原标题：人工智能如何重塑边缘计算格局

　　当今的内存和存储技术如何满足具有挑战性的新边缘应用的严格要求?

　　边缘需要多少计算能力?多少内存和存储空间足以支持边缘 AI?随着 AI 打开了需要更多更快处理、存储和内存的创新应用程序的大门，最低要求也在增加。

　　当今的内存和存储技术如何满足这些具有挑战性的新边缘应用的严格要求?

　　“边缘”是什么意思?

　　边缘包括任何分布式应用程序，其中特定处理发生在远离服务器的地方，即使数据最终被发送到数据中心也是如此。重要的想法是避免通过互联网发送所有数据以在服务器上进行处理，而是让数据在更靠近其收集位置的地方进行处理，避免长数据往返的延迟问题，并在现场实现近乎实时的响应。

　　边是根据服务器到端点的距离粗略划分的。所谓的近边缘可以包括靠近数据中心的应用程序，甚至可能在同一建筑物内。远边缘在自动驾驶汽车等应用中采取了另一个极端。重叠的特征是边缘系统处理传统上会发送到数据中心的数据。这在许多行业都有实际应用。

　　工业边缘的数据延迟和带宽

　　在工业应用中，边缘计算机通常设计为从传感器或其他设备获取输入并相应地对输入进行操作。例如，预防性维护获取声学、振动、温度或压力传感器读数并对其进行分析，以识别表明机器存在轻微故障的异常情况。机器可以立即或在需要时脱机，以便在灾难性故障发生之前进行维护。反应时间必须快，但数据量低。

　　然而，人工智能正在给这些边缘系统带来压力。

　　人工智能对边缘处理负载的影响

　　AI 给计算机系统带来了不同类型的负载。AI 工作负载需要更快的处理器、更多内存和强大的 GPU。例如，AOI 已广泛用于 PCB 检测，使用来自高速摄像机的视频输入来识别缺失的组件和质量缺陷。事实上，类似的视觉检测技术正在农业等多种行业得到采用，可用于识别产品中的缺陷和变色。

　　对视频输入执行复杂算法需要耗电 GPU 卡的并行处理能力、用于高效准确 AI 推理的更多内存，以及用于附加数据的更多存储空间。但是这些不是已经存在于数据中心了吗?

　　将一小部分数据中心电源带到边缘

　　从本质上讲，为了在边缘处理人工智能任务，我们正在弥合边缘和数据中心之间的差距。藏在温控数据中心的服务器拥有数 TB 的内存和大量存储空间，可以处理特定的高容量负载并保持系统快速运行。

　　但当涉及到远离数据中心的推理时，情况就不同了。边缘计算机不喜欢这种田园诗般的环境，必须能够承受恶劣的环境。边缘需要能够在考虑不太理想的条件的同时争取最高性能的硬件。

　　边缘硬件

　　在工业边缘添加 AI 需要适合该任务的硬件。能够处理极端温度、振动和空间限制的工业计算机是必须的。具体而言，视觉系统需要三样东西：迄今为止最多产的 AI 应用程序、支持高效 AI 推理的内存、输入数据的存储以及支持添加摄像头的 PoE。

　　使用最新的DDR5可以在更小的空间内获得更多的内存。它以更高的速度在边缘提供更多的内存容量，速度是 DDR4 的两倍，容量是相同占用空间的四倍，它可以更有效地利用可用空间和资源。

　　边缘应用程序需要扩展容量，因为数据必须进入服务器或在边缘保留一段时间，因此需要 SSD 进行临时存储。从 SATA 到 NVMe 的转变打开了通往更高速度和性能的大门，即将面市的 NVMe PCIe G4X4 SSD 是 Cervoz 管道中的最新 SSD，为这些应用程序提供工业性能。

　　视觉系统需要相机。PoE+ 是将高速摄像机添加到系统的最简单、最有效的方式，通过单根电缆提供电力和数据传输。Cervoz 的PoE 以太网模块化 PCIe 扩展卡通过一个小的电源附件添加了此功能。

　　抢占边缘 AI 的先机

　　对于希望获得优势的企业而言，工业计算机与工业强度内存和存储的组合提供了承受恶劣边缘环境的可靠性以及在网络边缘启用下一代人工智能技术所需的能力。