了解端点人工智能的优势

了解端点人工智能的优势

在安全的云基础设施的支持下，智能互联设备具有许多优势，持有成本、资源效率、灵活以及方便使用。然而，在设备和云之间来回传输数据的过程，会带来额外的数据延迟和隐私风险。对于非实时、低延迟要求的应用来讲，这通常不是问题，但对于依赖实时分析并需要在事件发生时快速响应的业务来说，这会造成性能的瓶颈。

Endpoint AI是人工智能领域一个新的前沿技术，它将人工智能的处理能力带到了网络边缘。这是一种在本地设备上管理信息、搜集数据和做出决策的革命性方式。换言之，它为用于数据计算的物联网设备赋予了人工智能，即实时决策的能力。目标是让基于机器学习的智能决策在物理上更接近数据源。如下图所示，预先训练好的AI/ML模型可以有效地部署在端点，从而实现比传统云连接的物联网系统更高的系统效率。

传统物联网vs人工智能物联网

Endpoint AI基于在本地边缘设备上运行机器学习算法来做出决策，而不必向云服务器发送信息（至少减少发送的信息量）。

借助从物联网设备收集的大量实时数据，智能机器学习算法可以高效地从实时数据中获取最有价值的洞察能力。然而，这些机器学习算法可能很复杂，因为它们需要更高的计算能力和更大的内存。此外，在庞大的数据集中进行模式识别并做出准确决策所需的时间可能相当长。

此外，新一代通用微控制器提供了足够的计算能力、智能的省电外设，最重要的是，强大的安全引擎来支持设备对数据隐私的要求。这为AIoT领域的新应用以及新型数据处理、延迟和安全解决方案创造了条件，并支持离线或者在线运行。

让我们简单了解一下Endpoint AI（端点人工智能）的优势。

隐私和安全-这是先决条件

在对隐私和安全非常重视的环境，通常是来自法规和商业需求的压力，数据的搜集和分析是endpoint AI的核心。Endpoint AI从根本上来讲它更加安全。数据不被发送到云端，而是由端点本身来处理。根据F-Secure报告，物联网中的端点设备是“2019年网络攻击的首要目标”，另一项研究表明，物联网设备平均每月遭受5200次攻击。这些攻击大多发生在数据从物联网设备传输到云端的过程。那么，数据不出本地就能进行数据分析，可以大大提高抵御黑客攻击的能力。

高效的数据传输

数据的集中处理需要将数据从数据源转发到处理中心，以便对其进行分析。传输数据的时间可能会很长，也存在数据出错的风险，尤其是传输路径上环境发生重大变化的情况下。

Endpoint AI将数据从设备、传感器和机器传输到边缘数据中心或云，大大减少了决策执行的时间，提高了“数据传输处理-决策”这个周期的效率。

一些数据处理可以在分散的边缘设备上完成，有效减少网络流量，提高准确性，同时降低成本。

最短等待时间

1500毫秒（1.5秒）的延迟是电子商务网站要取得类似实体店用户体验的极限。用户不会容忍更长的延迟，他们会选择放弃，从而导致电子商务营收的减少。有了Endpoint AI，通过将数据转发到更接近数据源的位置来减少延迟。软件和硬件解决方案部署下去能够实现无等待的用户体验。

关键的可靠性

Endpoint AI的另一个关键优势是可靠性，因为从根本上来说，它更少依赖于云，从而提高了整体系统性能，降低了数据丢失的风险。

它可确保您的信息始终可用，并且不会离开本地，从而实现独立、实时的决策。同时决策必须准确并立刻执行。实现这一点的唯一方法是在边缘设备部署AI。

多合一设备

可持续并且可行

将AI和ML功能与高性能计算设备相集成，可以开发出高度可持续的解决方案。这些技术的融合可以提供更便携、智能、节能、更经济的设备。，在很多应用中AI可以帮助改善它们对环境的影响可。例如，人工智能参与的分布式清洁电网、精准农业、可持续供应链、环境监测以及天气和灾害的预测和响应。

Renesas根据各种应用和系统的需求，积极参与AI/ML解决方案的提供。它与其合作伙伴一起，在硬件和软件方面提供全面和高度优化的可运行在端点设备上的AI/ML多功能解决方案。

人工智能不仅仅存在于云中；它将无处不在。本地设备的智能化、缩短的延迟、数据完整性、更快的执行力、可扩展性等等都是Endpoint AI的优势所在，这使得它在人工智能领域创造出更多的可能和机遇。

现在，是时候让开发人员、产品经理和业务相关人员抓住这个巨大的商机，构建更好的AIoT系统，解决现实世界中的难题，并产生新的业务营收。