微看书

边缘人工智能：藏在生活褶皱里的智能魔法（第5页）

边缘设备最大的特点是“小”——比如智能手表、传感器，体积小、重量轻，这就决定了它们的算力（处理数据的能力）和存储空间有限，比不上云端的数据中心（云端有上万台服务器，算力超强）。而有些AI任务需要很大的算力，比如复杂的图像识别（比如识别医学影像里的微小肿瘤）、自然语言处理（比如复杂的对话机器人），边缘设备根本扛不动。

比如智能手表里的边缘AI，能识别简单的运动（跑步、走路、游泳），但如果要识别更复杂的运动（比如瑜伽的某个动作是否标准），就很困难了——因为识别瑜伽动作需要分析更多的关节数据、动作细节，需要更大的算力，而智能手表的芯片算力不够，处理起来会很慢，甚至出错。

再比如智能摄像头，能识别“有没有人”“有没有车”，但如果要识别“这个人是谁”“这辆车的车牌号是多少”“车的型号是什么”，有些低端的智能摄像头就做不到——因为这些任务需要更复杂的AI模型，需要更多的存储空间和算力，低端摄像头装不下、跑不动。

这就像你用手机玩大型游戏，手机配置不够的话，游戏会很卡，甚至闪退。边缘设备的“算力不够用”，就是它面临的第一个“拦路虎”。

（二）“模型难统一”：不同设备“各说各话”

边缘设备的种类太多了——有手机、智能手表、摄像头、传感器、无人机、工业设备……这些设备的硬件配置不一样（比如芯片型号不同，有的是高通芯片，有的是华为芯片，有的是联发科芯片），操作系统也不一样（有的用安卓，有的用iOS，有的用工业专用系统）。

这就导致边缘AI模型很难“统一”：为了在不同的设备上运行，工程师需要把同一个AI模型，改成适合不同设备的版本——比如给高通芯片的设备改一个版本，给华为芯片的设备改一个版本，给工业设备改一个版本。这个过程很麻烦，需要耗费大量的时间和人力。

比如一个简单的“人脸识别”AI模型，工程师要先针对手机的芯片做优化，让它在手机上能快速运行；然后再针对智能门锁的芯片做优化，因为智能门锁的芯片算力比手机弱，需要进一步简化模型；还要针对智能摄像头的芯片做优化，因为摄像头需要实时处理视频流，对模型的速度要求更高。如果有10种不同的边缘设备，可能就要做10个不同版本的模型，效率很低。

这就像不同国家的人说不同的语言，要和所有人沟通，就得学10种语言，很费劲。边缘AI的“模型难统一”，是它面临的第二个“拦路虎”。

（三）“安全有风险”：小设备也会“被攻击”

很多人觉得，边缘AI在本地处理数据，不用传云端，所以很安全。其实不是这样的，边缘设备也会面临安全风险，而且因为边缘设备数量多、分布广，有些设备还在户外（比如马路上的摄像头、农田里的传感器），很容易被人破坏或攻击。

比如有人破解了智能门锁的边缘AI系统，就能伪造指纹或人脸，打开门锁；有人攻击了工厂里的边缘传感器，篡改了传感器收集的数据（比如把温度数据改低），边缘AI就会误以为机器温度正常，不会发出警报，可能导致机器过热损坏；有人攻击了交通信号灯的边缘AI，篡改了车辆数量的数据，信号灯就会做出错误的决策（比如把车多的路绿灯时间缩短），导致交通拥堵甚至事故。

而且边缘设备的安全防护能力通常比云端弱——云端的数据中心有专业的安全团队、复杂的防火墙，而边缘设备体积小，没办法装太多安全防护软件，很容易成为“突破口”。这就像家里的大门，虽然有锁，但如果锁的质量不好，就容易被小偷撬开。边缘AI的“安全风险”，是它面临的第三个“拦路虎”。

六、边缘AI的未来：5年后，它会变成什么样？

虽然有“拦路虎”，但边缘AI的未来依然值得期待。随着技术的发展，这些“烦恼”会慢慢被解决，边缘AI会变得更强大、更普及，甚至会改变我们的生活方式。我们可以大胆想象一下，5年后的边缘AI会是什么样？

本小章还未完，请点击下一页继续阅读后面精彩内容！

（一）“算力小钢炮”：边缘设备能扛“大任务”

未来5年，边缘设备的算力会大幅提升，就像以前的手机只能打电话、发短信，现在能玩大型游戏、做视频剪辑一样。一方面，芯片技术会进步，比如更先进的纳米工艺（比如2纳米、1纳米芯片），能在更小的体积里集成更多的晶体管，让边缘设备的芯片算力更强；另一方面，AI模型的轻量化技术会更成熟，能把更大的AI模型“压缩”得更小，让边缘设备也能跑起来。