定义边缘 AI

边缘 AI 是指将 AI 算法放在本地设备而非云端处理，这项技术正在为深度神经网络 (DNN) 作为主要算法组件的工业和汽车应用带来新的可能性。为了在尺寸、功耗、散热和成本受限的环境下高效运行，边缘 AI 应用需要高速和低功耗处理，以及特定于应用和其任务的高级集成。图 1 展示了一些可使用边缘 AI 处理来提高性能和效率的应用。例如，使用视觉输入的边缘 AI 系统可以通过单个摄像头在生产线上实现质量控制，或通过多个摄像头帮助在汽车或移动机器人中实现功能安全。

边缘 AI 系统可以帮助提高仓库和工厂的效率，增加城市、建筑和农业的安全性和效率，并让家庭和零售环境智能化。以下是几个需要高效边缘 AI 处理的系统示例：

1. 高级驾驶辅助系统 (ADAS)：ADAS 技术可以提供车辆周围环境的信息，使驾驶更加便利、轻松和安全。大多数 ADAS 功能都基于视觉系统，从多个摄像头传感器获取高分辨率输入，并使用深度学习和计算机视觉算法来解读这些图像。
2. 自主移动机器人和无人机：要打造商业机器人，片上系统 (SoC) 必须能够以高速、低功耗的方式处理复杂的感知和导航栈，并具有优化的系统成本。为了尽可能低提高系统效率，SoC 还必须卸载各种计算密集型任务，比如图像去扭曲、立体深度估算、缩放、图像锥体生成和深度学习等。
3. 智能购物车：大多数智能购物车都配有多个视觉传感器，可以通过摄像头和计算机视觉自动检测商品。智能购物车可以在商品放入购物车时计算订单总价，向消费者推荐购物清单项目，并允许消费者在购物车上为商品买单，从而为客户提供更加个性化的购物体验，并避免排队结算的麻烦。
4. 边缘 AI 盒：边缘 AI 盒是零售自动化、工厂监控和楼宇监控系统中所用摄像头系统的智能扩展。尽管存在尺寸限制以及功耗和散热方面的挑战，但高吞吐量的 AI 技术使得该盒子能够面向更多摄像头执行智能处理。
5. 机器视觉摄像机：机器视觉摄像机用于光学字符识别、物体识别、缺陷检测和机械臂引导，利用嵌入式 AI 技术进一步简化产品开发并提高系统准确性。

表 1 列出了各种应用的系统要求。