Maison > Article > Périphériques technologiques > Comment choisir les appareils Edge AI
L'informatique de pointe est devenue l'une des tendances technologiques dont on parle le plus, et avec toutes ces discussions, vous pensez peut-être qu'il est temps d'investir dans une technologie de pointe intelligente pour votre réseau IoT. Cependant, avant de commencer à acheter de nouveaux appareils de pointe, discutons de ce qu'est exactement l'informatique de pointe, de son rôle et de la question de savoir si les applications peuvent bénéficier de la technologie de pointe.
L'informatique de pointe peut ajouter beaucoup de flexibilité, de vitesse et d'intelligence aux réseaux IoT, mais il est important de comprendre que les appareils d'IA de pointe ne résolvent pas tous les défis auxquels sont confrontées les applications de réseaux intelligents. À la fin de cet article, nous discuterons des principales caractéristiques et considérations que les acheteurs devraient prendre en compte lors de l’évaluation des appareils Edge AI, après avoir déterminé si la technologie Edge est adaptée à l’application.
Edge computing amène l'Internet des objets à un niveau supérieur à la périphérie du cloud, où les données brutes peuvent être converties en valeur en temps réel. Augmente l'importance et la gouvernance des nœuds connectés, des points finaux et autres appareils intelligents en redistribuant le travail de traitement des données sur le réseau.
L'informatique de pointe est presque l'exact opposé du cloud computing, où les données proviennent d'un réseau distribué, sont traitées dans un centre de données centralisé, et les résultats sont généralement transmis au réseau distribué d'origine pour déclencher des actions ou produire des changements. Cependant, la transmission de grandes quantités de données sur de longues distances entraîne des coûts. Ces coûts peuvent être mesurés en argent, mais ils peuvent également être mesurés d’autres manières clés, comme l’énergie ou le temps.
C'est là qu'intervient l'informatique de pointe. Lorsque la puissance, la bande passante et la latence comptent vraiment, l’edge computing peut être la solution. Contrairement au cloud computing centralisé, où les données peuvent devoir parcourir des centaines de kilomètres avant d'être traitées, l'edge computing permet de traiter les données au même emplacement périphérique du réseau où les données sont détectées, créées ou résident. Cela signifie que la latence de traitement est presque négligeable et que les besoins en puissance et en bande passante sont souvent considérablement réduits.
L'un des principaux catalyseurs de l'informatique de pointe aujourd'hui est un moyen pour les fabricants de semi-conducteurs d'augmenter la puissance de traitement sans augmenter significativement la consommation d'énergie. Cela signifie que les processeurs en périphérie peuvent faire plus avec les données qu’ils acquièrent sans utiliser plus d’énergie. Cela permet à davantage de données de rester en périphérie plutôt que d'être transférées vers le cœur. En plus de réduire la puissance globale du système, cela augmente le temps de réponse et améliore la confidentialité des données.
Certaines des technologies qui bénéficient de ce développement incluent l'intelligence artificielle et l'apprentissage automatique, mais celles-ci reposent également sur la réduction du coût d'acquisition des données tout en augmentant le niveau de confidentialité des données. Les problèmes de coût et de confidentialité peuvent être résolus grâce au traitement de pointe. Lorsqu’il s’agit de tendances émergentes telles que l’IA et le ML, les deux technologies nécessitent traditionnellement des ressources massives, bien au-delà de ce qui est généralement disponible dans les points finaux ou les appareils intelligents. Les progrès matériels et logiciels permettent désormais également d'intégrer ces technologies habilitantes dans des appareils plus petits et aux ressources plus limitées, à la périphérie du réseau.
Le choix d'une plate-forme capable d'effectuer un traitement Edge, qui peut inclure l'exécution d'algorithmes d'IA ou de moteurs d'inférence ML, nécessite une évaluation minutieuse. Des capteurs et actionneurs simples, même ceux faisant partie de l’Internet des objets, peuvent être mis en œuvre avec des appareils intégrés relativement petits. L'augmentation du nombre de traitements de pointe nécessitera une plate-forme plus puissante, utilisant éventuellement une architecture hautement parallèle. Généralement, cela signifie des GPU, mais si la plate-forme est trop puissante, cela deviendra un fardeau pour les ressources limitées à la périphérie du réseau.
