So wählen Sie Edge-KI-Geräte aus

Edge Computing ist zu einem der am meisten diskutierten Technologietrends geworden, und bei all dem Gerede denken Sie vielleicht, dass es an der Zeit ist, in intelligente Edge-Technologie für Ihr IoT-Netzwerk zu investieren. Bevor Sie jedoch mit der Anschaffung neuer Edge-Geräte beginnen, besprechen wir, was genau Edge Computing ist, welche Rolle es spielt und ob Anwendungen von Edge-Technologie profitieren können.

Edge Computing kann IoT-Netzwerken viel Flexibilität, Geschwindigkeit und Intelligenz verleihen. Es ist jedoch wichtig zu verstehen, dass Edge-KI-Geräte nicht alle Herausforderungen lösen, mit denen intelligente Netzwerkanwendungen konfrontiert sind. Am Ende dieses Artikels besprechen wir die wichtigsten Funktionen und Überlegungen, die Käufer bei der Bewertung von Edge-KI-Geräten berücksichtigen sollten, nachdem wir festgestellt haben, ob die Edge-Technologie für die Anwendung geeignet ist.

Was ist Edge Computing?

Edge Computing bringt das Internet der Dinge auf eine höhere Ebene am Rande der Cloud, wo Rohdaten in Echtzeit in Werte umgewandelt werden können. Erhöht die Bedeutung und Steuerung verbundener Knoten, Endpunkte und anderer intelligenter Geräte durch die Umverteilung der Datenverarbeitungsarbeit im gesamten Netzwerk.

Edge Computing ist fast das genaue Gegenteil von Cloud Computing, bei dem Datenflüsse aus einem verteilten Netzwerk in einem zentralen Rechenzentrum verarbeitet werden und die Ergebnisse typischerweise an das ursprüngliche verteilte Netzwerk zurückübertragen werden, um Aktionen auszulösen oder Änderungen herbeizuführen. Allerdings ist die Übertragung großer Datenmengen über weite Distanzen mit Kosten verbunden. Diese Kosten können in Geld gemessen werden, sie können aber auch auf andere wichtige Arten gemessen werden, beispielsweise durch Leistung oder Zeit.

Hier kommt Edge Computing ins Spiel. Wenn Leistung, Bandbreite und Latenz wirklich wichtig sind, kann Edge Computing die Antwort sein. Im Gegensatz zum zentralisierten Cloud Computing, bei dem Daten möglicherweise Hunderte von Kilometern zurücklegen müssen, bevor sie verarbeitet werden, ermöglicht Edge Computing die Verarbeitung von Daten am selben Netzwerk-Edge-Standort, an dem die Daten erfasst, erstellt oder gespeichert werden. Dies bedeutet, dass die Verarbeitungslatenz nahezu vernachlässigbar ist und der Leistungs- und Bandbreitenbedarf oft deutlich reduziert wird.

Eine der wichtigsten Voraussetzungen für Edge Computing ist heute die Möglichkeit für Halbleiterhersteller, die Verarbeitungsleistung zu erhöhen, ohne den Stromverbrauch wesentlich zu erhöhen. Dies bedeutet, dass Prozessoren am Rande die erfassten Daten besser nutzen können, ohne mehr Strom zu verbrauchen. Dadurch bleiben mehr Daten am Rand, anstatt zum Kern übertragen zu werden. Dies reduziert nicht nur die Gesamtsystemleistung, sondern erhöht auch die Reaktionszeit und verbessert den Datenschutz.

Zu den Technologien, die von dieser Entwicklung profitieren, gehören künstliche Intelligenz und maschinelles Lernen. Diese setzen jedoch auch auf eine Reduzierung der Kosten für die Datenerfassung bei gleichzeitiger Erhöhung des Datenschutzniveaus. Sowohl Kosten- als auch Datenschutzbedenken können durch Edge-Processing berücksichtigt werden. Wenn es um aufkommende Trends wie KI und ML geht, erfordern beide Technologien traditionell erhebliche Ressourcen, die weit über das hinausgehen, was normalerweise in Endpunkten oder intelligenten Geräten verfügbar ist. Fortschritte in der Hardware und Software machen es nun auch möglich, diese Basistechnologien in kleinere, ressourcenbeschränktere Geräte am Rande des Netzwerks einzubetten.

