພັດທະນາ drones ຂັບລົດດ້ວຍຕົນເອງເພື່ອຈັດສົ່ງສິນຄ້າ, ເປັນຕົວຢ່າງທີ່ມີຊື່ສຽງຫຼາຍທີ່ສຸດຂອງເລື່ອງນີ້.
- ລົດຂັບລົດດ້ວຍຕົນເອງ – ໄດ້ ການນໍາໃຊ້ທີ່ຫນ້າຕື່ນເຕັ້ນທີ່ສຸດຂອງຄອມພິວເຕີ້ແຂບແມ່ນລົດໃຫຍ່ທີ່ຂັບລົດດ້ວຍຕົນເອງ. ລົດທີ່ຂັບລົດດ້ວຍຕົນເອງຕ້ອງເຮັດການປະເມີນຜົນທັນທີທັນໃດຂອງສະຖານະການໃນຫຼາຍໆສະຖານະການ, ເຊິ່ງຈໍາເປັນຕ້ອງມີການປະມວນຜົນຂໍ້ມູນໃນເວລາທີ່ແທ້ຈິງ. ກົດໝາຍວ່າດ້ວຍການຈະລາຈອນທາງບົກ ແລະ ກົດໝາຍວ່າດ້ວຍການຂົນສົ່ງທາງບົກຂອງຍີ່ປຸ່ນໄດ້ຖືກປັບປຸງໃນເດືອນທັນວາ 2019, ເຮັດໃຫ້ມັນງ່າຍກວ່າທີ່ຈະເອົາລົດທີ່ຂັບລົດດ້ວຍຕົນເອງລະດັບ 3 ຢູ່ເທິງຖະໜົນ. ຂໍ້ກໍານົດດ້ານຄວາມປອດໄພທີ່ລົດອັດຕະໂນມັດຕ້ອງຕອບສະຫນອງ, ເຊັ່ນດຽວກັນກັບສະຖານທີ່ທີ່ເຂົາເຈົ້າສາມາດຂັບລົດໄດ້, ໃນບັນດາພວກເຂົາ. ດັ່ງນັ້ນ, ຜູ້ຜະລິດລົດໃຫຍ່ກໍາລັງພັດທະນາຍານພາຫະນະທີ່ຂັບລົດດ້ວຍຕົນເອງທີ່ຕອບສະຫນອງຄວາມຕ້ອງການເຫຼົ່ານີ້. ສໍາລັບຕົວຢ່າງ, ໂຕໂຍຕ້າກໍາລັງວາງ TRI-P4 ໂດຍຜ່ານລະບົບອັດຕະໂນມັດຢ່າງສົມບູນ (ລະດັບ 4).
- ໂທລະສັບສະຫຼາດ - ນີ້ ເປັນ gadget AI ຂອບທີ່ພວກເຮົາທຸກຄົນຄຸ້ນເຄີຍທີ່ສຸດ. Siri ແລະ Google Assistant, ເຊິ່ງໃຊ້ AI edge ເພື່ອພະລັງງານສຽງຂອງພວກເຂົາ ການໂຕ້ຕອບຜູ້ໃຊ້, ແມ່ນຕົວຢ່າງທີ່ເຫມາະສົມຂອງ edge AI ໃນໂທລະສັບສະຫຼາດ. AI ໃນອຸປະກອນລົບລ້າງຄວາມຕ້ອງການທີ່ຈະສົ່ງຂໍ້ມູນອຸປະກອນໄປຄລາວເນື່ອງຈາກວ່າການປະມວນຜົນເກີດຂຶ້ນໃນອຸປະກອນ (ຂອບ). ນີ້ຊ່ວຍປົກປ້ອງຄວາມເປັນສ່ວນຕົວໃນຂະນະທີ່ຍັງຫຼຸດຜ່ອນການຈະລາຈອນ.
- ບັນເທິງ - Virtual ຄວາມເປັນຈິງ, ຄວາມເປັນຈິງເພີ່ມຂຶ້ນ, ແລະຄໍາຮ້ອງສະຫມັກຄວາມເປັນຈິງປະສົມສໍາລັບການບັນເທີງປະກອບມີການຖ່າຍທອດອຸປະກອນການວິດີໂອກັບແວ່ນຕາຄວາມເປັນຈິງແລ້ວ virtual. ໂດຍການປຸງແຕ່ງ outsourcing ຈາກແວ່ນຕາໄປຫາເຄື່ອງແມ່ຂ່າຍແຂບຢູ່ໃກ້ກັບອຸປະກອນສຸດທ້າຍ, ຂະຫນາດຂອງແວ່ນຕາດັ່ງກ່າວສາມາດຫຼຸດລົງໄດ້. ສໍາລັບຕົວຢ່າງ, Microsoft ພຽງແຕ່ເປີດຕົວ HoloLens, ຄອມພິວເຕີ holographic ເຫມາະກັບ headgear ທີ່ອະນຸຍາດໃຫ້ຜູ້ໃຊ້ສາມາດປະສົບການຄວາມເປັນຈິງເພີ່ມຂຶ້ນ. Microsoft ວາງແຜນທີ່ຈະໃຊ້ HoloLens ເພື່ອສະຫນອງຄອມພິວເຕີແບບດັ້ງເດີມ, ການວິເຄາະຂໍ້ມູນ, ການຖ່າຍຮູບທາງການແພດ, ແລະຄໍາຮ້ອງສະຫມັກຂອງເກມທີ່ສຸດ.
