【资料图】
在过去的十年里，人工智能 (AI) 已由一个概念转变为人们生活中必不可少的一项技术。搜索、社交媒体源、在线广告等服务都使用 AI 算法，并在云端对海量数据进行多元化处理，进而为每位用户量身打造定制服务。此外，AI 的自主学习能力在网络应用中也无处不在，包括优化用户体验、业务流程和技术解决方案等。
与此同时，AI在联网设备中也开始得到广泛应用，例如通过人脸识别解锁手机、拍摄照片等应用。但值得一提的是：这些应用的AI计算在终端设备上就可实现，即边缘 AI 算法。
AI及相关的机器学习技术逐渐普及和成熟，越来越多的产品集成了边缘 AI，帮助改善用户服务体验并能支持全新的应用场景。语音及人脸识别等手机标配功能仅仅是边缘AI应用的很小一部分，未来将会有更多场景使用到边缘AI技术。
与标准人工智能类似，边缘 AI 依赖于模拟人脑神经网络结构创建的数学模型，并通过训练完成各种任务。例如，在接触过网络上大量红绿灯图片之后，这些神经网络就会轻而易举地识别此类图片。
训练AI算法的过程需要大量数据，并且涉及大量的计算。但最终得到的是体积小、功能强的 AI 模型，可以轻松部署到任意数量的终端设备上。如果这些设备具有足够的计算资源，那么运行算法时就不需要云端连接。
人脸识别除了可以在智能手机上使用，也可以在其他场景中用于用户验证。例如，商业门禁解决方案通过人脸识别来确保进入限制区域的员工均经过授权，而安保摄像头则可以利用人脸识别功能在检测到陌生人进入建筑时触发警报。同样，在健身房、医疗诊所或商业场馆，人脸识别还可以用来辨别客户。
与此同时，语音用户界面也越来越流行。毕竟，直接与智能设备对话应该是最方便的互动方式了。语音识别技术可以验证用户身份，处理输入的语音指令，近年来在智能手机和智能个人助理的应用中被逐渐完善，现在已经开始出现在汽车和智能家居设备应用中，同时还为无法打字的残疾人士带来了便利。
在工业领域，边缘AI可用于标记设备的异常行为，例如电机出现故障的早期特征或轴承的磨损迹象。针对此类异常检测应用场景，我们使用包含正常行为的数据集对AI模型进行训练。只要检测到任何偏离标准的情况，工厂操作人员就会收到警报，从而能够了解机械设备潜在的故障并且尽早进行处理，避免停机所造成的高昂经济和时间损失。
在无线智能设备中部署边缘 AI 应用场景已经变得非常便捷，而且其性能也更强大。u-blox刚刚推出了NORA-W10 Wi-Fi 4和蓝牙低功耗5.0模块，专为实现和加速边缘AI应用部署而设计。NORA-W10模块除了采用高性能open CPU来支持功能丰富的客户应用，还支持语音和人脸识别的 AI计算。用于边缘神经网络推理（8 位和 16 位模型）的AI矢量指令可以带来额外的性能提升，显著加快AI算法速度，降低感知延迟，并且还能减少耗电量。
