企業が人工知能を次のレベルに引き上げる方法

# 企業は、分散型ハイブリッド クラウド アーキテクチャを使用して人工知能を導入することで、競争上の優位性をますます獲得しています。

これは 2 つの要因によって引き起こされています。まず、これまでよりも多くのデータがエッジで生成されています。実際、2025 年までに、企業が生成するデータの 50% が従来のデータ センターやクラウド コンピューティングの外部で処理されるようになると予測されています。最近の世界的な調査によると、IT 意思決定者の 78% が、IT インフラストラクチャをデジタル エッジに移行することが自社のビジネスにとって将来性のある優先事項であると考えていることがわかりました。

第二に、大量のデータを一元管理された場所にある人工知能トレーニング インフラストラクチャ エンジンに移動して処理することは、企業が貴重な時間と費用を費やすことを意味します。これに加えて、コンプライアンスとプライバシーの規制により、AI データの処理と分析が本国に留まることが求められることが多く、複数の国にわたるワークロードの分散がさらに正当化されます。

分散型 AI が企業のコスト削減、規制要求への対応、新たな技術の進歩の実現に役立っている 3 つの異なる業界のユースケースを詳しく見ていきましょう。

コストを削減しながら小売に関するリアルタイムの洞察を得る

多くの大規模小売業者は、分散型デジタル インフラストラクチャ戦略を活用することで競争上の優位性を模索しています。彼らは、IDC によって最近特定された、ますます人気が高まっている AI 導入戦略を使用しています: クラウドや地域データセンターなどのコアで AI を開発し、エッジに AI 推論モデルを導入し、新しい地域データでそれらを再トレーニングします。アプリケーション。

たとえば、分散型ハイブリッド クラウド モデルを使用している小売業者は、まず店内のカメラ情報と在庫管理データをホスティングしている大都市のデータ センターに送信して、地域 AI モデルを構築し、連携 AI メソッドを活用して地域モデルを統合する可能性があります。 。

その後、これらの最適化された AI モデルを店舗に展開して、低遅延/予測遅延 AI モデル推論を実行し、在庫、従業員のシフト管理、買い物客の購買傾向の予測、広告掲載の推奨事項についての洞察を取得します。

大都市のデータセンターから AI 推論エンジンを導入することは、各小売店でこれらのサーバーを保守およびサービスするよりもコスト効率が高くなります。この分散型 AI インフラストラクチャにより、小売業者は 1 つの領域で洞察を迅速に処理および分析できるようになり、最終的に収益が向上します。

ビデオ監視におけるプライバシーとコンプライアンスの維持

UNCTAD によると、世界の大多数 (71%) の国がプライバシーとデータ保護に関する法律を制定しています。分散データ管理と人工知能アーキテクチャは、企業がコンプライアンスを確保する上で重要な役割を果たします。

たとえば、世界中の複数の大都市圏に拠点を持つ大手不動産管理会社は、世界中の数百台のセキュリティ カメラに分散型 AI アーキテクチャを活用し、データが収集される場所に AI を導入することで可視性を維持できます。 . 地域のプライバシー規制の遵守。

企業が事業を展開するさまざまな国に集中施設を設置することで、データの発信元の国と同じコンプライアンス規制が適用されていない可能性がある別の国にデータを送信することで、企業が現地のプライバシーを侵害することがなくなります。

このモデルは、プライバシーとデータ使用のコンプライアンスを可能にすることに加えて、AI 推論スタックを施設ごとではなく、大都市の単一の場所でホストすることで、たとえそれが数百の場所にまたがっていても、コストを削減します。データは各拠点のオンサイトで処理されます。

地域アップデートによる自動運転

人工知能インフラストラクチャがなければ、先進運転支援システム (ADAS) によって実現される自動運転車は、特定のユースケースを解決できません。 ADAS では、特に自転車や歩行者などの弱い立場の道路利用者と対話する場合に、車両が周囲とどのように対話するかを決定するために人工知能が必要です。

人工知能モデルをトレーニングするためにテスト車両によって生成されるデータの量は膨大です。レベル 2 およびレベル 3 ADAS (車両は環境に基づいて速度を調整し、ブレーキをかけ、意思決定を行うことができます) の場合、各車両は毎日データを生成しますボリュームの範囲は 20TB ～ 60TB です。人工知能により、コネクテッド ビークルは、従来のインフラストラクチャを使用するよりも高速かつコスト効率よく、テスト フリートからこれらの大規模なデータ セットを収集して処理できるようになります。

分散型人工知能インフラストラクチャは、次世代の車両のモビリティと自律性を定義しています。たとえば、コネクテッドカーは高解像度の地図を使用して、標識や道路に関する情報を車両に提供します。

しかし、工事現場や道路の危険が夜間に現れたらどうなるでしょうか? 各車両が道路の危険に個別に対処する必要がなく、分散型 AI インフラストラクチャにより、これらの危険がエリアの場所に送信され、すべての車両に危険が伝達されるようになります。地域内の車両。

データの流れを追跡する

人工知能ほどデータの引力を感じるものはありません。 AI インフラストラクチャを最大限に活用するには、企業は AI インフラストラクチャを中央、地域、ローカルに展開する価値を評価する必要があります。そうすることで、時間、費用、貴重な待ち時間を節約できます。

以上が企業が人工知能を次のレベルに引き上げる方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。