Il est également important de se rappeler qu'un périphérique Edge est essentiellement une interface du monde réel, il peut donc devoir prendre en charge certaines technologies d'interface courantes telles que Ethernet, GPIO, CAN, série et/ou USB). Il peut également être nécessaire de prendre en charge des périphériques tels que des caméras, des claviers et des moniteurs.
La périphérie peut aussi être un environnement très différent du confort d'un centre de données climatisé. Les appareils Edge peuvent être exposés à des températures extrêmes, à l’humidité, aux vibrations et même à l’altitude. Cela aura un impact sur le choix du matériel et la manière dont il sera conditionné ou conditionné.
Un autre aspect important à considérer concerne les exigences réglementaires. Tout appareil utilisant des fréquences radio pour communiquer sera soumis à des réglementations et pourra nécessiter une licence pour fonctionner. Certaines plates-formes seront conformes « prêt à l'emploi », mais d'autres peuvent nécessiter plus d'efforts. Une fois utilisés, il est peu probable qu'ils reçoivent des mises à niveau matérielles. La puissance de traitement, la mémoire et le stockage doivent donc être soigneusement identifiés pendant le cycle de conception afin de permettre de futures améliorations des performances.
Cela inclut les mises à niveau logicielles. Contrairement au matériel, les mises à jour logicielles peuvent être déployées lorsque l'appareil est sur le terrain. Ces mises à jour en direct sont désormais si courantes qu'il est probable que tout appareil périphérique devra être conçu pour prendre en charge les mises à jour OTA.
Choisir la bonne solution impliquera une évaluation minutieuse de tous ces points généraux, ainsi qu'une étude minutieuse des besoins spécifiques de l'application. Par exemple, l'appareil doit-il traiter des données vidéo, des données audio, ou uniquement la température, ou encore surveiller d'autres aspects environnementaux. Bon nombre de ces problèmes s'appliquent à toutes les technologies déployées à la pointe de la technologie, mais à mesure que les niveaux de traitement augmentent et que les attentes en matière de production augmentent, il sera nécessaire d'élargir la liste des exigences.
Maintenant qu'il est techniquement possible d'intégrer l'IA et le ML dans les appareils de pointe et les nœuds intelligents, cela apportera des opportunités significatives. Cela signifie que le moteur de traitement est non seulement plus proche de la source de données, mais qu’il peut faire davantage avec les données qu’il collecte.
Cela présente des avantages. Premièrement, cela peut améliorer la productivité ou l’efficacité avec laquelle les données sont utilisées. Deuxièmement, cela simplifie l’architecture du réseau car moins de données sont déplacées. Troisièmement, cela rend la proximité du centre de données moins importante. Ce dernier point peut sembler sans importance si le centre de données se trouve en ville, mais il fait une grande différence si la périphérie du réseau est un endroit éloigné, comme une ferme ou une station d'épuration des eaux.
Il est indéniable que les données circulent rapidement sur Internet. De nombreuses personnes pourraient être surprises d’apprendre qu’une requête de recherche peut faire deux fois le tour du monde avant que les résultats n’apparaissent à l’écran. Le temps total écoulé n’est peut-être qu’une fraction de seconde, mais pour nous, il est presque instantané. Mais pour les machines et autres appareils intelligents qui composent un Internet de capteurs et d’actionneurs connectés, intelligents et souvent autonomes, chaque seconde semble être une heure.
Cette latence aller-retour est une réelle préoccupation pour les fabricants et développeurs de systèmes temps réel. Le temps nécessaire aux données pour voyager vers et depuis le centre de données n’est pas sans conséquence, et il n’est certainement pas instantané. Réduire cette latence est un objectif clé de l’edge computing. Il fonctionne avec des réseaux plus rapides, et c’est là que la 5G entre en jeu. Cependant, le déploiement de réseaux plus rapides ne compensera pas la latence réseau cumulée à laquelle nous nous attendons à mesure que de plus en plus d’appareils sont mis en ligne.
