Het Edge AI-tijdperk
ICC, samen met AAEON, een merk van de Asus-groep, zet zich in om op het snijvlak van computertechnologie te werken, voortdurend te innoveren en nieuwe oplossingen te ontwikkelen voor klanten die op verschillende gebieden actief zijn. Omdat AI-technologie nu een groeiende impact heeft op de manier waarop mensen werken, werken we aan het verbeteren van de hardware die de AI-systemen van vandaag en morgen ondersteunt. Omdat AI Computing ongelooflijke niveaus van verwerkingskracht vereist, werken traditionele AI-systemen door gegevens naar een cloudserver te sturen om te worden verwerkt. Een beslissing over wat het systeem moet doen, wordt teruggestuurd naar de aangesloten apparaten. Er zijn echter een paar problemen met deze aanpak. Vanwege de netwerksignaaldekking en batterijcapaciteit in mobiele apparaten is het niet altijd mogelijk om apparaten in staat te stellen verbinding te maken met de cloud. Wanneer u grote hoeveelheden gegevens naar de cloud verzendt, zijn er potentiële beveiligingsproblemen. Ten slotte kan het slechts milliseconden duren voordat gegevens door een server worden verwerkt, maar zelfs een dergelijke latentie kan rampzalig zijn voor alle toepassingen, inclusief robotica en rijhulpsystemen. Met Edge AI verwerken apparaten gegevens lokaal en nemen ze realtime operationele beslissingen. Edge AI is niet alleen sneller en veiliger, maar kan ook helpen het stroomverbruik te verminderen.
Wat is Edge Computing en waarom is het belangrijk?
Met de inzet van IoT-apparaten en de komst van 5G snelle draadloze netwerken, creëert de plaatsing van computing en analytics dicht bij waar de gegevens worden gemaakt een oplossing die is gemaakt door Edge Computing-systemen. Edge computing transformeert de manier waarop gegevens worden verwerkt, verwerkt en geleverd vanaf miljoenen apparaten over de hele wereld. De snelle vraag naar met internet verbonden apparaten (IoT) blijft Edge Computing-systemen ondersteunen, evenals nieuwe toepassingen die real-time rekenkracht vereisen.Snellere netwerktechnologieën, zoals 5G draadloos, stellen Edge Computing-systemen in staat om de creatie of ondersteuning van videoverwerking en real-time toepassingen zoals analyses, geautomatiseerd rijdende auto's, kunstmatige intelligentie en robotica te versnellen. Hoewel de initiële doelen van edge computing zijn om de bandbreedtekosten aan te pakken voor gegevens die over lange afstanden reizen als gevolg van de groei van gegevens die door IoT worden gegenereerd, zal de opkomst van realtime applicaties die aan de rand moeten worden verwerkt, de technologie vooruit stuwen.
WAT IS EDGE COMPUTING?
Het concept van Edge Computing wordt gedefinieerd als "onderdeel van een gedistribueerde computertopologie waarbij computing zich in de buurt van de rand bevindt, waar dingen en mensen die informatie produceren of consumeren." Op een basisniveau brengt Edge Computing computing en gegevensopslag dichter bij de apparaten waar het wordt verzameld, in plaats van te vertrouwen op een centrale locatie duizenden kilometers verderop. Dit wordt gedaan zodat gegevens, met name realtime gegevens, niet worden blootgesteld aan latentieproblemen die de prestaties van een toepassing kunnen beïnvloeden. Bovendien kunnen bedrijven geld besparen door de verwerking lokaal uit te voeren door de hoeveelheid gegevens die centraal of op een cloudgebaseerde locatie moet worden verwerkt, te verminderen. Edge Computing is ontwikkeld vanwege de exponentiële groei van IoT-apparaten die verbinding maken met internet om informatie uit de cloud op te nemen of gegevens terug te sturen naar de cloud. Veel IoT-apparaten genereren enorme hoeveelheden gegevens tijdens hun activiteiten. Of u nu denkt aan apparaten die productieapparatuur op een fabrieksvloer bewaken of een met internet verbonden videocamera die live beelden verzendt vanuit een extern kantoor, er ontstaan problemen wanneer het aantal apparaten dat tegelijkertijd gegevens verzendt toeneemt, hoewel een enkel apparaat dat gegevens genereert gemakkelijk gegevens via een netwerk kan verzenden. In plaats van een camcorder die live beelden verzendt, kunt u dit doen met honderden of duizenden apparaten. Niet alleen wordt de datakwaliteit beschadigd door latency, maar ook de kosten in bandbreedte kunnen enorm zijn. Edge computing-hardware en -services helpen dit probleem op te lossen als een lokale verwerkings- en opslagbron voor veel van deze systemen. Een edge-gateway kan bijvoorbeeld gegevens van een edge-apparaat verwerken en vervolgens de bandbreedtevereisten verminderen door alleen relevante gegevens terug te sturen naar de cloud. Of het kan gegevens terugsturen naar het edge-apparaat voor realtime toepassingsbehoeften. Deze edge-apparaten kunnen veel verschillende dingen bevatten, zoals een IoT-sensor, de laptop van een werknemer, de nieuwste smartphone, een beveiligingscamera en zelfs een magnetron die is verbonden met internet in een rustruimte op kantoor. Edge gateways zelf worden ook beschouwd als edge-apparaten binnen een Edge-computerinfrastructuur.
