边缘计算AI行研

边缘计算与AI的结合—边缘智能（边缘AI）行业研究边缘智能的定义边缘智能，简单来说，就是边缘计算+AI,是人工智能与边缘计算相结合的一种技术。随着万物互联时代的到来，边缘智能正逐渐成为一门新的科学。边缘计算被定义为“一种新的计算方式，这种模式将计算与存储资源部署在更贴近移动设备或传感器的网络边缘”,其核心在于“贴近”终端，因此在实时、快速响应是边缘计算产生的核心痛点所在。带宽、延迟与抖动等不稳定因素都更易于控制和改进。人工智能是计算机科学的一个分支，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。AI与边缘计算的结合，是物联网发展的一个必然趋势。边缘智能的本质边缘计算+AI的应用，其本质在于人工智能可以让云计算+边缘计算的协同合作机制发挥最大效率。简单来说，既要实现边缘端不用实时的和中心脑库进行协同，又要实现边缘接受云计算平台的高效控制，就需要一个高效运转的分布式协调机制和决策模型，而这一步通常由人工智能来完成。万物智联——网络的发展趋势人类科技的发展的加速度在最近的20多年里不断提高，目前，我们已经从互联网时代进入了物联网时代，人类预见了万物互联的前景。随着物联网时代的到来，到2020年将有500亿个终端联网，未来如果这些巨量的网络节点所抓取的数据，都需要上传云端进行智能处理或者深度学习，对网络带宽、大功耗、传输安全、数据延时等提出巨大的挑战，甚至是不可能的任务。“边缘计算”给出了这个难题的解决方案。边缘计算具有以下优点:（1）低功耗；（2）低时延；（3）数据安全，保护隐私；（4）支持本地交互；（5）自主独立运行。但物联网的快速发展导致了仅仅靠边缘计算解决不了遇到的所有问题。物联网提出了更高的需求：1） 多种连接和数据移动性。边缘技术可以在受限或需要断断续续连接至云端以完成计算，存储，备份和分析等工作。2） 需要实时决策。边缘使用案例通常需要立即处理数据，例如，用于自动驾驶汽车或自动拣选机器。这些设备和平台需要能够在本地进行分析，而无需先将数据发送到云，因此可以快速做出决策。3） 本地化计算能力。边缘计算机需要是轻量级设备，可以在不支持更大计算能力的情况下快速，安全地做出决策。4） 新的存储和安全需求。随着在远程和移动设备上生成数据的传感器数量的增长，对可以在各种环境中受到保护的高效存储需求也在增长。这就要求在物联网的边缘有人工智能的参与。同时人类预见了网络的下一个时代：万物智联。万物智联时代将以具备AI能力的智能设备的普遍渗透为标志。机器将能从经验中学习，适应不断变化的情况并预测结果。这些能力能用来推测用户需求，甚至通过信息交互和任务协同与其他设备协作完成工作。从大型机客户端/服务器云/移动设备智能边缘的演进注：A16Z是硅谷著名投资顾问公司通过将AI嵌入边缘，这些设备“智能”能力将不再依赖于网络连接，摆脱了向云端传输数据造成的时延。低延迟和连接独立性将为各种新的应用带来可能——例如车辆导航、增强现实以及医疗等应用一—这些场景通常需要在网络连接不可得或不稳定的情况下，也提供实时反馈和强大高可靠的性能。全球著名的信息技术、电信行业和消费科技咨询公司IDC指出，AI在未来的落地，离不开算法、算力在边缘侧的部署。在5G、物联网、区块链等技术的推动下，未来将有更多设备搭载AI，实现数据互通和智能联动。这也将进一步拓展AI的应用场景，尤其是边缘侧AI的应用场景。与此同时，AI场景化落地带来的海量数据，也将为未来的AI发展提供源源不断的数据资源支撑，并最终推动AI迎来新的爆发。算法创新，则可以让AI深入各行各业；算力的增长，也可以扩展AI的应用场景。物联网与AI将深度融合，AIoT将成为行业的标配。下一个十年，伴随着AI在各个场景的不断落地，AIoT企业也将面临前所未有的新机遇。边缘智能的市场空间随着底层技术的进步以及应用的不断丰富，近年来全球物联网产业实现爆发式的增长。参考IDC数据，全球物联网终端设备安装数量在2019年达到256亿台，年复合增速高达21%。国内物联网市场的增速更高，据CEDA（中国信息产业商会电子分销商分会）预测，2020年我国物联网市场规模有望达到18300亿元，年复合增速高达25%。得益于底层物联网设备的激增，参考拓撲产业研究院的预测，2018年至2022年全球边缘计算相关市场规模的年复合增长率（CAGR）将超过30%。另据IDC预测，到2020年将有超过500亿的终端与设备联网，而有50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘分析、处理与储存，边缘计算市场规模将超万亿。