Edge AI คืออะไร

ความสามารถแบบใหม่ที่ edge ที่พัฒนามาจากความก้าวหน้าด้านประสิทธิภาพและประสิทธิผลการประมวลผล กำลังผสานรวมโลกจริงกับโลกดิจิตัลเข้าด้วยกัน Edge AI ซึ่งนำ AI มายังอุปกรณ์และเซ็นเซอร์ในเครื่อง ช่วยให้วิเคราะห์ข้อมูลและดำเนินการได้อย่างรวดเร็วโดยเป็นอิสระจากคลาวด์หรือศูนย์ข้อมูล ซึ่งช่วยปลดล็อกการตอบสนองและข้อมูลเชิงลึกแบบเกือบเรียลไทม์ เพิ่มประสิทธิภาพ ลดต้นทุนการดำเนินงาน และยกระดับความสามารถในการมอบประสบการณ์แบบใหม่ให้กับลูกค้า

บทบาทของ AI at the Edge

ไม่ว่าเป้าหมายสุดท้ายจะเป็นการปรับเวิร์กโฟลว์การถ่ายภาพทางการแพทย์ให้เป็นอัตโนมัติเพื่อเร่งความเร็วในการวิเคราะห์ หรือปรับปรุงประสิทธิภาพการดำเนินงานของโรงงานแปรรูปโลหะ บทบาทของ AI at the edge ก็เหมือนกัน นั่นคือ ใช้ประโยชน์จากข้อมูลเพื่อดำเนินการที่รวดเร็วขึ้น ภายในขอบเขตของ AI สิ่งนี้เกิดขึ้นได้โดยผ่านงานที่เรียกว่า การอนุมาน

ในระหว่างการอนุมาน ข้อมูลอินพุตแบบสดจะถูกป้อนเข้าในโมเดล AI ที่ผ่านการฝึกฝนแล้วเพื่อดำเนินการตามหน้าที่ต่าง ๆ เช่น การตัดสินใจ การส่งการแจ้งเตือน การให้ข้อมูลเชิงลึก หรือการทำงานให้เสร็จสิ้น เช่น การจัดเรียงรูปภาพ

Edge AI มักใช้อุปกรณ์ Internet of Things (IoT) รวมถึงกล้อง แหล่งข้อมูล และเซ็นเซอร์ เพื่อรวบรวมและวิเคราะห์ข้อมูลในสถานการณ์จริง สมมติว่าบริษัทพลังงานหรือสาธารณูปโภคต้องการรักษาความปลอดภัยของตึกอาคาร ท่อส่งน้ำ หรือระบบไฟฟ้าจากผู้ประสงค์ร้าย วิดีโอความปลอดภัยและข้อมูลเซ็นเซอร์สามารถประมวลผลได้ที่ Edge เพื่อแจ้งเตือนผู้ปฏิบัติงานเกี่ยวกับภัยคุกคามแบบเกือบเรียลไทม์ได้โดยอัตโนมัติ ด้วยความสามารถในการรวบรวมและประมวลผลข้อมูลแบบเกือบทันที Edge AI เพิ่มขีดความสามารถขององค์กรอย่างมาก เพื่อใช้งานแอปพลิเคชันและประสบการณ์ที่ใช้ AI at the edge ตั้งแต่แชทบอตที่ทำงานบนตู้บริการอัตโนมัติของธนาคาร รถยนต์ที่มีระบบควบคุมรถให้อยู่ในเลนอัตโนมัติและหลีกเลี่ยงการชน ไปจนถึงการแจ้งเตือนภัยอันตรายหรืออุบัติเหตุด้านความปลอดภัยแบบเกือบเรียลไทม์บนถนนในเมืองหรือในพื้นที่โรงงาน รูปแบบการใช้งาน Edge AI ในอุตสาหกรรมต่าง ๆ มีความหลากหลายครอบคลุมอย่างมาก

Edge AI เทียบกับ AI แบบดั้งเดิม

ก่อนหน้านี้ AI ใช้งานบนคลาวด์เป็นหลัก โดยข้อมูลจะถูกส่งไปยังศูนย์ข้อมูล ประมวลผลและส่งกลับหลังการวิเคราะห์ โมเดลโครงสร้างพื้นฐานการประมวลผลที่เน้นระบบคลาวด์นี้ ไม่ตอบโจทย์กระบวนการและการดำเนินงานขององค์กรที่ต้องใช้เวลานาน