Evaluierung von Edge AI

Die Auswahl einer Plattform, die Edge-Processing durchführen kann, wozu auch die Ausführung von AI-Algorithmen oder ML-Inferenz-Engines gehören kann, erfordert eine sorgfältige Bewertung. Einfache Sensoren und Aktoren, auch solche, die Teil des Internets der Dinge sind, können mit relativ kleinen integrierten Geräten implementiert werden. Um den Umfang der Edge-Verarbeitung zu erhöhen, ist eine leistungsfähigere Plattform erforderlich, möglicherweise unter Verwendung einer hochgradig parallelen Architektur. Typischerweise handelt es sich dabei um GPUs, aber wenn die Plattform zu leistungsstark ist, wird sie zu einer Belastung für die begrenzten Ressourcen am Rande des Netzwerks.

Es ist auch wichtig, sich daran zu erinnern, dass es sich bei einem Edge-Gerät grundsätzlich um eine reale Schnittstelle handelt, sodass es möglicherweise einige gängige Schnittstellentechnologien wie Ethernet, GPIO, CAN, Seriell und/oder USB unterstützen muss. Möglicherweise muss es auch Peripheriegeräte wie Kameras, Tastaturen und Monitore unterstützen.

Der Edge kann auch eine ganz andere Umgebung sein als der Komfort eines klimatisierten Rechenzentrums. Edge-Geräte können extremen Temperaturen, Feuchtigkeit, Vibrationen und sogar Höhen ausgesetzt sein. Dies wird Auswirkungen auf die Wahl der Ausrüstung und deren Verpackung bzw. Verpackung haben.

Ein weiterer wichtiger Aspekt, den es zu berücksichtigen gilt, sind regulatorische Anforderungen. Jedes Gerät, das Funkfrequenzen zur Kommunikation nutzt, unterliegt Vorschriften und erfordert möglicherweise eine Betriebslizenz. Einige Plattformen erfüllen die Anforderungen sofort, andere erfordern möglicherweise mehr Aufwand. Sobald sie im Einsatz sind, ist es unwahrscheinlich, dass sie Hardware-Upgrades erhalten. Daher müssen Verarbeitungsleistung, Arbeitsspeicher und Datenspeicher während des Entwurfszyklus sorgfältig identifiziert werden, um Raum für zukünftige Leistungsverbesserungen zu schaffen.

Dazu gehören auch Software-Upgrades. Im Gegensatz zu Hardware können Software-Updates bereitgestellt werden, während sich das Gerät im Feld befindet. Diese Over-the-Air-Updates sind mittlerweile so verbreitet, dass wahrscheinlich jedes Edge-Gerät für die Unterstützung von OTA-Updates ausgelegt werden muss.

Die Wahl der richtigen Lösung erfordert eine sorgfältige Bewertung all dieser allgemeinen Punkte sowie eine sorgfältige Untersuchung der spezifischen Anforderungen der Anwendung. Muss das Gerät beispielsweise Videodaten, Audiodaten oder nur die Temperatur verarbeiten oder auch andere Umgebungsaspekte überwachen? Viele dieser Probleme gelten für alle Technologien, die an der Spitze eingesetzt werden. Da jedoch die Verarbeitungsniveaus und die Erwartungen an die Leistung steigen, wird es notwendig sein, die Liste der Anforderungen zu erweitern.

Vorteile von Edge Computing

Da es nun technisch möglich ist, KI und ML in Edge-Geräte und Smart Nodes zu integrieren, wird dies erhebliche Chancen mit sich bringen. Dies bedeutet, dass die Verarbeitungs-Engine nicht nur näher an der Datenquelle ist, sondern dass die Engine auch mehr mit den erfassten Daten tun kann.