根据麦肯锡公司的一份报告，“到2025年，边缘计算在硬件方面的潜在价值为1750亿-2150亿美元。”全球边缘计算硬件的行业分布及市场预测行业占比％价值（亿美元）行业占比％价值（亿美元）交通、运输、物流24~35-43高端产业10~5-13交叉产业9~32-40健康医疗10~5-13零售10~20-28基础设施6~4-11传媒娱乐1~17-25农业化工5~4-11公共设施10~16-24金融保险1~2-7能源及材料13~9-17消费4~1-5资料来源：麦肯锡报告相应的，边缘智能芯片已经开始大量出现在智能手机和其他设备中，AI软硬件的持续创新将带来越来越多内置AI能力的设备。一项研究预测，全球所有人工智能推理（或分析）运算中发生在边缘侧的比例将从2017年的6%暴增到2023年的43%。芯片企业越来越多地将对AI的支持直接嵌入到设备中。具有嵌入式AI的设备开始在许多垂直行业出现，包括物流、制造业、农业和医疗等，预计嵌入式人工智能设备的年出货量将从2017年的7900万增长到2023年的12亿。边缘AI芯片的发展机遇边缘AI芯片兴起，主要归功于以下因素：•市场层面受边缘计算、边缘服务器的带动相关研究表明，截止2018年，有40%的数据需要在网络边缘侧分析、处理、储存，到2025年这一比例将超过50%。据预测，从2018年到2022年全球边缘计算相关市场规模的年复合增长率将超过30%，到2022年，边缘计算市场规模将超万亿，与云计算市场规模不相上下。•端设备智能化开始另外正是看到了边缘计算的市场前景，国内外行业巨头也纷纷将AI芯片的目光由云端转向了边缘，原因还在于有大量的终端设备、场景需要借助AI芯片完成运算，如智能音箱、智能路灯、VR/AR、车联网、智能制造。•边缘生态完善还有厂商边缘产品生态逐渐完善，如今企业越来越强调端-边-云-网-智的多方协同，其也需要从云端到边缘的端到端解决方案。因此，对厂商而言，仅仅提供云端AI芯片是难以满足用户的这些需求，因此，在布局完云端AI芯片后再去完善边缘AI芯片是提供自身在行业内竞争优势的策略。•边缘AI芯片难度门槛低最吸引厂商的是，相比云端AI芯片，边缘AI芯片的使用场景丰富，在设计、研发、生产上难度也相应缩减，同时单芯片售价并不昂贵，因此，布局边缘AI芯片的企业，除行业巨头外，也有不少AI创企。边缘智能的行业应用介绍边缘计算+AI已经在许多行业开始应用。以下列举了一些行业应用案例，尽管大部分仍处于初级阶段，但依然可以看到边缘智能不仅可以重塑企业的运营方式，而且在某些领域可以重塑产业链生态。制造业越来越多的机器人开始配备传感器和AI能力，使得它们可以安全地和人类协同工作，大大提高了机器人在工厂车间的实用性。这类协作机器人的早期版本主要依靠云端智能，但芯片企业和机器人制造商正在合作将工厂车间或机器人本身具备的计算资源中嵌入AI能力。这将使得装配线上的机器人计算运动的运算速度提高，或者立即响应突发事件。医疗健康内嵌AI能力的智能医疗设备可以改变医疗服务的交付方式、降低成本并提高患者的福祉。例如，试验表明内嵌AI算法的植入设备显著降低了癫痫患者癫痫发作的频率。这类智能医疗植入设备能够感知和避免实时发生的健康风险事件，在提供远程监测和治疗能力的同时降低医疗费用。建筑工程利用无人机和智能摄像头实时监控施工现场的进度，可有效防止工期延误，减少物资浪费。一家研发人工智能施工现场自动驾驶检查车的创业公司声称，其系统帮助客户项目提高了38%的生产效率并节省了11%的项目预算。（注：美国Doxel.ai公司，2016年创立的建筑业人工智能企业。数据引自A16Z）物流人工智能正在帮助物流行业降低成本、提高速度和效率。智能仓储机器人系统利用云端和现场微型数据中心的组合设施提供的AI能力，可以相互通信，协同处理任务，将订单拣选时间从小时缩短到分钟。汽车/交通自动驾驶汽车也许是嵌入式AI最突出的例子，预计未来最终将通过按需出行服务的方式替代传统汽车所有权，重塑交通运输行业。自动驾驶汽车还可能使停车场，交通拥堵和加油站消失，颠覆汽车保险，物流等其他产业链上下游传统的商业模式。农业配备摄像头和计算机视觉能力的除草剂喷洒机器人能够将除草剂精确施用于杂草，与普通方法相比能够为农民减少高达90%的除草剂成本。能源配备传感器的联网风力涡轮机可以共享风况变化的信息，利用在风电场部署的边缘计算AI算法，每个风机都可以针对不断变化的风况和相邻涡轮机的动作对其速