边缘 AI 是什么?
边缘 AI 与传统 AI 的区别是什么?
边缘 AI 与传统 AI 的应用框架有所不同。传统 AI 的应用框架中,由连接技术生成的数据会被传输到后端的云系统。而在边缘人工智能中,AI 模型不是在后端云系统运行,而是被配置在网络边缘设备内部的处理器上进行处理。这种框架在边缘添加了一层智能,使得边缘设备不仅能收集数据指标和分析数据,而且还能根据设备内部集成的机器学习(ML)模型对数据进行实时处理和决策,从而实现真正的边缘智能。
人工智能的目标仍然不变,即打造智能机器,使它们能够独立地工作,在无人监督的情况下执行常见的人类工作任务。然而,边缘 AI 是在本地、所用设备内部或附近位置进行工作和决策。
边缘 AI 具有哪些优势?
边缘计算和人工智能的结合带来了巨大的优势。借助边缘人工智能,传感器和物联网设备所在的边缘也可以具备高性能算力。因为不需要在系统之间进行连接和集成,用户可以实时处理设备上的数据,并且用户可以通过聚合数据和用户服务来节省时间,而无需与其他物理位置进行通信。
边缘 AI 的优势包括:
- 降低功耗:通过在本地进行数据处理,节省能源成本,在边缘运行 AI 的功耗要求远低于云数据中心的功耗要求
- 降低带宽:通过在本地处理、分析和存储更多数据(而不是发送至云),可以降低数据传输带宽并最大限度地降低成本
- 隐私性:边缘 AI 在边缘设备上进行本地数据处理,能够降低数据被滥用或处理不当的风险
- 安全性:通过在边缘网络中处理和存储数据,可以优先处理重要数据的传输,并过滤掉冗余、无用或不必要的数据
- 可扩展性:通过云平台和原始设备制造商(OEM)设备上的本地边缘功能,可以轻松扩展系统
- 减少延迟:通过在本地进行数据分析,可以减轻云平台的负载,使其空闲出来执行其他任务,例如分析任务
为什么选择红帽?
长期以来,红帽一直致力于与广大开源社区共同推进容器和 Kubernetes 技术的发展。红帽® OpenShift® 整合了多项经过测试且深受信赖的服务,可减少开发、现代化、部署、运行和管理应用等过程中产生的摩擦。
红帽 OpenShift 包含多项关键功能,可以跨数据中心、混合云和边缘,以一致的方式实现机器学习运维(MLOps)。在红帽 OpenShift 上运行 AI/ML 可为 AI/ML 工作流提速,并加快 AI 驱动型智能应用的交付。
红帽 OpenShift AI 是一个围绕 AI 打造的产品组合,提供涵盖 AI/ML 实验和模型整个生命周期的工具,其中包括红帽 OpenShift 数据科学。它提供了基于开源技术的一致可扩展基础,可为 IT 运维负责人提供专业的合作伙伴生态系统,并为数据科学家和开发人员带来 AI 创新。