Es hat Vorteile. Erstens kann es die Produktivität bzw. die Effizienz bei der Datennutzung verbessern. Zweitens vereinfacht es die Netzwerkarchitektur, da weniger Daten bewegt werden. Drittens wird dadurch die Nähe zum Rechenzentrum weniger wichtig. Dieser letzte Punkt scheint möglicherweise nicht wichtig zu sein, wenn sich das Rechenzentrum in einer Stadt befindet, macht jedoch einen großen Unterschied, wenn der Rand des Netzwerks ein abgelegener Ort ist, beispielsweise ein Bauernhof oder eine Wasseraufbereitungsanlage.

Es ist unbestreitbar, dass Daten im Internet schnell übertragen werden. Viele Menschen werden überrascht sein, wenn sie erfahren, dass eine Suchanfrage möglicherweise zweimal um die Welt reist, bevor die Ergebnisse auf dem Bildschirm angezeigt werden. Die insgesamt verstrichene Zeit beträgt zwar nur den Bruchteil einer Sekunde, für uns geschieht sie jedoch nahezu augenblicklich. Aber für die Maschinen und anderen intelligenten Geräte, die ein Internet aus vernetzten, intelligenten und oft autonomen Sensoren und Aktoren bilden, fühlt sich jede Sekunde wie eine Stunde an.

Diese Round-Trip-Latenz ist ein echtes Problem für Hersteller und Entwickler von Echtzeitsystemen. Die Zeit, die Daten benötigen, um zum und vom Rechenzentrum zu gelangen, ist nicht unerheblich und schon gar nicht augenblicklich. Die Reduzierung dieser Latenz ist ein zentrales Ziel des Edge Computing. Es funktioniert mit schnelleren Netzen, und hier kommt 5G ins Spiel. Allerdings wird die Einführung schnellerer Netzwerke die kumulative Netzwerklatenz, die wir erwarten, wenn immer mehr Geräte online gehen, nicht ausgleichen.

Analysten gehen davon aus, dass die Zahl der angeschlossenen Geräte bis 2030 50 Milliarden erreichen könnte. Würde jedes dieser Geräte die Bandbreite eines Rechenzentrums benötigen, wäre das Netzwerk immer überlastet. Wenn viele von ihnen in einer Pipeline ausgeführt werden und auf das Eintreffen von Daten aus der vorherigen Stufe warten, wird die Gesamtlatenz schnell deutlich spürbar. Edge Computing ist die einzig praktikable Lösung, um überlastete Netzwerke zu entlasten.

Obwohl im Allgemeinen eine gewisse Nachfrage nach Edge Computing besteht, hängen die spezifischen Vorteile von Edge Computing immer noch stark von der Anwendung ab, und hier kommt das Gesetz des Edge Computing ins Spiel. Diese Gesetze werden Ingenieurteams bei der Entscheidung helfen, ob Edge Computing für eine bestimmte Anwendung geeignet ist.

Die 4 Gesetze des Edge Computing

Gesetze der Physik

Das erste Gesetz ist das Gesetz der Physik, und dieses ist unveränderlich. HF-Energie bewegt sich mit Lichtgeschwindigkeit, genau wie Photonen in Glasfasernetzen. Das sind gute Nachrichten. Die schlechte Nachricht ist, dass sie nicht schneller fahren können. Wenn die Roundtrip-Zeit also immer noch nicht schnell genug ist, könnte Edge Computing die richtige Wahl sein.

Der Ping-Test bietet eine einfache Möglichkeit, die Zeit zu messen, die ein Paket für die Übertragung zwischen zwei Endpunkten einer Netzwerkverbindung benötigt. Online-Spiele werden oft auf mehreren Servern gehostet, und die Spieler pingen den Server an, bis sie den Server mit der niedrigsten Latenz finden, was bedeutet, dass die Daten am schnellsten übertragen werden können. Das ist der Schlüssel bei zeitkritischen Daten, selbst wenn es sich nur um den Bruchteil einer Sekunde handelt.