Les analystes prédisent que d’ici 2030, le nombre d’appareils connectés pourrait atteindre 50 milliards. Si chacun de ces appareils nécessitait la bande passante d’un centre de données, le réseau serait à jamais encombré. Si beaucoup d’entre eux sont en cours d’exécution, en attendant l’arrivée des données de l’étape précédente, la latence totale deviendra rapidement très perceptible. L'Edge Computing est la seule solution viable pour réduire la congestion des réseaux.
Cependant, même s'il existe une certaine demande pour l'edge computing en général, les avantages spécifiques de l'edge computing dépendent encore fortement de l'application, et c'est là que la loi de l'edge computing entre en jeu. Ces lois aideront les équipes d’ingénieurs à décider si l’informatique de pointe est adaptée à une application spécifique.
La première loi est la loi de la physique, et celle-ci est immuable. L'énergie RF se déplace à la vitesse de la lumière, tout comme les photons dans les réseaux de fibres optiques. C'est une bonne nouvelle. La mauvaise nouvelle, c'est qu'ils ne peuvent pas aller plus vite. Ainsi, si le temps d’aller-retour n’est toujours pas assez rapide, l’edge computing peut être le bon choix.
Le test Ping offre un moyen simple de mesurer le temps nécessaire à un paquet pour voyager entre deux points de terminaison d'une connexion réseau. Les jeux en ligne sont souvent hébergés sur plusieurs serveurs, et les joueurs envoient une requête ping au serveur jusqu'à ce qu'ils trouvent celui avec la latence la plus faible, ce qui signifie que les données peuvent voyager le plus rapidement. C'est la clé des données sensibles au temps, même s'il ne s'agit que d'une fraction de seconde.
La latence ne dépend pas non plus entièrement du mécanisme de transport. Il y a des codeurs et des décodeurs à chaque extrémité, ces couches physiques nécessaires pour convertir les électrons en n'importe quelle forme d'énergie utilisée, puis les reconvertir. Tout cela prend du temps, et même si le processeur fonctionne à des vitesses de l'ordre du gigahertz, le temps est limité et dépend de la quantité de données déplacées.
Cette approche est peut-être plus flexible, mais elle est également moins prévisible à mesure que la demande en ressources de transformation et de stockage monte en flèche. Les marges sont toujours minces, mais si le coût du traitement des données dans le cloud augmente soudainement, cela pourrait faire la différence entre profit et perte.
Le coût des services cloud commence par le coût d'achat ou de location d'un serveur, d'un rack ou d'une lame. Cela dépend du nombre de cœurs de processeur, de la quantité de RAM ou de stockage persistant requis et du niveau de service. La disponibilité garantie coûte plus cher que les niveaux de service non garantis. La bande passante du réseau est essentiellement gratuite, mais si un niveau minimum de bande passante est requis, vous devez le payer, et cela doit être pris en compte lors de l'évaluation des coûts.
C'est-à-dire que le traitement des données en périphérie n'est pas affecté par ce coût variable. Une fois le coût initial de l’équipement engagé, le coût supplémentaire lié au traitement d’une quantité quelconque de données en périphérie est pratiquement nul.
Les données sont précieuses car elles signifient ou représentent quelque chose. Quiconque collecte des informations peut désormais être soumis aux lois sur la confidentialité des données de la région où ces données ont été collectées. Cela signifie que même le propriétaire légal de l'appareil qui a capturé les données peut ne pas être autorisé à déplacer les données au-delà des frontières géographiques.
Par exemple, cela inclurait la directive européenne sur la protection des données, le règlement général sur la protection des données et le cadre de confidentialité de la coopération économique Asie-Pacifique. La Loi canadienne sur la protection des renseignements personnels et les documents électroniques est conforme à la loi européenne sur la protection des données, et l'accord Safe Harbor des États-Unis est également conforme à la loi européenne sur la protection des données.
