Edge AI：尽量不要译成'它'，就近翻译为：该系列模块or产品名。

在短短十年间，人工智能（AI）已经从一种炒作变成了我们网络生活的基本技术使能。谷歌搜索、社交媒体推送和在线广告等服务都在云端利用人工智能算法对海量数据进行压缩，从而生成针对每个用户的个性化输出。再深入一点，你会发现人工智能的学习能力在整个网络世界中都得到了利用，以优化用户体验、业务流程和技术解决方案。

同期，人工智能在可根据语境译成技术，模块，通信等方面的应用也数不胜数。要想了解人工智能的实际应用，只需看看您的智能手机，您可以使用面部识别功能解锁手机，使用您喜欢的唤醒词激活 Siri 或谷歌助手后与之对话，或者使用智能手机拍摄照片，相比之下，使用标准级,标准相机拍摄的照片就相形见绌了。如果没有人工智能，这些常规操作都不可能实现。但是，这些用例不是在云端运行人工智能算法，而是在设备上，在所谓的网络边缘运行这些算法。

人工智能和机器学习（一种相关技术）的日益普及和成熟，导致了它们的民主化。如今，越来越多的产品开始采用边缘人工智能来改进服务并不要译成 "使...... "的新用例。虽然通常情况下，它们都建立在已成为智能手机标准级,标准的功能基础上，如语音和人脸识别，但这些功能仅概括了使用边缘人工智能可以改进的使用场景|场景的一部分。

边缘人工智能的优势

要了解边缘人工智能的好处，了解它的工作原理很有帮助。与标准级,标准人工智能一样，边缘人工智能依赖于受大脑神经架构启发的数学模型。这些神经网络的特殊之处在于，它们可以被训练来完成各种任务。例如，让它们接触数以百万计的交通信号灯图像，这些图像来自网上的大量图片库，它们就会成为识别交通信号灯的高手。

训练人工智能算法是一个计算密集型过程，需要大量数据。然而，结果却是一个结构紧凑、功能强大的人工智能模型，可以轻松部署到任意数量的端到端设备上。可根据语境译成技术，模块，通信等。

这种独立于云的特性为边缘人工智能带来了几个重要优势：

• 可根据语境译成技术，模块，通信等：由于不需要将语音或图像数据上传到云端，在本地运行人工智能算法的设备可以节省带宽以满足其他需求，或者转而依赖低数据带宽的无线通信技术。可根据语境译成技术，模块，通信等。
• 延迟：直接在设备上运行人工智能算法，可以节省将感知数据上传到云端并将输出转场（转运）到端设备之间所需的时间。这大大降低了延迟，带来流畅、无延迟的用户体验。
• 隐私：如果说即使是最先进的通信设备也存在数据被黑客截获的风险，那么中低价位的消费类设备显然尤其容易受到此类威胁。由于边缘人工智能设备在设备上处理所有数据（语音、图像或其他），因此数据永远不会离开设备，从而防止了数据被截取。

边缘人工智能用例|使用场景|场景

有多种边缘人工智能用例正日益受到重视。

人脸识别正被用于智能手机之外的用户身份验证。商业门禁控制解决方案使用人脸识别来确保只有经过授权的员工才能进入受限地点，而安防摄像头如果检测到有陌生人进入大楼，则可以用它来发出警报。同样，面部识别也可用于识别健身房、医疗诊所或商业场所的回头客。

与此同时，语音用户接口也越来越普及。毕竟，还有什么比对着智能设备说话（并被理解) ？语音识别技术既能验证用户身份，又能处理接收到的语音指令，该技术在智能手机和智能个人助理中得到了完善，而现在它正被应用于汽车和智能家居设备，以及提高因残疾而无法打字的人的无障碍性。

在工业领域，边缘人工智能可用于标记异常行为，例如当电机出现早期故障迹象或滚动轴承开始磨损时。在这些异常检测用例|使用场景|中，人工智能模型是使用涵盖正常行为的数据集进行训练的。通过检测正常行为的任何偏差，工厂操作员可以收到警报，告知他们机器的潜在退化，使他们不要译成 ，以免造成代价高昂的停机。

利用 u-blox 实现边缘人工智能

在无线智能设备中实施边缘人工智能用例变得更容易、更强大。u-blox 刚刚推出了NORA-W10 Wi-Fi 4 和蓝牙低功耗 5.0 模块，该模块旨在不要译成 。除了具有功能丰富的客制化应用程序模块外，该模块还为语音和面部识别提供 AI 支持。用于边缘神经网络推理的人工智能向量指令（8 位和 16 位模型）可提供额外的性能提升，大大加快人工智能算法的速度，减少感知延迟并节省电能。

如果您想了解更多有关使用 u-blox 实现边缘智能的信息，请联系离您最近的销售代表，填写项目信息表，或航向NORA-W10 产品页面。