Edge AI и периферийные вычисления: аналитика в реальном времени

Искусственный интеллект (AI) становится неотъемлемой частью нашей повседневной жизни. От умных камер до автономных автомобилей — модели AI теперь разворачиваются непосредственно на устройствах, чтобы быстро обрабатывать информацию и помогать принимать решения в реальном времени.

Традиционно многие такие модели AI работают в облаке: устройства отправляют данные на мощные удалённые серверы, где модель обрабатывает их и возвращает результаты. Но полагаться на облако удаётся не всегда, особенно когда важна каждая миллисекунда. Передача данных туда и обратно может приводить к задержкам, создавать риски для конфиденциальности и требовать постоянного подключения.

Именно здесь на помощь приходят Edge AI и периферийные вычисления. Edge AI ориентирован на непосредственный запуск моделей AI на таких устройствах, как камеры или датчики, что позволяет мгновенно принимать решения на месте. Периферийные вычисления, в свою очередь, предполагают обработку данных рядом с местом их создания — часто на локальных серверах или шлюзах, а не в облаке. Такой подход снижает задержку, повышает конфиденциальность и позволяет AI эффективно работать даже без постоянного доступа к облаку.

Edge AI особенно полезен в приложениях компьютерного зрения, где большие объёмы визуальных данных необходимо обрабатывать мгновенно. Модели компьютерного зрения, такие как Ultralytics YOLO11, могут выполнять такие задачи, как обнаружение объектов и сегментация экземпляров, непосредственно на периферии, обеспечивая работу более интеллектуальных устройств, робототехники и систем AI для промышленного IoT (Интернета вещей).

В этом руководстве мы разберёмся, что на самом деле означают Edge AI и периферийные вычисления, и рассмотрим ключевые различия между ними. Затем мы изучим, как их сочетание обеспечивает работу AI в реальном времени без зависимости от облака. В завершение рассмотрим практические применения, особенно в области компьютерного зрения, и оценим преимущества и недостатки развёртывания AI на периферии.

Edge AI и облачный AI: в чём разница?#

Edge AI означает развёртывание моделей искусственного интеллекта непосредственно на устройствах — таких как камеры, датчики, смартфоны или встраиваемое оборудование, — вместо использования удалённых серверов или облачных вычислений. Такой подход позволяет устройствам обрабатывать данные локально и принимать решения на месте.

Вместо постоянной передачи данных в облако и обратно модели Edge AI могут в реальном времени выполнять такие задачи, как распознавание изображений, обработка речи и прогнозное обслуживание. Это стало возможным благодаря развитию чипов AI для периферийных вычислений, которые теперь позволяют мощным моделям эффективно работать на компактных устройствах.

Рис. 1. Сравнение облачной обработки AI с Edge AI, демонстрирующее снижение задержки и повышение конфиденциальности на периферии.

В контексте компьютерного зрения Edge AI помогает таким устройствам, как камеры с поддержкой AI, мгновенно обнаруживать объекты, распознавать лица и контролировать окружающую обстановку. Модели вроде Ultralytics YOLO11 могут быстро обрабатывать данные и предоставлять информацию в реальном времени, работая непосредственно на периферийных устройствах.

Перенося инференс AI (процесс запуска обученной модели AI для получения прогнозов или аналитических данных) на периферию, системы могут снизить зависимость от облака, повысить конфиденциальность AI на периферийных устройствах и обеспечить работу в реальном времени для приложений, где критически важны скорость и безопасность данных.

Чем периферийные вычисления отличаются от Edge AI?#

Хотя эти понятия звучат похоже, Edge AI и периферийные вычисления выполняют разные функции. Периферийные вычисления — более широкая концепция, предполагающая обработку данных в месте их создания или рядом с ним, например на периферийных серверах (небольших вычислительных узлах, размещённых рядом с устройствами для обработки данных), шлюзах или самих устройствах.

