应用边缘AI面临哪些挑战？边缘AI有哪些缺点

边缘AI将是下述内容的主要介绍对象，通过这篇文章，小编希望大家可以对它的相关情况以及信息有所认识和了解，详细内容如下。

一、应用边缘AI面临哪些挑战

无论是面对医疗保健领域的人员配备问题，还是寻求提高工厂生产效率和盈利能力，无论是寻求简化流程和防止零售店损失，还是应对任何其他复杂的挑战，边缘 AI 都能帮助企业解决现实世界中的问题。

但是，要应用人工智能解决这些问题，还需要将人工智能增强功能扩展到网络边缘——即数据的创建和消费点，如工厂车间、医院或店面。与在数据中心或云中运行人工智能相比，在这些环境中引入人工智能功能会面临新的挑战，其中包括：

在现有投资中加入人工智能：许多边缘环境都采用传统的固定功能基础设施，配备各种专有设备和软件。空间有限的硬件需要能够支持现实世界对准确性和性能的要求。

训练和微调模型：边缘 AI 模型是独一无二的，必须针对特定行业或用例动态进行调整。在这些情况下，人类的领域知识往往至关重要。例如，经验丰富的焊缝检测人员可以帮助人工智能了解如何检测好的或坏的焊缝。企业需要简单的工具，帮助非数据科学家专家将其专业知识转化为人工智能能力。

解决硬件多样性问题：边缘原生应用可能会跨越众多节点、操作系统、连接协议、计算和存储需求、能源和成本限制以及合规性问题。开发人员需要找到应对这种复杂性和支持分布式异构计算环境的方法。

保护和管理分布式应用：企业在寻求支持边缘高级人工智能时面临着新的挑战。可管理性是大规模应用人工智能的关键，而安全性则是整个过程中每一步的必要条件。

二、边缘人工智能的缺点

1、边缘 AI 需要持续培训

边缘 AI 系统可能具有挑战性，因为与其他 AI 模型一样，它们必须定期和持续地进行训练——只需使用来自边缘设备的数据。这通常意味着通过将数据从大量边缘设备传输到云来创建数据集，这可能相当复杂，具体取决于可用带宽和与边缘设备的连接。

2、边缘AI需要采取额外的安全措施

安全也是一个值得关注的领域，只是方式不同。虽然边缘计算可以通过保持本地处理使系统更加安全，但基础设施和设备本身需要自己的安全措施。这可能包括访问控制、流量监控、数据备份、防病毒和反恶意软件，甚至加密。

3、边缘AI一直很慢（但这种情况正在改变）

边缘AI市场的增长速度并不像一些人希望的那样快。自从PJC最初投资Deeplite以及更大的边缘AI空间以来，May表示，就普遍采用而言，市场“比预期的要慢一些”。他将此归因于边缘人工智能实际需要的设备（如无人机、手机、汽车）的更长设计周期。他说，其中另一个重要部分是普遍缺乏意识到某些科技公司甚至存在这一空间。

上述所有信息便是小编这次为大家推荐的有关边缘AI的内容，希望大家能够喜欢，想了解更多有关它的信息或者其它内容，请关注我们网站哦。