车队跟踪、资产跟踪、自主车辆、制造自动化和仓储都是人工智能嵌入式芯片技术可以减轻网络数据承载负荷的领域。他们可以在提供前线实时信息的同时做到这一点。
许多这样的进程需要大量的数据来激活。与此同时,他们需要实时传输这些数据。与其他数据密集型流程(如通过机器学习训练数据)相比,这类流程从云计算中获益不多。相反,这些过程从边缘计算中获益最多,边缘计算将计算、网络和其他资源直接提供给需要它们的设备和数据。
通过激活人工智能(在片上系统(SOC)级别上的AI0处理负载,IT可以扩展其分配和卸载数据处理负载到企业架构的不同层(例如,云、中央数据中心或边缘本身)的选择。这改进了数据管理和处理。它还节省了带宽,加快了数据和结果。
与传统的gpu(图形处理单元)、fpga(现场可编程门阵列)或其他类型的集成电路(ic)相比,SOC嵌入式微控制器使用更窄的内存和功耗。
Hyperion高性能计算市场动态研究高级顾问史蒂夫?康威表示:“未来5年,我们将看到人工智能正处于普及的边缘。”
ARMAtom、GPU和其他嵌入式处理器已经普遍应用于手机、传感器、汽车、医疗诊断成像系统、游戏系统和许多其他设备。随着人工智能方法的发展,这些现有的嵌入式处理器很可能成为支持人工智能方法的主流。”