边缘智能还能怎么玩？KubeEdge AI SIG 带你飞

全球人工智能市场将在未来几年经历现象级的增长。据德勤研究推算，世界人工智能市场将在2020年达到6800亿元人民币，复合增长率达26.2%。

到2024年，边缘人工智能芯片销量预计将超过15亿片，年销量增长率将达到至少20%。

此外，据市场调研机构MarketsandMarkets预测，全球边缘人工智能（Edge AI）软件市场规模将从2018年的3.56亿美元增长到2023年的11.52亿美元，在2018~2023年的预测期内，复合年增长率（CAGR）为26.5％。

MarketsandMarkets报告中指出越来越多的应用采用边缘AI软件，这也将为边缘AI软件供应商打开全新的增长机遇。

在KubeEdge社区中，AI类应是使用最多的边缘应用，目前有非常多的开发者和用户正在基于KubeEdge部署边缘AI应用，他们在边缘AI研究和生产实践中，认为目前业界广泛采用的“云上训练，边缘推理”这种模式过于简单，边缘AI仍然有着诸多挑战。比如：

• 边缘节点软/硬件异构，边缘存在多种异构资源和多种AI框架，适配复杂，工作量大。硬件如GPU、TPU、FPGA、华为昇腾、百度昆仑、寒武纪等，AI框架如Tensorflow、 Pytorch、 PaddlePaddle、 MindSpore等。

• 边缘资源受限，智能硬件成本高，越来越多的应用对性能、低功耗要求更高。

• 需要严格保护用户隐私数据。

• 边缘数据样本少，冷启动等问题，传统大数据驱动的统计ML方法面临无法收敛、效果差等问题。

• 边缘数据异构，边缘数据在时间和空间统计分布Non-IID，比如摄像头的角度、远近等导致云上训练大而全的模型推到边缘时效果并不理想。

因此，KubeEdge社区中的AI玩家，按照CNCF成熟治理模式，发起AI SIG（特别兴趣小组），希望团结社区的力量，一起解决上述挑战，帮助AI应用更好地运行于边缘。

KubeEdge SIG AI的工作范围包括但不仅限于如下内容：

• 与AI平台、边缘智能硬件厂商展开广泛的合作，实现自动化的边缘异构资源适配和编排。如GPU，NPU，Tensorflow，Pytorch，KubeFlow，ONNX等。

• 边缘数据集管理、边缘模型管理、跨边数据同步等。

• 端边云协同训练和推理，高效合理利用端、边、云的各类资源，并能根据负载，应用类型实时的模型调度，实现高性能和低成本兼备的边缘AI系统。

• 终身学习，解决边缘数据样本少，统计分布Non-IID，冷启动等问题，边缘AI越用越聪明。

• 边缘AI benchmark相关工作，识别边缘AI系统中最重要的指标，帮助用户评估边缘AI系统的功能和性能。

KubeEdge SIG AI生态全景图：

KubeEdge SIG AI的工作范围不包括如下内容：

• 通用AI训练和推理平台

• 研究具体的AI算法，如目标检测，物体识别等

AI作为第四次工业革命的核心引擎，将深刻改变人类社会。边缘计算将打通AI的最后一公里，让智能触手可及，AI的新机会在边缘！欢迎大家关注和参与KubeEdge SIG AI, 一起推动边缘AI的发展和成熟。