邊緣需要多少計算能力？對于處于邊緣人工智能來說，多少內存和存儲空間才足夠？隨著人工智能為需要更多更快處理、存儲和內存的創新應用打開大門，最低要求也在不斷增長。當今的內存和存儲技術如何滿足這些具有挑戰性的新邊緣應用的嚴格要求？
我們所說的“邊緣”是什么意思？
邊緣包括任何分布式應用，其中特定處理在服務器之外進行，即使數據最終被發送到數據中心。它的主要想法是避免將所有數據，通過互聯網發送到服務器上進行處理，而是允許數據在離收集地點更近的地方進行處理，避免長時間數據往返帶來的延遲問題，并實現接近實時的現場響應。
邊緣大致根據服務器到端點的距離進行劃分。所謂的近邊緣可以包括靠近數據中心的應用，甚至可能是在同一棟建筑內。在自動駕駛汽車等應用中，這一趨勢走向了另一個極端。重疊的特性是邊緣系統處理傳統上發送到數據中心的數據，這在許多行業都有實際應用。
工業邊緣的數據延遲和帶寬
在工業應用中，邊緣計算機通常被設計為從傳感器或其他設備接收輸入，并對輸入進行相應的操作。例如，預防性維護采用聲學、振動、溫度或壓力傳感器讀數，并對其進行分析，以識別表明機器存在輕微故障的異常情況。
機器可以立即離線，或者在需要時離線，以便在發生災難性故障之前進行維護。反應時間必須很快，但數據量很低。然而，人工智能正在給這些邊緣系統帶來壓力。
人工智能對邊緣處理負載的影響
人工智能給計算機系統帶來了不同的負載。人工智能工作負載需要更快的處理器、更多的內存和強大的GPU。例如，AOI已經被廣泛應用于PCB檢測，使用來自高速攝像機的視頻輸入來識別缺失的組件和質量缺陷。事實上，類似的視覺檢測技術正被廣泛應用于農業等不同行業，它可以用于識別產品中的缺陷和變色。
在視頻輸入上執行復雜的算法需要耗電的GPU卡的并行處理能力，更多的內存用于高效和準確的AI推理，更多的存儲空間用于額外的數據，但這些已經存在于數據中心。
將數據中心的電力帶到了邊緣
從本質上說，為了在邊緣處理人工智能任務，我們正在彌合邊緣和數據中心之間的差距。隱藏在溫控數據中心的服務器擁有TB的內存和大量的存儲空間，可以處理特定的高容量負載并保持系統快速工作。
但當涉及到在遠離數據中心的地方進行推斷時，情況就不同了。邊緣電腦不喜歡這種田園詩般的環境，必須能夠承受惡劣的環境。邊緣需要硬件，爭取最大的性能，同時考慮到不理想的條件。
邊緣硬件
在工業邊緣添加人工智能需要適合這項任務的硬件。必須有一臺能夠處理極端溫度、振動和空間限制的工業計算機。特別是，視覺系統需要三樣東西，這是迄今為止最多產的AI應用，支持高效AI推理的內存，輸入數據的存儲，以及支持添加攝像頭的PoE。
最新的DDR5可以在更小的空間中獲得更多的內存。它在邊緣提供了更高的內存容量，速度是DDR4的兩倍，容量是DDR4的四倍，在相同的占地面積下，它更有效地利用可用空間和資源。
邊緣應用需要擴展容量，因為數據必須到達服務器或在邊緣停留一段時間，因此需要SSD作為臨時存儲。從SATA到NVMe的轉變為更高的速度和性能打開了大門，即將上市的NVMePCIeG4X4SSD是Cervoz產品線中的最新SSD，為這些應用提供工業性能。
視覺系統需要攝像機。PoE+是將高速攝像頭添加到系統中最簡單、最有效的方式，通過一根電纜提供電力和數據傳輸。Cervoz的PoE以太網模塊化PCIe擴展卡通過一個小型電源插件增加了這一功能。
為處于邊緣的人工智能搶占先機
對于希望獲得優勢的企業來說，工業計算機加上工業級存儲器和存儲的組合提供了抵御惡劣邊緣環境的可靠性，以及在網絡邊緣實現下一代人工智能技術所需的能力。
