企業如何將人工智慧提升到新的水平

企業透過使用分散式混合雲架構部署人工智慧，越來越多地獲得競爭優勢。

這是由兩個因素驅動的：首先，邊緣產生的資料比以往任何時候都多。事實上，據預測，到2025年，50%的企業產生資料將在傳統資料中心或雲端運算之外進行處理。最近的一項全球調查發現，78%的IT決策者認為，將IT基礎設施轉移到數位邊緣是其業務經得起未來考驗的優先事項。

其次，將大量資料轉移到集中位置的人工智慧訓練基礎設施引擎進行處理，這意味著企業將花費寶貴的時間和費用。除此之外，合規和隱私法規通常要求將人工智慧資料處理和分析保留在原籍國，這進一步證明了在多個國家分配工作負載的合理性。

讓我們深入探討三個不同的產業用例，分散式人工智慧正在幫助企業節省成本、滿足監管需求並實現新的技術進步。

在降低成本的同時獲得即時零售洞察

許多大型零售商正在透過利用分散式數位基礎設施策略尋找競爭優勢。他們正在使用IDC最近確定的一種越來越流行的人工智慧部署策略：在核心開發人工智慧，如在雲端或區域資料中心，並在邊緣部署人工智慧推理模型，然後用新的區域資料重新訓練模型以適應應用。

例如，使用分散式混合雲模型的零售商，可能會先將其店內攝影機資訊和庫存管理數據，發送到託管大都會資料中心，以建立區域人工智慧模型，並利用聯合人工智慧方法來整合區域模型。

然後，它將這些優化的人工智慧模型部署到門市，以執行低/預測延遲人工智慧模型推理，從而深入了解庫存、員工輪班管理、購物者購買趨勢預測和廣告投放建議。

從一個大都市資料中心部署人工智慧推理引擎，比在每個零售地點維護和服務這些伺服器更具成本效益。這種分散式人工智慧基礎設施，使零售商能夠在一個區域快速處理和分析洞察，最終提高他們的利潤。

維護視訊監控中的隱私和合規性

據聯合國貿發會議稱，世界上大多數(71%)國家/地區都制定了有關隱私和資料保護的立法。分散式資料管理和人工智慧架構可以在幫助企業確保合規性方面發揮關鍵作用。

例如，一家在全球多個都市區設有站點的大型房地產管理企業，可以為其全球數百個安全攝影機利用分散式AI架構，透過在資料收集地部署人工智慧來維持對當地隱私法規的合規性。

在企業經營所在的不同國家/地區擁有集中式設施，確保企業不會將資料發送到另一個可能與資料來源國不具有相同合規法規的國家/地區，從而違反當地隱私法。

除了實現隱私和資料使用合規性之外，該模型還透過將人工智慧推理堆疊託管在單個地鐵位置，而不是每個設施來降低成本，即使它在數百個位置中的每個位置都現場處理運動偵測數據。

透過區域更新實現自動駕駛

如果沒有人工智慧基礎設施，由進階駕駛輔助系統(ADAS)啟用的自動駕駛汽車無法解決某些用例。 ADAS要求人工智慧決定車輛應如何與周圍環境互動，尤其是在與自行車和行人等弱勢道路使用者互動時。

測試車輛為訓練人工智慧模型而產生的資料量是巨大的，對於2級和3級ADAS(車輛可以根據環境調整速度、煞車和做出決策)，每輛車每天產生的資料量在20TB到60TB之間。人工智慧使連網車輛能夠比使用傳統基礎設施更快、更具成本效益地從測試車隊中收集和處理這些大型資料集。

分散式人工智慧基礎設施正在定義下一代車輛的機動性和自主性。例如，連網車輛利用高清地圖為汽車提供有關標誌和街道的資訊。

但是，當施工區或道路危險在一夜之間出現時會發生什麼?分散式人工智慧基礎設施不需要每輛車單獨處理道路危險，而是允許將這些危險發送到一個區域位置，然後將危險傳達給該地區的所有車輛。

順應資料流

沒有什麼比人工智慧更能感受到資料的引力了。為了充分利用其人工智慧基礎設施，企業需要評估集中、區域或本地部署這些基礎設施的價值。這樣做將節省時間、金錢和寶貴的延遲速度。

以上是企業如何將人工智慧提升到新的水平的詳細內容。更多資訊請關注PHP中文網其他相關文章！