Die Latenz hängt auch nicht vollständig vom Transportmechanismus ab. An jedem Ende befinden sich Encoder und Decoder. Diese physikalischen Schichten werden benötigt, um die Elektronen in die jeweils verwendete Energieform umzuwandeln und sie dann wieder zurück umzuwandeln. All dies braucht Zeit, und selbst wenn der Prozessor mit Gigahertz-Geschwindigkeit läuft, ist die Zeit begrenzt und hängt von der Menge der zu verschiebenden Daten ab.

Wirtschaftsgesetze

Dieser Ansatz ist zwar flexibler, aber auch weniger vorhersehbar, da die Nachfrage nach Verarbeitungs- und Speicherressourcen steigt. Die Margen sind immer gering, aber wenn die Kosten für die Datenverarbeitung in der Cloud plötzlich steigen, kann das den Unterschied zwischen Gewinn und Verlust ausmachen.

Die Kosten für Cloud-Dienste beginnen mit den Kosten für den Kauf oder die Miete eines Servers, Racks oder Blades. Dies hängt von der Anzahl der CPU-Kerne, der benötigten Menge an RAM oder persistentem Speicher und dem Servicelevel ab. Garantierte Betriebszeit kostet mehr als nicht garantierte Servicelevel. Die Netzwerkbandbreite ist im Wesentlichen kostenlos. Wenn jedoch ein Mindestmaß an Bandbreite erforderlich ist, müssen Sie dafür bezahlen. Dies muss bei der Kostenberechnung berücksichtigt werden.

Das heißt, die Datenverarbeitung am Edge wird von diesen variablen Kosten nicht beeinflusst. Sobald die anfänglichen Kosten für die Ausrüstung angefallen sind, sind die zusätzlichen Kosten für die Verarbeitung beliebiger Datenmengen am Edge praktisch null.

Datenschutzrecht

Daten sind wertvoll, weil sie etwas bedeuten oder darstellen. Jeder, der Informationen erfasst, unterliegt nun möglicherweise den Datenschutzgesetzen der Region, in der diese Daten erfasst wurden. Dies bedeutet, dass selbst der rechtmäßige Eigentümer des Geräts, das die Daten erfasst hat, möglicherweise nicht berechtigt ist, die Daten über geografische Grenzen hinweg zu übertragen.

Dazu gehören beispielsweise die EU-Datenschutzrichtlinie, die Datenschutz-Grundverordnung und das Datenschutzrahmenwerk für die asiatisch-pazifische wirtschaftliche Zusammenarbeit. Kanadas Gesetz zum Schutz personenbezogener Daten und elektronischer Dokumente steht im Einklang mit dem EU-Datenschutzrecht, und die Safe-Harbor-Vereinbarung der Vereinigten Staaten steht ebenfalls im Einklang mit dem EU-Datenschutzrecht.

Kantenbearbeitung kann dieses Problem lösen. Da die Daten am Edge verarbeitet werden, müssen sie das Gerät nicht verlassen. Datenschutz wird bei tragbaren Verbrauchergeräten immer wichtiger, und die Gesichtserkennung auf Telefonen nutzt lokale künstliche Intelligenz, um Kamerabilder zu verarbeiten, sodass die Daten das Gerät nie verlassen. Das Gleiche gilt für CCTV und andere Sicherheitsüberwachungssysteme. Der Einsatz von Kameras zur Überwachung öffentlicher Räume bedeutet oft, dass Bilder von Cloud-basierten Datenservern übertragen und verarbeitet werden, was Datenschutzprobleme aufwirft. Die Verarbeitung der Daten in der Kamera erfolgt schnell und sicher, sodass Datenschutzmaßnahmen möglicherweise überflüssig werden oder vereinfacht werden.

