联网设备正变得越来越智能，越来越能够做出实时决策。得益于物联网技术的进步，边缘设备可以在设备本身处理数据，而无需将信息发送到云端。
边缘计算可为设备提供实时本地数据分析，这些设备包括数字广告牌、自动驾驶汽车、采矿设备、可穿戴健康和医疗设备等。
根据麦肯锡的报告，到 2025 年，边缘人工智能在11 个行业中有 100 多个使用案例，可为边缘处理创造 2500 亿美元的硬件价值。消费者对提高联网设备效率的需求快速增长，推动了边缘计算设备的热潮。
边缘计算的优势显而易见。当物联网设备无需通过云处理时，它们就可以摆脱云计算的延迟。此外，随着微控制器处理器（MCU）在低功耗方面的进步，边缘设备无需访问云就能识别物体、人脸和语音，这更加实用，也更具成本效益。
本篇文章将探讨边缘计算成为云计算首选的原因，讨论边缘人工智能的未来，并细分边缘智能的使用案例。
云处理的挑战
费用
根据所需资源的不同，利用云计算满足公司需求的成本可能会高于预期。对于小规模项目来说，将数据传输到公共云服务器也是一个问题。您可能还需要投资额外的带宽。
延迟
延迟会对云计算和分布式网络产生巨大影响，使新硬件和软件解决方案的部署面临挑战。如果信号从用户设备传输到云端的时间过长，就会导致用户体验不佳。
可靠性
对于云处理，您只能听从技术服务提供商的安排。如果服务提供商在您需要时无法提供服务，您的企业就可能遭受数据丢失和停机。服务提供商的容量和能力与其价位同样重要。
隐私权
您需要制定计划来管理云中的敏感信息和个人数据。如果这些数据被第三方共享或被网络犯罪分子窃取，那么银行账户信息或个人地址等更重要的数据也可能面临风险。
边缘人工智能是未来
随着物联网与人工智能技术的发展以及 5G 的推出，更多的设备智能化促使设备变得更小、更智能、功能更强、成本更低。由于减少了对云或互联网的依赖，这些设备也受益于更高的可靠性和隐私性。
如今，边缘智能可以通过从头开始安全设计的微控制器实现，使产品制造商能够增强数字信号处理（DSP）和设备上机器学习（ML）的能力。
最节能的处理和连接解决方案将使人工智能边缘设备实现超低功耗，为数十亿设备和人们带来边缘智能的好处。随着微控制器能耗越来越低，人工智能和 ML 解决方案正在为下一代物联网和嵌入式设备提供动力。
使用案例
边缘处理低能耗智能的用例比比皆是。从智能手机上的语音识别，到功能越来越强大的无线耳塞，甚至是支持增强现实技术的智能眼镜，边缘人工智能让我们的生活更美好的例子比比皆是。
主要用例可分为三类：视觉识别、语音识别和振动感应。
视觉识别
在大多数情况下，视觉识别智能边缘可以检测图像和低端物体。使用案例包括视觉检测、计数和分类，以及视觉识别和身份验证。例如，有些人扫描面部来解锁智能手机。
其他应用还包括可确定人的身份的图像处理智能门铃。低成本图像传感器可部署在建筑物中，以感知是否有人或宠物在场，也可用于监控车库中的汽车。交通摄像头中也有这种传感器。
语音识别
除了语音识别，智能助手等边缘设备还能处理声音识别和音频处理。这些设备始终处于开机状态，可监听关键字或特定命令。更先进的设备还能处理语音生物识别，用于用户身份识别。
在边缘设备中可以看到语音识别的其他例子还有家电、电灯开关和恒温器等语音产品。得益于功能强大的微控制器，这些产品的功耗越来越低。自Alexa 语音服务推出以来，任何类型的物联网连接设备都可以启用 Alexa 语音识别功能，无论是家庭、办公室还是酒店房间。
振动传感
振动传感依赖于传感器。传感器可用于个人层面，例如放在鞋子里监测某人的行走方式以检测疾病，也可用于更大的层面，例如放在建筑物的门窗上。
不过，这种主要的使用案例是预测性维护，可以用磁铁将支持物联网的设备安装在机械和工业系统上。这些设备通过机器学习技术监测振动，从而预测系统故障。预测性维护解决方案无需联网和云配置，只需几个小时即可部署完成。
Ambiq 如何提供帮助
Ambiq 的超低功耗无线SoC加速了受尺寸和功耗限制的设备的边缘推理。我们的产品使物联网公司能够提供具有更长电池寿命和更复杂、更快速、更先进的边缘 ML 算法的解决方案。
Ambiq 的产品基于我们的专利阈下功率优化技术(SPOT®) 平台，可将所有电池供电边缘设备的系统总功耗降低到纳安数量级。简而言之，我们的解决方案可以让智能无处不在。