- ການຮັບຮູ້ໃບໜ້າ – ໃບໜ້າ ລະບົບການຮັບຮູ້ແມ່ນຄວາມກ້າວຫນ້າໃນກ້ອງຖ່າຍຮູບເຝົ້າລະວັງທີ່ສາມາດຮຽນຮູ້ທີ່ຈະຮັບຮູ້ບຸກຄົນໂດຍອີງໃສ່ໃບຫນ້າຂອງເຂົາເຈົ້າ. ໂມດູນກ້ອງຖ່າຍຮູບ AI ທີ່ໃຊ້ເຕັກນິກຄອມພິວເຕີຂອບ AI ເພື່ອປະເມີນລັກສະນະໃບຫນ້າໃນເວລາຈິງ. ມັນສາມາດກວດພົບໃບຫນ້າໄດ້ໄວແລະຊັດເຈນ, ເຮັດໃຫ້ມັນເຫມາະສົມສໍາລັບເຄື່ອງມືການຕະຫຼາດເປົ້າຫມາຍລັກສະນະສະເພາະໃດຫນຶ່ງເຊັ່ນ: ອາຍຸ, ເຊັ່ນດຽວກັນກັບການຮັບຮູ້ໃບຫນ້າສໍາລັບການປົດລັອກອຸປະກອນ.
5G ແລະ Edge AI
ຄວາມຕ້ອງການອັນສໍາຄັນສໍາລັບ 5G ໃນເຂດທີ່ມີການຂະຫຍາຍຕົວສູງເຊັ່ນ: ລົດທີ່ຂັບລົດຕົນເອງໄດ້ຢ່າງເຕັມສ່ວນ, ປະສົບການ virtual reality ໃນເວລາທີ່ແທ້ຈິງ, ແລະຄໍາຮ້ອງສະຫມັກທີ່ສໍາຄັນໃນພາລະກິດເຮັດໃຫ້ການປະດິດສ້າງເພີ່ມເຕີມໃນ Edge computing ແລະ Edge AI.
5G ແມ່ນເຄືອຂ່າຍໂທລະສັບມືຖືລຸ້ນຕໍ່ໄປ ທີ່ຊອກຫາການປັບປຸງຄຸນນະພາບການບໍລິການຢ່າງຫຼວງຫຼາຍ, ເຊັ່ນ: ການສົ່ງຜ່ານທີ່ດີຂຶ້ນ ແລະ ຫຼຸດການຕອບສະໜອງ - ໃຫ້ອັດຕາຂໍ້ມູນໄວກວ່າ 10 ເທົ່າຂອງເຄືອຂ່າຍ 5G ທີ່ມີຢູ່.
ພິຈາລະນາການຈັດສົ່ງແພັກເກັດແບບສົດໆໃນລົດຍົນທີ່ຂັບລົດດ້ວຍຕົນເອງ, ເຊິ່ງຮຽກຮ້ອງໃຫ້ມີການຊັກຊ້າໃນຕອນທ້າຍຫນ້ອຍກວ່າ 10 ms ເພື່ອຊື່ນຊົມຄວາມຕ້ອງການສໍາລັບການໂອນຂໍ້ມູນຢ່າງໄວວາແລະການຄິດໄລ່ໃນອຸປະກອນທ້ອງຖິ່ນ.
ຄວາມລ່າຊ້າສຸດຫາທ້າຍໜ້ອຍສຸດສຳລັບການເຂົ້າເຖິງຄລາວມີຂະໜາດໃຫຍ່ກວ່າ 80 ms, ເຊິ່ງບໍ່ສາມາດຍອມຮັບໄດ້ສຳລັບຫຼາຍແອັບພລິເຄຊັນໃນໂລກຈິງ. ຄອມພິວເຕີ້ Edge ຕອບສະໜອງໄດ້ຄວາມຕ້ອງການຍ່ອຍມິລິວິນາທີຂອງແອັບພລິເຄຊັນ 5G ໃນຂະນະທີ່ຫຼຸດການໃຊ້ພະລັງງານລົງ 30-40%, ສົ່ງຜົນໃຫ້ມີການໃຊ້ພະລັງງານໜ້ອຍລົງເຖິງ 5 ເທົ່າເມື່ອປຽບທຽບກັບການເຂົ້າເຖິງຄລາວ.
