边缘计算允许在设备上处理数据，而不是将数据传输到云端。除了提供与安全相关的优势外，这种方案还能克服与信息移动相关的延迟问题。随着人工智能（AI）在各行各业的重要性日益凸显，越来越多的人希望通过将这两种技术相结合来实现边缘AI计算的目标，从而实现互利共赢。许多人还在探索如何为边缘AI进行设计，进行精心调整，从而实现所需的优化。如何跟随他们的步伐？
采取全方位的设计方法
创建用于处理 AI 内容的边缘设备需要评估从硬件、软件到电源的所有设计方面。许多人工智能处理任务已经是资源密集型的，因此那些想要制造 AI 友好型边缘设备的人必须运用前瞻性的决策来克服已知的挑战。
从硬件角度来看，边缘设备应该配备专用的 AI 芯片，提供必要的处理能力。然后，当人们审查设备软件的运行方式时，他们应该仔细审查所有提议的功能，以确定哪些功能是必不可少的。这是一种节省电池寿命并确保设备能够最大限度地利用资源来处理 AI 数据的实用方法。
人们应该认真考虑使用工业数字孪生技术，而不是使用反复试验的方法，因为这样设计师在做出决定之前就能看到可能产生的影响。协作项目管理工具允许领导者将任务分配给特定方，并鼓励问责文化。评论线程同样有助于确定单个更改发生的时间和原因。然后，在必要时恢复到另一次迭代会更加直接和有效。
熟悉微型人工智能运动
了解如何为边缘 AI 进行设计，意味着要明白有些改进是在设备本身之外进行的。其中一个流行的趋势是微型人工智能（Tiny AI），它将算法集成到专用硬件中，以改善延迟并节省功耗。
那些推进微型人工智能研究的人通常至少会采取几种方法中的一种。有时，他们的目标是缩短算法，最大限度地减少处理算法所需的计算能力。另一种可能性是构建具有小型但经过优化的硬件的设备，这些设备可以继续使用最复杂的算法，同时获得节能的结果。最后，人们考虑训练需要更少能量的机器学习算法的新方法。
回答特定于应用的问题，例如边缘设备处理的 AI 数据类型或与特定用例相关的信息量，将帮助产品设计师确定哪个 Tiny AI 目标最有价值。
创建必备特性和功能列表
边缘 AI 计算的一项重要优化工作是确定设备的关键性能属性。然后，创造者可以确定实现这些结果的步骤。一种实用的方法是考虑特定材料可能具有的理想特性。硅和碳化硅是两种流行的半导体材料，在讨论边缘设备的内部组件时可能会出现。碳化硅因其对较高电压和温度的耐受性，已成为高性能应用的热门选择。
了解如何设计边缘 AI 还要求负责方考虑数据存储细节和内置安全措施。由于许多用户依赖 AI 来处理从客户购买到流程改进结果等所有信息，因此保护敏感数据免受网络犯罪分子的侵害至关重要。一个基本步骤是加密所有数据。但是，设备级管理员控制对于限制哪些方可以与信息交互以及如何交互也很重要。
用户必须采取哪些步骤来更新或配置其边缘设备？尽可能使产品易于使用，将使人们能够设置和更新其设备 — — 这是与安全相关的关键步骤。
考虑未来的设计需求也很重要。企业在未来几年内处理更多或不同类型的信息的可能性有多大？开发人员是否打算创建和实施可能增加处理需求的其他算法？
关注边缘计算与 AI 相结合的相关努力
据估计，到 2025 年，四分之三的企业数据创建和处理将在传统云端之外进行。这一发现表明，专业人士不断探索如何制造能够处理大量数据（包括人工智能）的专用边缘计算设备是多么重要。
尽管有些公司和客户会提出具体要求，要求设计团队、工程师和其他人遵循这些要求，但了解整个行业的动态和创新也很有价值。技能娴熟、知识渊博的各方之间的合作可以加快进度，而不是人们独立工作，彼此之间无法交流想法。
一个例子是欧盟资助的 EdgeAI 项目。该项目涉及欧洲 48 个研发机构的协调活动。这个为期三年的项目将以边缘计算和处理这些设备上的 AI 应用程序所需的智能处理为中心。
参与者将开发硬件和软件框架、电子元件和系统，同时专注于边缘 AI 计算。长期目标是让欧洲成为智能边缘计算应用的领先地区。
参与者将把他们开发的解决方案应用于实际应用中，展示他们的董事会潜力。这些努力将有助于向领导者展示边缘人工智能如何让他们更接近目标。
如何设计边缘 AI 的记录详情
除了考虑这些可行的策略之外，您还应该仔细记录您的流程，并详细说明您的理由和结果。除了帮助将知识传递给您的同事和其他对此主题感兴趣的人之外，您的记录还可以让您参考您学到的知识，为将这些细节应用于新项目铺平道路。
作者：Emily Newton
