如何下好AIoT的边缘计算这盘大棋?

如今，行业流行将AI与IoT结合到一起来看，也就是“AI+IoT”，熟称AIoT，。人工智能技术与物联网在应用场景中进行融合，无疑是行业发展必然趋势，当然无论是AI，还是物联网，都离不开一个关键：数据。

数据是互联互通的基础，对于如何存储数据?如何对数据进行处理?在科学技术的发展史上做过诸多的研究，如云服务，让数据发挥价值提供了保障。随着5G时代的来临，对数据的处理要求越来越高，AIoT的实现对数据处理提出了更高的需求，而边缘计算的处理能力就很好的解决这一问题。为此，电子发烧友采访了索喜科技(上海)有限公司销售部项目总监赵辉。

赵辉指出，云计算是集中式大数据处理，而边缘计算则可以理解为边缘式大数据处理。不同的是边缘计算无需将数据传到遥远的云端，在边缘侧就能解决，因此边缘计算能更实时、更快速地进行数据分析和处理。另外，边缘计算关键优势则是与安全性和合规性，由于边缘设备能够在本地进行数据处理，因此即使遭到网络攻击，所受影响也不会那么严重。

面对AIoT市场，Socionext如何抓住机会?

赵辉谈到，前不久Socionext 推出的SC2002(M11S)图像处理器，这款处理器具备有卓越的背光校正功能和低照度摄影功能，不同于市面上的低照度摄像机，搭载SC2002影像处理器的监控摄像机能在不借助任何光照或红外线补光技术，仅凭借其高效能和低功耗的特征，就能实现影像的检测、识别和预测。

在硬件方向，SC2002更搭载最新的H.265视频编码器及高性能影像处理功能，且其一大特点是在通常操作情况下其功耗低于1.5W。主要有几大功能：

其一，DOL WDR(数字重叠宽动态技术) ，WDR将两三幅以不同曝光拍摄的影像合成，达至120dB的动态范围，从而当影像包含不同光量的区域时提高可视性;

其二，HEVC编码器，HEVC编码器以H.264的一半比特率保持详细信息。能有效改善静态物件的锐度、保持移动物件的轮廓、降低移动物件的块状噪声及减小网络带宽;

其三，视频解析功能，内置的DSP和HW核心实现智慧功能，让不同应用成真;

如何降低物联网设备功耗，一直以来都是开发者的最为关心的，SC2002图像处理器采用ROI智能编码技术，可以根据要求对视频进行智能编码，并在不损失图像质量的前提下，优化视频编码性能，大幅降低网络带宽占用率和减少存储空间。具体技术参数如下：

AIoT的边缘计算，市场趋势如何?

回顾过去20年我们看到，2000年前后随着IT技术的进步带动了中国PC的普及，随之诞生了BAT这类互联网企业。之后智能手机的普及推动了一大批像美团、滴滴出行这类移动互联网公司的发展。赵辉谈到，目前在人工智能的研究与发展方面，中国技术已经达到了世界领先水平，并涌现出大批独角兽公司。作为信息时代的尖端技术，人工智能产业已经成为了社会经济发展的新引擎。

随着AI技术的不断普及，以及不断和商业结合，市场将出现更多新的产业，加上5G技术的落地，AIoT的边缘计算预计会在自动辅助驾驶、安防和智慧城市等多个领域有更多开花。

而图像处理技术是索喜科技擅长的领域之一，独自研发的Milbeaut®系列成像处理器可以跟踪记录数码单反相机、智能手机、监控摄像头和其他各种摄像头，提供多种解决方案，SC2002图像处理器就属于Milbeaut®系列产品。

赵辉指出，“物联网和AI市场爆发式的增长加速了物联网和人工智能的融合，AIoT必将是未来发展的一大趋势，甚至可能进一步改变原有的产业生态。一直以来，索喜科技都十分看好中国AIoT市场，并期望通过努力开拓与本土企业的合作，助力中国AIoT产业发展。”

可以预见，未来三年很可能是边缘计算的爆发期。随着5G商用落地不断逼近，它将对边缘计算起到一定的促进作用，为边缘计算扫除网络带宽的限制。伴随着物联网终端设备的不断涌现，边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场。

小结：AIoT带来市场需求主要表现在两个方面：一是对芯片低功耗、低成本并能有效完成AI运算(边缘计算)需求;二是IoT需求碎片化严重，对AI算力的需求也不尽相同，需要做一些定制化的服务。只有从IoT的不同场景出发，增加提升性能的同时、降低功耗和成本、满足边缘计算以及跨设备形态，才能符合市场需求。

边缘智能计算计算人工智能

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。