Le traitement des bords peut surmonter ce problème. En traitant les données en périphérie, elles n'ont pas besoin de quitter l'appareil. La confidentialité des données est de plus en plus importante dans les appareils portables grand public, et la reconnaissance faciale sur les téléphones utilise l'intelligence artificielle locale pour traiter les images des caméras afin que les données ne quittent jamais l'appareil. Il en va de même pour la vidéosurveillance et autres systèmes de surveillance de sécurité. L’utilisation de caméras pour surveiller les espaces publics signifie souvent que les images sont transmises et traitées par des serveurs de données basés sur le cloud, ce qui soulève des problèmes de confidentialité des données. Le traitement des données à huis clos est rapide et sécurisé, éliminant ou simplifiant potentiellement le besoin de mesures de confidentialité des données.
Enfin, nous devons considérer la loi de Murphy, qui stipule que si quelque chose peut mal tourner, ce sera le cas. Bien entendu, même dans les systèmes les mieux conçus au monde, des problèmes surgiront toujours. Le traitement Edge élimine de nombreux points de défaillance possibles associés au déplacement des données sur le réseau, à leur stockage dans le cloud et au recours aux centres de données pour fournir la puissance de traitement.
Si une application pourrait techniquement bénéficier du traitement des bords, il reste encore quelques questions à se poser. Voici quelques-unes des suggestions les plus pertinentes :
(1) Sur quelle architecture de processeur l'application s'exécute
Le portage d'un logiciel vers un jeu d'instructions différent peut être coûteux et introduire des retards, la mise à niveau ne devrait donc pas signifier déménager.
(2)Quel type d'E/S est nécessaire
Il peut s'agir de n'importe quel nombre d'interfaces filaires et/ou sans fil. Ce problème doit être résolu rapidement car il peut conduire à des inefficacités s’il n’est pas soigneusement étudié.
(3) Quel est l'environnement opérationnel ?
L'environnement opérationnel est chaud ou froid Par exemple, la mission Mars est un bon exemple de traitement de pointe. Si elle est extrême, l'environnement opérationnel changera radicalement. .
(4) Le matériel doit-il être conforme ou certifié
La réponse est presque oui, donc choisir une plateforme pré-certifiée peut économiser du temps et de l'argent.
(5)Quelle quantité d'énergie est nécessaire
Les alimentations du système sont coûteuses en termes de coût unitaire et d'installation, il est donc très avantageux de comprendre la puissance.
(6) Les appareils Edge sont-ils limités par le facteur de forme
Ceci est plus important dans le traitement Edge que dans de nombreux autres déploiements et doit donc être pris en compte dès le début du cycle de conception.
(7) Quel est le temps de travail ?
Qu'il s'agisse d'une application industrielle qui peut devoir fonctionner pendant de nombreuses années, ou que le cycle de vie se mesure en mois, ce sont toutes des choses dont nous avons besoin. considérer clairement.
(8) Quelles sont les exigences de performances du système
En termes de capacités de traitement, telles que les images par seconde, les besoins en mémoire, le langage d'application, etc.
(9) Y a-t-il une considération en matière de coûts
C'est une question délicate car la réponse est toujours « oui », mais connaître les limites de coûts facilitera le processus de sélection.
Le traitement Edge est activé par l'Internet des objets, mais c'est bien plus que cela. Cela est motivé par des attentes plus élevées que les exemples précédents d’appareils connectés. À un faible niveau, il existe des points communs : le dispositif peut avoir besoin d'être peu gourmand en énergie, il peut avoir besoin d'être peu coûteux, mais il peut maintenant devoir également fournir un niveau plus élevé de fonctionnement intelligent sans entrer en conflit avec la consommation d'énergie et le coût.
Choisir la bonne plateforme devient plus facile en choisissant le bon partenaire technologique. Entrez dans un écosystème développé autour de l'Edge Computing et choisissez la plateforme Edge Computing adaptée à vos applications d'IA.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!