物联网“新篇章”：如何将机器学习引入边缘计算？（二）
更新时间：2019-10-26 作者：晓天电器
但是，仅使用云计算来部署人工智能的方式，与将云计算与边缘计算有效结合起来应用人工智能的方式截然不同。数据科学家依靠云计算来摄取和存储大量数据集，并识别数据中的模式和关系，在建立模型的整个过程中，训练和优化机器学习模型需要大量计算资源，因此与云计算是天然良配。
而实际上，最终的、经过优化的机器学习模型在推理的过程中并不需要太多的资源。所以为了确保 IoT 应用程序以非常低的延迟获得推理结果，我们就可以把训练放在云端，推理放在边缘侧，以达到利用云端去训练机器学习模型，利用边缘设备实时进行推理，甚至在没有互联网的环境中产生数据时，也能实现高速响应业务变化并作出决策。
例如，在智慧农业的场景中，装在农田里的传感器会对收集的环境数据进行实时决策。但在这些场景中，设备通常无法保证连接到互联网，这时就更加需要边缘端实时作出决策，待设备具备互联网连接时，再同步数据到云端。
广阔的市场前景，潜在的应用范围，毋庸置疑，人工智能让边缘计算更有价值。据美国市场调研公司 CB Insights 估算，到 2023 年全球边缘计算行业，整体市场容量有望达到 340 亿美元。其中包括亚马逊、微软、谷歌在内的几大公有云巨头的争相布局也说明了边缘计算未来发展的无限潜力，尤其在智能家居领域，边缘计算如何发挥更大价值已成为行业的主要研究方向。
智能家居中的边缘智能
目前，智能家居中的大部分智能设备主要还是通过云计算来实现设备交互，但设备对云计算的强依赖同样会产生响应速度慢、延迟感强、网络故障等诸多问题。这时，填补目前云计算特性不足并提升计算效率的边缘计算，在智能家居领域中强势崛起。
据麦肯锡预测，到 2025 年，全球联网设备总量将达 750 亿。从智能的家庭监控摄像头，到智能门锁，智能空调等，对于每天要处理大量 IoT 数据的智能家居行业来说，边缘计算将成为必然选择。
以格兰仕的智慧家居数字化转型为例，自 1978 年 9 月 28 日创立以来，格兰仕历经多次转型，从轻纺明星企业，到微波炉“黄金品牌”，再到综合性白色家电集团，成为中国家电产业的龙头企业之一。然而随着科技的发展和消费需求的变化，为了应对智能化制造、精益化管理等一系列挑战，格兰仕决定开启第四次转型 —— 数字化转型。
