Edge Computing

エッジコンピューティングは、通常は数千マイル離れた中央の場所に依存するのではなく、データ処理とストレージを必要とされる場所の近くに配置する分散型の情報技術アーキテクチャです。ローカルサーバー、IoTゲートウェイ、またはデバイス自体など、データソースの近くでデータを処理することで、このアプローチはレイテンシを大幅に削減し、データ送信に必要な帯域幅を最小限に抑えます。人工知能と機械学習の分野では、エッジコンピューティングはエッジAIのデプロイに必要な重要なインフラストラクチャを提供し、高度なモデルをスマートカメラ、ドローン、産業用センサー上で直接実行して、即座に応答できるようにします。

エッジコンピューティングの主なメリット#

集中型クラウド処理からローカライズされたエッジ処理への移行には、特にコンピュータービジョンやリアルタイム分析において、変革をもたらす複数のメリットがあります。

• レイテンシの削減: 従来のクラウドアーキテクチャでは、データをデータセンターへ送って処理し、その後デバイスへ戻す必要があります。エッジコンピューティングはこの往復をなくし、ミリ秒単位の差が重要となるリアルタイム推論を可能にします。これは、瞬時のブレーキ判断を行う必要がある自動運転車のような安全性が重要なシステムに不可欠です。
• 帯域幅の効率化: 物体検出のために高解像度のビデオストリームを送信すると、膨大な帯域幅を消費します。生データをローカルで処理し、関連するメタデータやアラートのみをクラウドに送信することで、組織はデータ送信コストを大幅に削減できます。
• データプライバシーの強化: 医療画像や顔認識データなどの機密情報を、ローカル環境内だけで処理できます。このローカル環境への封じ込めにより、個人データがデバイスから外部に出ないことが保証され、GDPRのような厳格な規制への準拠を支援します。
• オフライン機能: エッジデバイスは、インターネット接続が不安定または失われた場合でも、自律的に動作を継続できます。この信頼性は、ネットワーク環境の悪い遠隔地の農地でドローンが作物を監視する農業におけるAIのようなアプリケーションに不可欠です。

エッジコンピューティングとクラウドコンピューティングの比較#

クラウドコンピューティングは大規模なデータセットの保存や大規模モデルのトレーニングに優れている一方、エッジコンピューティングは実行フェーズに重点を置いています。両者は競合する技術ではなく、相互補完的な技術と考えるとよいでしょう。クラウドは、過去のデータを処理するために大きな計算能力が必要となるモデルのトレーニングに使用されることが多くあります。トレーニング済みの最適化されたモデルは、推論のためにエッジへデプロイされます。このハイブリッドアプローチは、クラウドの無限に近いスケーラビリティとエッジの高速性という、両者の強みを活用します。

実世界での利用例#

エッジコンピューティングは、インテリジェンスを物理的な業務に直接組み込むことで、さまざまな業界を変革しています。

• スマート製造: 産業オートメーションでは、工場がエッジゲートウェイを使用して機械からのセンサーデータを分析します。振動の異常が検出されると、システムは直ちに予知保全プロトコルを開始し、コストのかかるダウンタイムを防止できます。
• インテリジェント小売: 実店舗では、エッジ対応カメラを在庫管理に利用しています。システムは棚の在庫レベルを自律的に追跡し、商品の補充が必要なときにスタッフへ通知できます。これにより、顧客のビデオフィードを外部サーバーへストリーミングすることなく、業務効率を向上できます。
• 交通管理: スマートシティでは、交差点にエッジノードを配置して交通信号を制御します。これらのシステムは、交通の流れをローカルでリアルタイムに分析することで、信号のタイミングを最適化して渋滞を緩和し、中央管制センターから独立して動作できます。

エッジへのモデルのデプロイ#

リソースに制約のあるエッジデバイスで複雑なモデルを実行するために、開発者はモデル量子化などの最適化技術や、TensorRTやONNXなどの専用フォーマットへのエクスポートを利用することがよくあります。Ultralytics Platformはこのプロセスを簡素化し、ユーザーがクラウドでモデルをトレーニングして、さまざまなエッジターゲットへシームレスにデプロイできるようにします。

次の例では、モバイルおよび組み込みエッジデバイス向けに高度に最適化されたNCNNフォーマットへ、YOLO26モデルをエクスポートする方法を示します。

from ultralytics import YOLO

# Load a pre-trained YOLO26 model
model = YOLO("yolo26n.pt")

# Export the model to NCNN format for mobile edge deployment
# This creates a lightweight, optimized version of the model
model.export(format="ncnn")

関連する概念#

• エッジAI: エッジコンピューティングが分散型インフラストラクチャを指すのに対し、エッジAIはそのインフラストラクチャ上で実行される人工知能アルゴリズムの応用を指します。
• モノのインターネット (IoT): センサーとソフトウェアを組み込んだ物理的なオブジェクト、つまり「モノ」のネットワークです。エッジコンピューティングは、これらのIoTデバイスを「スマート」にする処理能力を提供します。
• フォグコンピューティング: データ、コンピュート、ストレージ、アプリケーションがデータソースとクラウドの間のどこかに配置される分散型コンピューティングインフラストラクチャです。多くの場合、クラウドコンピューティングをエッジまで拡張したものと考えられています。