Периферийные вычисления направлены на сокращение объёма данных, отправляемых на централизованные серверы, за счёт локального выполнения задач. Они поддерживают всё: от фильтрации и анализа данных до запуска сложных приложений за пределами традиционных центров обработки данных.

Edge AI, с другой стороны, относится именно к моделям AI, работающим на периферийных устройствах. Проще говоря, Edge AI переносит интеллект на периферию. Вместе эти технологии обеспечивают вычисления AI с низкой задержкой для отраслей, зависящих от скорости и эффективности.

Например, промышленная камера может использовать периферийную обработку для потоковой передачи видео, а Edge AI — для анализа отснятого материала, обнаружения аномалий и запуска оповещений.

Edge AI и периферийные вычисления для интеллектуальных решений в реальном времени#

Сочетание Edge AI и периферийных вычислений играет ключевую роль в обеспечении работы AI в реальном времени в различных отраслях. Вместо зависимости от удалённых серверов устройства могут мгновенно анализировать данные, быстрее принимать решения и надёжно работать даже в условиях слабого подключения.

Эта возможность кардинально меняет такие приложения, как беспилотные автомобили, робототехника и системы видеонаблюдения, где каждая секунда может иметь решающее значение. С Edge AI системы могут немедленно реагировать на изменения условий, повышая безопасность, производительность и качество взаимодействия с пользователем.

В задачах компьютерного зрения модели вроде Ultralytics YOLO11 могут в реальном времени обнаруживать объекты, классифицировать изображения и отслеживать движения. Работая локально, эти модели избегают задержек при обмене данными с облаком и позволяют принимать решения именно тогда, когда это необходимо.

Рис. 2. Периферийные вычисления обрабатывают данные рядом с устройствами IoT, обеспечивая аналитику в реальном времени.

Кроме того, Edge AI поддерживает конфиденциальный AI. Чувствительные данные, такие как видеопотоки или биометрическая информация, могут оставаться на устройстве, что снижает риски утечки и помогает соблюдать требования нормативных актов о конфиденциальности.

Он также может обеспечивать энергоэффективную работу моделей AI на периферии, поскольку локальная обработка сокращает использование пропускной способности и обмен данными с облаком, снижая энергопотребление — что особенно важно для устройств IoT.

Вместе Edge AI и периферийные вычисления создают основу для устройств IoT с поддержкой AI, способных выполнять обработку AI с низкой задержкой и успевать за требованиями реального мира.

Практические применения Edge AI и периферийных вычислений#

Edge AI и периферийные вычисления могут помочь многим отраслям внедрить AI на периферии. Рассмотрим некоторые из наиболее значимых вариантов применения компьютерного зрения, в которых эти технологии обеспечивают принятие решений в реальном времени:

• Умное видеонаблюдение с Edge AI: камеры с поддержкой AI могут контролировать окружающую обстановку и обнаруживать подозрительную активность. Анализируя записи на месте, такие системы снижают зависимость от облачной обработки и сокращают время реакции.
• Edge AI в автомобильной отрасли и беспилотных автомобилях: транспортные средства могут мгновенно обрабатывать данные с камер, лидаров и датчиков с помощью Edge AI. Это позволяет выполнять критически важные задачи, такие как обнаружение препятствий, удержание полосы движения и распознавание пешеходов, без зависимости от облачных серверов.
• Встраиваемый AI для робототехники и промышленной автоматизации: встраиваемые модели AI, интегрированные в специализированное оборудование, например роботов или датчики, помогают роботам анализировать изображения, обнаруживать дефекты и адаптироваться к изменениям на производственной линии. Локальный запуск повышает точность и ускоряет корректировки в динамичных условиях.
• Edge AI в производстве: умные фабрики могут использовать Edge AI для проверки продукции, мониторинга оборудования и повышения качества контроля. Обрабатывая визуальные данные на месте, такие системы предотвращают появление дефектов и сокращают простои.
• Edge AI в умных городах и управлении дорожным движением: от анализа трафика в реальном времени до обнаружения пешеходов — Edge AI поддерживает городское планирование для умных городов и повышает безопасность улиц благодаря локальной обработке.
• Здравоохранение и медицинские устройства: портативные устройства визуализации могут мгновенно анализировать результаты сканирования с помощью Edge AI. Такой подход ускоряет диагностику и одновременно сохраняет конфиденциальные медицинские данные в безопасности на устройстве.
• Сельское хозяйство и мониторинг окружающей среды: дроны с поддержкой Edge AI и датчики IoT могут оценивать состояние сельскохозяйственных культур, отслеживать состояние окружающей среды и оптимизировать использование ресурсов — всё в реальном времени.

