供應鏈中的邊緣人工智能受內存限制嗎？

2024-04-18 來源：國際電子商情

3278

人工智能(AI)被認為是制造業、物流業和供應鏈等垂直領域的變革力量。“人工智能的集成”為企業提供了簡化生產流程、節約資源和提升整體服務的工具。

此外，邊緣計算與人工智能流程的融合，即邊緣人工智能，它代表了一種革命性的解決方案，可提高各種運營的效率、響應速度和整體性能，但其應用也伴隨著一系列挑戰。

隨著對邊緣實時決策和數據處理的需求不斷增加，邊緣人工智能內存限制的問題也日益凸顯。自適應邊緣技術不斷產生數據，不但帶來了全新的機遇也帶來了諸多的挑戰，需要創新的解決方案來確保無縫集成。

邊緣人工智能中內存處理功耗占比大

在邊緣人工智能的應用中，內存處理的功耗占比較大。據谷歌研究發現，移動系統中約有60%的功耗，由芯片內片上存儲器和片內存儲器之間的數據傳輸所帶來。降低功耗是邊緣人工智能的一個重點，對此有人提出將所有內存整合到單顆芯片上的方案。然而，現有的片上SRAM(靜態隨機存取存儲器)在尺寸和能效方面仍面臨挑戰。

為了克服性能瓶頸，谷歌、Facebook、亞馬遜、蘋果等行業巨頭及其他關鍵參與者，都在積極探索邊緣硬件解決方案。有前景的方法包括：利用MRAM(磁阻式隨機存取內存)，它是一類非易失性存儲器，可消除內存泄漏，且其能效、耐用性和產量都比SRAM高?！揪幷甙矗簝却嫘孤┲赋绦蛑幸褎討B分配的堆內存由于某種原因程序未釋放或無法釋放，造成系統內存的浪費，導致程序運行速度減慢甚至系統崩潰等嚴重后果。】

同時，英特爾的3D XPoint、PCM(相變存儲器)和ReRAM(可變電阻式存儲器)等存儲應用也越來越受到重視，成為供應鏈中維持邊緣人工智能發展勢頭的方法之一。

為供應鏈邊緣的人工智能指明方向

預計到2031年，全球邊緣人工智能的市場規模將達到760億美元，對全面內存解決方案的需求顯而易見。無論是傳統技術、前沿創新，還是混合方法，人們都在盡力尋求最佳解決方案。隨著大型企業積極收購規模較小的行業初創企業的風潮興起，供應鏈中的邊緣人工智能正在改變內存的游戲規則。

邊緣人工智能在物流和供應鏈應用中的使用率之所以呈上升趨勢，是因為該技術具有廣泛的優勢：

實時決策：邊緣人工智能可在源頭，即時對數據進行處理和分析，從而便于實時決策。這種靈活性在應對供應鏈中斷、優化路線，以及迅速響應不斷變化的需求方面至關重要。
降低延遲：通過在邊緣設備本地處理數據，邊緣計算與人工智能的融合可最大限度地減少延遲，確保更快的響應時間。這對時間敏感型供應鏈的運營尤為重要，例如訂單履行、庫存管理等。
帶寬優化：這種集成技術減少了將大量數據傳輸到中央服務器的需求，優化了帶寬利用率。對于偏遠或帶寬受限地區的供應鏈應用是有利的，它可提高整體網絡效率。
提高安全與隱私：處理敏感數據下放到本地，可以提高安全與隱私。邊緣人工智能允許關鍵決策在不過度依賴外部服務器的情況下進行，降低了數據泄露的風險，并確保符合數據保護法規。
成本效率：該技術最大限度地減少了對大量云計算資源的需求，從而節省了成本。本地化處理可降低數據傳輸成本，對擁有分布式供應鏈網絡的公司尤為有利。
可擴展性和靈活性：集成了人工智能的邊緣系統可以輕松擴展，以適應不斷變化的供應鏈需求。這種靈活性允許與現有系統無縫集成，并適應不斷變化的運營需求。
提高偏遠地區的可靠性：在連接性困難的供應鏈場景中，該技術可確保更可靠的運行。即使在網絡連接時斷時續或網絡不穩定的地區，本地化處理也能保證系統功能持續運行。
能量效率：邊緣人工智能設備旨在優化能耗，使其適用于電力資源有限的應用場景。這種能效在偏遠地區或移動供應鏈運營中尤為重要。
定制化的機器學習模型：該技術允許開發和部署針對特定供應鏈挑戰量身定制的機器學習模型，可確保決策過程更加準確、有效。
適應物聯網集成：隨著物聯網設備在供應鏈中日益普及，邊緣人工智能可與這些設備無縫集成。這種集成增強了從各種物聯網傳感器和設備收集、分析和處理數據的能力。