人工智能开始从云转移到边缘。人工智能BAV99W-7研究现在提供了一个有趣的可能性，即使用数千小时强大的计算资源来训练和改善神经网络，然后在廉价的低功耗设备上运行。这使得边缘AI设备是可能的，设备也可以运行，所以不需要网络连接。该方法利用进化神经网络训练技术(如对抗神经网络)的强大功能。
使用有限的神经网络进行能量和存储的训练过程自然会创建一个神经网络，将其有限的资源集中在更有用的路径上，并修剪关键区域。过程非常适用于低功耗、低成本设备的网络。然后，神经网络压缩技术可以进一步压缩训练有素的网络，将内存需求降低90%，几乎不影响性能——类似的技术也有助于减少计算负荷。
神经网络压缩可以像降低变量精度一样简单，但也包括网络分析、重组和修剪。令人惊讶的是，巨大的计算能力(可以描述为“智能和经验”)可细化为低功耗设备和低功耗设备的形式。(事实上，从广义上讲，我们可以将这种方法与数十亿年的对抗进化进行比较，最终在小地方包装智能生活DNA链中）。
如果你认为人工智能意味着人类智能的学习和改进，那么边缘计算策略的目标似乎与常识背道而驰。这是因为许多简单的边缘应用程序最好由设备提供，部署后不会有明显的变化或改进——我们只是希望它们能够可靠和可预测地执行任务。
对于低成本的边缘设备和物联网设备，AI工具包不断扩大，价格不断下降。从支持的角度看新产品的范围，从支持新产品的范围看。AI的FPGA神经网络加速器，如神经网络加速器，Redpine的QueSSence智能互联智能互联平台UPAICoreX本系列是典型的低功耗计算和连接模块模块AI加速功能，非常适合物联网边缘设备。
人工智能使革命性的新产品成为可能
想象一下，添加AI如何改进日常设备和物联网？低成本板载AI它可以改变最常见的设备——例如，为开关添加可靠的语音识别，以实现免提操作——但让我们来看看一些更复杂的潜在应用程序：
配备人工智能的安全摄像头可以快速学会识别熟悉的面孔、宠物等，并在看到意想不到的人或动物时触发警报。即使你断开电源和网络，你也可以决定是否发出警报，这显然是对安全设备的奖励！该智能安全摄像头的功能可以远远超过传统的自动摄像头。例如，它可以识别和警告火灾、泄漏、结构故障（如屋顶或窗户损坏）和其他危险和事件。
训练有素的发动机监控系统可用于车载AI功能：通过集成传感器读数、振动模式分析等线索优化异常测量性能。在某些情况下，这种广泛的传感器集成分析超出了传统算法和人类工程师的能力。AI无网络连接的工作能力允许超低延迟响应的实时微调性能。由于远程位置或射频干扰以及移动应用程序（如车辆和飞机）的巨大优势，网络连接困难。
机器中的幽灵：问题及解决方案
人工智能可能是不可预测的，因为我们没有机会进行测试。考虑如何缓解这个问题，比如为用户提供退货模式。这可能会使他们关闭“智能”人工智能允许设备返回更简单的旧算法，所以虽然没有先进的人工智能功能，但它仍然是功能性和有用的。此外，虽然车载智能是一个关键的卖点，但开发人员仍然可以权衡何时在边缘做出决定，何时推回云或需要手动指导（事实上，这个选择本身可能来自设备）AI实时指导)。
智能哑光设备
将人工智能包装成低功耗、低成本设备的强大潜力，为改造普通商品设备、增值、开发新产品、开拓新市场提供了几乎无限的机遇。