Рис. 3. Дрон с Ultralytics YOLO11 может обнаруживать транспортные средства и оборудование на месте.

Во всех этих примерах модели компьютерного зрения, такие как Ultralytics YOLO11, развёрнутые на периферийных устройствах, могут предоставлять аналитические данные AI в реальном времени и позволять системам принимать решения именно тогда, когда это необходимо.

Преимущества и недостатки Edge AI и периферийных вычислений#

Хотя Edge AI и периферийные вычисления дают значительные преимущества, важно учитывать как сильные стороны, так и ограничения развёртывания AI на периферии.

Преимущества:

• Более быстрое принятие решений: Edge AI может снизить задержку за счёт локальной обработки данных, обеспечивая мгновенную реакцию в критически важных приложениях, таких как автономные транспортные средства и промышленная автоматизация.

• Повышенная конфиденциальность и безопасность данных: Edge AI снижает риски утечки, сохраняя данные на устройстве, что делает его идеальным для приложений, требующих обработки с повышенной конфиденциальностью.

• Меньшие требования к пропускной способности: Edge AI может сократить передачу данных в облако, что помогает снизить эксплуатационные расходы и повысить эффективность.

• Энергоэффективность: локальный запуск моделей поддерживает энергоэффективную работу AI, особенно на периферийных устройствах с низким энергопотреблением в средах IoT.

Однако некоторые проблемы сохраняются:

• Ограничения оборудования: периферийные устройства часто обладают ограниченными вычислительными ресурсами и объёмом хранилища, что может ограничивать сложность запускаемых на них моделей AI.
• Сложности оптимизации моделей: модели AI необходимо тщательно оптимизировать, чтобы сбалансировать производительность и использование ресурсов на периферии.
• Обслуживание и обновления: управление обновлениями распределённых периферийных устройств может быть сложным, особенно при крупных развёртываниях.
• Более высокие первоначальные затраты: настройка периферийной инфраструктуры и специализированного оборудования может потребовать значительных первоначальных вложений, хотя со временем это способно сократить расходы на облако.

В целом Edge AI и периферийные вычисления предлагают мощные решения для отраслей, стремящихся внедрить устройства с поддержкой AI, которые работают быстрее, безопаснее и эффективнее.

Основные выводы#

Edge AI и периферийные вычисления меняют подход отраслей к интеллектуальным решениям в реальном времени. Обрабатывая данные локально, эти технологии позволяют быстрее и эффективнее принимать решения, особенно в приложениях компьютерного зрения.

От AI для промышленного IoT до умного видеонаблюдения с Edge AI — сочетание локальных вычислений и интеллектуальных моделей, таких как Ultralytics YOLO11, может обеспечивать работу приложений, для которых важны скорость, конфиденциальность и надёжность.

По мере развития Edge AI отрасли получают доступ к вычислениям AI с низкой задержкой, которые легко масштабируются, повышают операционную эффективность и закладывают основу будущего AI на периферии.

Присоединяйся к нашему растущему сообществу! Изучи наш репозиторий GitHub, чтобы узнать больше об AI. Готов начать собственные проекты в области компьютерного зрения? Ознакомься с нашими вариантами лицензирования. Узнай больше об AI в автомобильной отрасли и Vision AI в здравоохранении на наших страницах решений!