Edge computing ແລະ 5G ເພີ່ມຄວາມໄວຂອງເຄືອຂ່າຍ, ອະນຸຍາດໃຫ້ປະຕິບັດແລະການນໍາໃຊ້ຄໍາຮ້ອງສະຫມັກ AI ໃນເວລາທີ່ແທ້ຈິງຕ່າງໆ, ເຊັ່ນ AI-based ວິດີໂອທີ່ໃຊ້ເວລາທີ່ແທ້ຈິງການວິເຄາະ, ອີງໃສ່ການໂອນຂໍ້ມູນ latency ຕ່ໍາ.
ໃນອະນາຄົດ
Edge AI ກາຍເປັນທີ່ນິຍົມຫລາຍຂຶ້ນ, ແລະການລົງທຶນທີ່ສໍາຄັນໄດ້ຖືກດໍາເນີນຢູ່ໃນພາກສະຫນາມ. ຕົວຢ່າງ, ໃນເດືອນມັງກອນ 2020, ມັນໄດ້ຖືກປະກາດວ່າ Apple ຈ່າຍເງິນ 200 ລ້ານໂດລາເພື່ອຊື້ບໍລິສັດ AI Xnor.ai ທີ່ຕັ້ງຢູ່ຊີແອດເທິລ.
ການປະມວນຜົນຂອບແມ່ນໃຊ້ໂດຍເຕັກໂນໂລຊີ AI ຂອງ Xnor.ai ເພື່ອປະມວນຜົນຂໍ້ມູນໃນສະມາດໂຟນຂອງຜູ້ໃຊ້. ດ້ວຍ AI ທີ່ຢູ່ໃນສະມາດໂຟນ, ພວກເຮົາຄວນຄາດຫວັງວ່າຈະມີການປັບປຸງການປະມວນຜົນສຽງ, ເທັກໂນໂລຍີການຮັບຮູ້ໃບໜ້າ ແລະຄວາມເປັນສ່ວນຕົວ.
ດ້ວຍການນຳໃຊ້ 5G, ພວກເຮົາສາມາດຄາດຄະເນວ່າຈະມີລາຄາຕ່ຳກວ່າ ແລະມີຄວາມຕ້ອງການເພີ່ມຂຶ້ນໃນການບໍລິການ AI ຂອບເຂດທົ່ວໂລກ.
ສະຫຼຸບ
ໃນຂະນະທີ່ປະຊາຊົນໃຊ້ເວລາຫຼາຍໃນອຸປະກອນມືຖືຂອງພວກເຂົາ, ທຸລະກິດແລະຜູ້ພັດທະນາຫຼາຍຂື້ນເຫັນຄຸນຄ່າຂອງການປະຕິບັດເຕັກໂນໂລຢີ Edge ເພື່ອໃຫ້ບໍລິການໄວ, ມີປະສິດທິພາບຫຼາຍຂຶ້ນໃນຂະນະທີ່ເພີ່ມອັດຕາກໍາໄລ.
ໃນແງ່ຂອງການບໍລິການທີ່ອີງໃສ່ AI ລະດັບວິສາຫະກິດ, ເຊັ່ນດຽວກັນກັບຄວາມສະດວກສະບາຍຂອງຜູ້ບໍລິໂພກແລະຄວາມສຸກ, ນີ້ຈະເປີດໂລກໃຫມ່ທັງຫມົດຂອງຄວາມເປັນໄປໄດ້.
ບໍລິສັດຂະຫນາດໃຫຍ່ເຊັ່ນ Amazon ແລະ Google ໄດ້ລົງທຶນຫຼາຍລ້ານໃນການພັດທະນາລະບົບ Edge AI ຂອງພວກເຂົາ, ດັ່ງນັ້ນການນໍາພາແລະການລົງທຶນໃນເຕັກໂນໂລຢີເຫຼົ່ານີ້ແມ່ນວິທີດຽວທີ່ຈະແຂ່ງຂັນ.
ໃນທາງກົງກັນຂ້າມ, ຄວາມຕ້ອງການທີ່ເພີ່ມຂຶ້ນສໍາລັບອຸປະກອນ IoT, ຈະເຮັດໃຫ້ເຄືອຂ່າຍ 5G ແລະ Edge Computing ຖືກນໍາໃຊ້ຢ່າງກວ້າງຂວາງ.
ອອກຈາກ Reply ເປັນ