边缘智能还能怎么玩?KubeEdge AI SIG 带你飞

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。

边缘计算 5G AI

2020-12-27 1711

边缘智能还能怎么玩?KubeEdge AI SIG 带你飞

全球边缘人工智能市场规模不断扩大,边缘AI软件成为新一轮增长机遇



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%。

1.png

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%。


2.png

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。

3.png


KubeEdge社区发起AI SIG,破局边缘AI面临的诸多挑战


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:

4.png


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。


相关文章

X

Linux基金会开源软件学园 Copyright © 2019-2024 linuxfoundation.cn, ICP license, no. 京ICP备17074266号-2