一、應(yīng)用邊緣AI面臨哪些挑戰(zhàn)

　　但是，要應(yīng)用人工智能解決這些問題，還需要將人工智能增強功能擴展到網(wǎng)絡(luò)邊緣——即數(shù)據(jù)的創(chuàng)建和消費點，如工廠車間、醫(yī)院或店面。與在數(shù)據(jù)中心或云中運行人工智能相比，在這些環(huán)境中引入人工智能功能會面臨新的挑戰(zhàn)，其中包括：

　　在現(xiàn)有投資中加入人工智能：許多邊緣環(huán)境都采用傳統(tǒng)的固定功能基礎(chǔ)設(shè)施，配備各種專有設(shè)備和軟件?？臻g有限的硬件需要能夠支持現(xiàn)實世界對準確性和性能的要求。

　　訓(xùn)練和微調(diào)模型：邊緣 AI 模型是獨一無二的，必須針對特定行業(yè)或用例動態(tài)進行調(diào)整。在這些情況下，人類的領(lǐng)域知識往往至關(guān)重要。例如，經(jīng)驗豐富的焊縫檢測人員可以幫助人工智能了解如何檢測好的或壞的焊縫。企業(yè)需要簡單的工具，幫助非數(shù)據(jù)科學(xué)家專家將其專業(yè)知識轉(zhuǎn)化為人工智能能力。

　　解決硬件多樣性問題：邊緣原生應(yīng)用可能會跨越眾多節(jié)點、操作系統(tǒng)、連接協(xié)議、計算和存儲需求、能源和成本限制以及合規(guī)性問題。開發(fā)人員需要找到應(yīng)對這種復(fù)雜性和支持分布式異構(gòu)計算環(huán)境的方法。

　　保護和管理分布式應(yīng)用：企業(yè)在尋求支持邊緣高級人工智能時面臨著新的挑戰(zhàn)?？晒芾硇允谴笠?guī)模應(yīng)用人工智能的關(guān)鍵，而安全性則是整個過程中每一步的必要條件。

　　二、邊緣人工智能的缺點

　　1、邊緣 AI 需要持續(xù)培訓(xùn)

　　邊緣 AI 系統(tǒng)可能具有挑戰(zhàn)性，因為與其他 AI 模型一樣，它們必須定期和持續(xù)地進行訓(xùn)練——只需使用來自邊緣設(shè)備的數(shù)據(jù)。這通常意味著通過將數(shù)據(jù)從大量邊緣設(shè)備傳輸?shù)皆苼韯?chuàng)建數(shù)據(jù)集，這可能相當復(fù)雜，具體取決于可用帶寬和與邊緣設(shè)備的連接。

　　2、邊緣AI需要采取額外的安全措施

　　安全也是一個值得關(guān)注的領(lǐng)域，只是方式不同。雖然邊緣計算可以通過保持本地處理使系統(tǒng)更加安全，但基礎(chǔ)設(shè)施和設(shè)備本身需要自己的安全措施。這可能包括訪問控制、流量監(jiān)控、數(shù)據(jù)備份、防病毒和反惡意軟件，甚至加密。

　　3、邊緣AI一直很慢(但這種情況正在改變)

　　邊緣AI市場的增長速度并不像一些人希望的那樣快。自從PJC最初投資Deeplite以及更大的邊緣AI空間以來，May表示，就普遍采用而言，市場“比預(yù)期的要慢一些”。他將此歸因于邊緣人工智能實際需要的設(shè)備(如無人機、手機、汽車)的更長設(shè)計周期。他說，其中另一個重要部分是普遍缺乏意識到某些科技公司甚至存在這一空間。