Waarom is Edge Computing belangrijk?
Voor veel bedrijven kunnen kostenbesparingen alleen al de drijvende kracht zijn achter het bouwen van een Edge Computing-architectuur. Bedrijven die de cloud voor veel applicaties hebben geadopteerd, hebben mogelijk ontdekt dat de kosten in bandbreedte hoger zijn dan verwacht. Toch is het grootste voordeel van Edge Computing-toepassingen de mogelijkheid om gegevens sneller te verwerken en op te slaan, waardoor efficiëntere realtime toepassingen mogelijk zijn die van cruciaal belang zijn voor bedrijven. Vóór Edge Computing moet een smartphone die het gezicht van een persoon scant op gezichtsherkenning het gezichtsherkenningsalgoritme door een cloudgebaseerde service laten lopen, en dit proces kost veel tijd om te doen. Met het edge computing-model kan het algoritme, gezien de toenemende kracht van smartphones, lokaal op een edge-server of gateway draaien, of zelfs op de smartphone zelf. Toepassingen zoals virtual en augmented reality, zelfrijdende auto's, slimme steden en zelfs gebouwautomatiseringssystemen vereisen een snelle verwerking en respons.
Op dit moment hebben bedrijven zoals NVIDIA zich gerealiseerd dat er behoefte is aan meer verwerking, dus we zien nieuwe systeemmodules die ingebouwde AI-functionaliteit bevatten. De nieuwste Jetson Xavier NX-module van het bedrijf is bijvoorbeeld kleiner dan een creditcard en kan op kleinere apparaten zoals drones, robots en medische apparaten worden geplaatst. AI-algoritmen vereisen grote hoeveelheden verwerkingskracht, dus de meeste werken via cloudservices. De groei van AI-chipsets die verwerking aan de rand kunnen uitvoeren, zal betere realtime reacties bieden in toepassingen die direct computergebruik vereisen.
Privacy en veiligheid
Zoals met veel nieuwe technologieën, kan het oplossen van één probleem echter andere creëren. Vanuit beveiligingsoogpunt kunnen gegevens aan de rand omslachtig zijn, vooral wanneer ze worden verwerkt door verschillende apparaten die mogelijk niet zo veilig zijn als een gecentraliseerd of cloudgebaseerd systeem. Naarmate het aantal IoT-apparaten groeit, is het absoluut noodzakelijk dat IT de potentiële beveiligingsproblemen rond deze apparaten begrijpt en ervoor zorgt dat deze systemen kunnen worden beveiligd. Dit omvat het versleutelen van gegevens en ervoor zorgen dat de juiste toegangscontrolemethoden en zelfs VPN-tunneling worden gebruikt. Bovendien kunnen verschillende apparaatvereisten voor het verwerken van stroom, elektriciteit en netwerkconnectiviteit van invloed zijn op de betrouwbaarheid van het edge-apparaat. Dit maakt redundantie en failover-beheer cruciaal voor apparaten die gegevens aan de rand verwerken om ervoor te zorgen dat gegevens correct worden geleverd en verwerkt wanneer een enkel knooppunt uitvalt.
NIEUWE AGENDA 5G...
Over de hele wereld gebruiken operators draadloze 5G-technologieën, die de voordelen van hoge bandbreedte en lage latentie voor toepassingen beloven, waardoor bedrijven met hun databandbreedte van een tuinslang naar een brandslang kunnen gaan. In plaats van alleen hogere snelheden aan te bieden en bedrijven te vertellen dat ze gegevens in de cloud moeten blijven verwerken, werken veel providers aan Edge Computing-strategieën in hun 5G-implementaties, vooral om mobiele apparaten, verbonden en autonome voertuigen en snellere realtime verwerking op zichzelf te leveren. Hoewel het initiële doel voor edge computing is om de bandbreedtekosten voor IoT-apparaten over lange afstanden te verlagen, is het duidelijk dat de groei van real-time toepassingen die lokale verwerkings- en opslagmogelijkheden vereisen, de technologie de komende jaren vooruit zal helpen.
