智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
回放
品牌
安科瑞
就在前幾天小米的年度演講中，雷軍提到小米的AI大模型能力，小愛同學正式升級為生成式大模型，現已經進入測試階段。小米高管公式在8月17號表示，小米將會很快實現端側AI模型能力。
01.端側AI的優勢
端側也就是我們常說的邊緣計算，這種模式可以更好的支持AloT場景。也就是：AI+IoT(Internet of Things 物聯網)=AIoT。邊緣計算，是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。邊緣計算也是一種分布式計算。它將數據資料的處理、應用程序的運行甚至一些功能服務的實現，由網絡中心下放到網絡邊緣的節點上，以減少業務的多級傳遞，降低核心網和傳輸的負擔。它的應用程序是在邊緣側發起，產生更快的網絡服務相應。對物聯網而言，邊緣計算技術取得突破，意味著許多控制將通過本地設備實現而無需交由云端，處理過程將在本地邊緣計算層完成。
端側AI具有如下優點:
Al 技術用于端側可以第一時間對收集的數據進行處理，不需要通過網絡上傳到云側的處理中心，極大加快了系統響應也減少了系統處理延遲;
端側計算可以更高效的處理有價值的關鍵數據，其余的數據只是臨時性的，在端側結合 AI 能力，不僅可以更及時處理數據，而且減輕網絡帶寬的限制和緩解對中心側數據存儲的壓力;
在端側的 Al 技術可以高效地對用戶的源數據進行處理，將一些敏感的數據進行清洗和保護，端側設備只將 Al 處理后的結果上報云端。
端側AI的技術難點：
硬件資源限制
存儲、內存、計算資源
模型的版本管理、生命周期
終端的種類很多，不同硬件架構的適配和模型遷移成本過高
第三點同時導致了端側AI應用復雜度增加
02.5G和端側計算相輔相成
5G 是一項長期演進的技術，也許最開始，我們對它的感知只是手機網速更快、時延更低，但 5G 的意義遠不止于此。隨著 5G 標準從 Rel-15、Rel-16 到 Rel-17 等的不斷演進，5G 也將不斷擴展到更多行業。數據顯示，全球有200多家運營商已經部署了5G商用網絡，另有將近300家運營商正在投資部署5G技術。在我國，目前已累計建成5G行業虛擬專網16000余個，應用案例涵蓋交通、醫療、教育、智慧城市、農業等多個領域。
在5G網絡在誕生之初，便定義了它的三大應用場景：eMBB(增強移動寬帶)、mMTC (海量機器類通信)和 uRLLC(超可靠低時延通信)，相應的為滿足高清視頻、智慧城市、車聯網等業務需求提供技術支持。
但值得關注的是，每個業務場景在發展過程中都有其自身所面臨的一些挑戰。例如，eMBB將對網絡帶寬產生數百Gbps的超高需求，從而對回傳網絡造成巨大傳輸壓力，單方面投資擴容匯聚與城域網絡將大幅提高單位媒體流傳輸成本，無法實現投資收益；uRLLC需要端到端1ms級超低時延支撐，僅僅依賴無線與固網物理層與傳輸層技術進步，無法滿足苛刻的時延需求；mMTC將產生海量數據，導致運營管理的巨大挑戰，僅僅由云端集中統一監控無法支撐如此復雜的物聯系統。
邊緣計算恰好可以為這些問題帶來解決方案。首先，邊緣計算設備將為新的和現有的邊緣設備提供連接和保護；其次，盡管5G將為基于云的應用程序提供更好的連接性和更低的延遲，但仍然存在處理和存儲數據的成本，混合邊緣計算/5G解決方案可以降低這些成本；最后，邊緣計算可以讓更多應用程序在邊緣運行，例如分析，網絡安全或合規性/監管應用程序，減短了由數據傳輸速度和帶寬限制所帶來的延時，并可對本地數據做初步分析，為云分擔了一部分工作。
高通中國區研發負責人徐晧認為，面對當前AI技術取得重大突破，未來AI與5G-Advanced融合發展，將對智能終端和AI應用發展帶來非常深遠的影響。在5G-Advanced更大帶寬、更低時延的網絡能力支撐下，未來AI處理將通過“云-邊-網-端”架構不斷從云端向邊緣、終端側擴展，從而在手機、汽車、XR、無人機等多種形式的智能終端上催生出大量新興AI應用。而多種形式的智能終端和豐富的AI應用又會反過來進一步促進5G-Advanced繁榮發展。
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
