阿尔法视角边缘AI将成物联网新的价值增长点？

　　人工智能与物联网在各自经历过爆发式热潮后，逐步进入了快速发展的赛道，而随着5G技术的成熟与普及，人工智能与物联网深度融合的趋势更加明显，而作融合领域里新潮概念的边缘计算，一直受到业内人士的关注。
　　5G网络提供了更大的信元密度、更高的数据速度和更低的网络延迟。在5G网络中，更多的处理被推到边缘端，这让低延迟应用得以实现。此外，5G站点的密集化为用户提供了更大的网络容量、更多的数据带宽和更高的移动数据速度。这种网络致密化将使实时决策的先进分析成为可能。
　　边缘计算虽然存在一定的技术难题，但不可否认的是，边缘计算的模式确实为IT架构师和嵌入式开发人员提供了更多的选择，那么，边缘计算演变出得边缘AI技术，会成为智能物联网新的价值增长点吗？
　　边缘AI的意义
　　基于云端的物联网分析目前仍居主导地位。但数据的远距离传输必然带来处理延迟，因为将数据移入和移出云端会因为往返时间产生滞后。
　　通过硬件升级来进一步提升传输速度是不现实的，一来成本太高；二来铺设费时，因此，数据处理重心往边缘网络发展的概念成为了解决问题的优选，除了设备和板级实施之外，此层次结构还包括制造中的IoT网关和数据中心，这些扩展了可用于下一代IoT系统开发的架构选项。
　　目前，边缘物联网架构已经有了案例试点，用户可以在此架构基础上构建AI和分析应用，但这些应用不可能在云端高效且低成本的进行使用和分析。所以为了在云和边缘AI之间取得平衡，必须要考虑到数据量的规模性，而这正是基于边缘的人工智能处理器在数据发到其他地方之前进行本地处理的意义所在。
　　AIoT新价值
　　AIoT终端场景应用对人工智能和机器学习的需求程度已逐渐超越云数据库，因为对重要物联网传感器数据的处理越来越接近数据最初所在的位置。而这些数据将由新一代人工智能（AI）芯片处理分析，其中包括比GPU、FPGA和其他专门的IC类型更窄的内存和功耗要求更低的嵌入式微控制器，以及其他特定IC类型控制器。
　　边缘分析的变革潜力几乎是无限的。5G网络的速度加上本地处理可以转移到网络边缘，设备或边缘网络的自主决策和认知智能降低了处理和决策延迟。随着5G的发展，更多的信息将被收集和处理，边缘分析产生的见解将越来越多地驱动决策，实现认知智能应用。
　　在边缘网络中，采用多层神经网络和无监督学习来识别图像的机器视觉技术已成为AI的重要应用案例，位于最靠近数据采集处的终端设备通过嵌入式硬件为深度学习增加了处理能力；即使物联网本身具有一定的局限性，但是借助人工智能和机器学习、深度学习，智能物联网将会被普及并且被赋予更高的价值。