Murphys Gesetz

Abschließend müssen wir noch Murphys Gesetz berücksichtigen, das besagt: Wenn etwas schief gehen kann, dann wird es auch passieren. Selbst in den am besten konzipierten Systemen der Welt wird es natürlich immer Probleme geben. Edge-Processing kann viele der möglichen Fehlerquellen beseitigen, die mit der Übertragung von Daten über das Netzwerk, ihrer Speicherung in der Cloud und der Abhängigkeit von Rechenzentren zur Bereitstellung der Rechenleistung verbunden sind.

Wenn eine Anwendung technisch von der Kantenverarbeitung profitieren könnte, müssen noch einige Fragen gestellt werden. Hier sind einige der relevantesten Vorschläge:

(1) Auf welcher Prozessorarchitektur die Anwendung ausgeführt wird

Die Portierung von Software auf einen anderen Befehlssatz kann kostspielig sein und zu Verzögerungen führen, daher sollte ein Upgrade nicht dazu führen, dass Sie aussteigen.

(2)Welche Art von I/O wird benötigt?

Dies kann eine beliebige Anzahl von kabelgebundenen und/oder kabellosen Schnittstellen sein. Dieses Problem muss frühzeitig angegangen werden, da es zu Ineffizienzen führen kann, wenn es nicht sorgfältig durchdacht wird.

(3) Wie ist die Betriebsumgebung?

Die Betriebsumgebung ist beispielsweise ein gutes Beispiel für Edge Processing.

(4) Muss die Hardware konform oder zertifiziert sein?

Die Antwort lautet fast ja, sodass die Wahl einer vorzertifizierten Plattform Zeit und Geld sparen kann.

(5)Wie viel Strom wird benötigt?

Systemnetzteile sind hinsichtlich der Stückkosten und der Installation teuer, daher ist es sehr vorteilhaft, die Leistung zu verstehen.

(6) Werden Edge-Geräte durch den Formfaktor eingeschränkt?

Dies ist bei der Edge-Verarbeitung wichtiger als bei vielen anderen Bereitstellungen und muss daher früh im Designzyklus berücksichtigt werden.

(7) Wie hoch ist die Arbeitszeit?

Egal, ob es sich um die Eingabe einer industriellen Anwendung handelt, die möglicherweise viele Jahre laufen muss, oder ob der Lebenszyklus in Monaten gemessen wird, das sind alles Dinge, die wir benötigen klar überlegen.

(8) Was sind die Leistungsanforderungen des Systems?

In Bezug auf Verarbeitungsfähigkeiten, wie Bilder pro Sekunde, Speicherbedarf, Anwendungssprache usw.

(9) Gibt es eine Kostenüberlegung?

Dies ist eine knifflige Frage, da die Antwort immer „Ja“ lautet. Die Kenntnis der Kostengrenzen hilft jedoch beim Auswahlprozess.

Fazit

Edge Processing wird durch das Internet der Dinge ermöglicht, aber es ist noch viel mehr. Es beruht auf höheren Erwartungen als bei früheren Beispielen vernetzter Geräte. Auf einer niedrigen Ebene gibt es Gemeinsamkeiten: Das Gerät muss möglicherweise einen geringen Stromverbrauch haben, es muss möglicherweise kostengünstig sein, aber jetzt muss es möglicherweise auch ein höheres Maß an intelligentem Betrieb bieten, ohne dass es zu Konflikten mit Stromverbrauch und Kosten kommt.

Die Wahl der richtigen Plattform wird durch die Wahl des richtigen Technologiepartners einfacher. Betreten Sie ein Ökosystem, das rund um Edge Computing entwickelt wurde, und wählen Sie die richtige Edge Computing-Plattform für Ihre KI-Anwendungen.

Das obige ist der detaillierte Inhalt vonSo wählen Sie Edge-KI-Geräte aus. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!