人工智能在边缘计算中的优势
在边缘和极端边缘之间，以及在无线电接入网中出现的层次结构——这一切是如何发生的将是一个有趣的现象。Synopsys的设计软件IP产品营销经理Ron Lowman，最近发布了一份技术简报，提供了一些关于移动计算和AI接近边缘的动机，以及这些变化如何影响IP选择和系统架构的见解。
无线电接入网络中的层次结构
到目前为止，基本原理已经很好地理解。从数十亿或数万亿的边缘设备中传输zettabytes的数据到云端是不可能的——因为在功率和带宽方面太过昂贵。所以我们开始把计算移到更靠近边缘的地方。这样，本地处理更多的数据，只需要较短的跳跃。Ron引用了Rutgers/Inria在增强现实(AR)应用中使用微软HoloLens的一项研究。它的任务是进行二维码识别、场景分割、定位和绘制地图。在每种情况下，HoloLens首先连接到边缘服务器。在一个实验中，人工智能功能被转移到云服务器上。在第二个实验中，在边缘服务器上执行这些操作。第一种情况下的总往返延迟为80-100ms或更多。在第二种情况下，只有2-10ms。
这并不奇怪，但其中的含义很重要。云延迟很容易引起AR用户的晕动病。在其他应用中，这可能是一个安全问题。边缘计算的往返延迟问题要小得多。Ron补充说，5G提供的用例可以将延迟降低到1ms以下。使基于边缘的计算没有竞争的理由。对于延迟不敏感的应用程序来说，使用云是可以的(只要你不介意传输过程中的成本开销和隐私问题。)对于任何实时应用程序，计算和人工智能必须靠近应用程序。
从云到边缘的架构
Ron接着谈到了边缘计算的三种不同架构。他把边缘看作是云以外的任何东西，它利用了来自多个来源的使用模型和架构。最上面的是区域性数据中心，更多的是本地数据中心(可能在工厂或农场)，以及聚合/网关。每个都具有自己的性能和功率配置文件。
而区域数据中心是缩小了的云，具有相同的功能，但的容量和功率需求较低。对于本地服务器，他举了一个Chick-Fil-A的例子，他们在快餐店有这样的服务器，来收集和处理数据，以优化当地厨房的运营。