รูปแบบการใช้งานการอนุมานขององค์กรต่าง ๆ ได้ประโยชน์จากการวิเคราะห์ข้อมูลอย่างรวดเร็ว ซึ่งบ่อยครั้งต้องใช้การประมวลผลข้อมูลแบบเรียลไทม์และมีข้อกำหนดความหน่วงที่เข้มงวด และบ่อยครั้งจำเป็นต้องติดตั้งในสถานที่ที่มีการเชื่อมต่อที่ไม่ดี ทำให้เสี่ยงต่อความล่าช้าและเกิดข้อผิดพลาดจากการสูญหายของแพ็กเก็ตข้อมูลระหว่างการส่งผ่านไปยังและจากระบบคลาวด์

เพื่อจัดการกับความต้องการและความท้าทายเหล่านี้ Edge AI ทำการวิเคราะห์ข้อมูลที่แหล่งข้อมูล เช่น พื้นที่โรงงาน โรงพยาบาล หรือหน้าร้าน อัลกอริทึมถูกปรับใช้ในไซต์ซึ่งข้อมูลถูกประมวลผลในฮับส่วนกลางหรือโดยตรงบนอุปกรณ์ Edge ด้วยโปรเซสเซอร์ในตัว

Edge AI แบบไฮบริด

ทั้งสองวิธีการนี้ edge AI และ cloud AI ไม่สามารถเกิดขึ้นพร้อมกัน ขณะที่ AI at the Edge ก้าวหน้า มีการคาดการณ์ว่าวิธีการ Edge แบบไฮบริดที่กระจายเวิร์กโหลดการอนุมานระหว่าง Edge กับคลาวด์จะถูกนำไปใช้อย่างกว้างขวาง แนวคิดคือ ข้อมูลเชิงลึกแบบเกือบเรียลไทม์น้ำหนักเบาที่ Edge สามารถเพิ่มเติมด้วยบริบทที่ลึกขึ้นบนคลาวด์

โดยการผสานรวมความเร็วและประสิทธิภาพของ Edge เข้ากับทรัพยากรบนคลาวด์ที่ปรับขยายได้ Edge แบบไฮบริดจะช่วยให้แอปพลิเคชันที่ทันสมัยรองรับสภาพแวดล้อมการปรับใช้งานที่หลากหลายและความต้องการด้านประสิทธิภาพ วิธีการแบบไฮบริดยังจะช่วยให้องค์กรสามารถรวมอินพุตจากหลายโมเดลเข้าในกระบวนการได้

ขณะที่ Edge AI มักเชื่อมโยงกับคอมพิวเตอร์วิทัศน์ แต่ภูมิทัศน์ Edge AI มีการขยายอย่างรวดเร็วครอบคลุมแอปพลิเคชันแบบหลายโมเดลที่เกี่ยวข้องกับ Generative AI (GenAI) ภาษาธรรมชาติ (ข้อความเป็นคำพูด, แชทบอท) และหุ่นยนต์ รูปแบบการใช้งานที่เกิดขึ้นใหม่เหล่านี้คาดว่าจะสร้างการปฏิวัติอุตสาหกรรม ในการผลิต ซอฟต์แวร์ที่ขับเคลื่อนด้วย generative AI สามารถรองรับซัพพลายเชนที่คล่องตัวและเปลี่ยนแปลงตลอดเวลา ขณะที่รถยนต์อัตโนมัติ และโครงสร้างพื้นฐานอัจฉริยะสามารถช่วยให้ เมืองอัจฉริยะลดความเครียดในสภาพแวดล้อมและปรับการไหลของการจราจรให้เหมาะสมที่สุด

ประโยชน์ของ Edge AI

Edge AI สามารถช่วยให้องค์กรจัดการกับความท้าทายที่ซับซ้อนในการแก้ปัญหาในสถานการณ์จริง ประโยชน์ที่ได้จากการนำ AI มาสู่ Edge มีดังนี้:

• ความเร็วและประสิทธิภาพในการดำเนินงาน: สำคัญอย่างยิ่งต่อนวัตกรรมใหม่ ระบบอัตโนมัติที่ใช้ AI ที่ Edge ช่วยให้สามารถดำเนินงานได้อัตโนมัติแบบเกือบเรียลไทม์ ขจัดความล่าช้าจากการประมวลผลบนคลาวด์ ความหน่วงแฝงและปัญหาคอขวดของเครือข่ายลดลง ส่งผลให้อัตราการถ่ายโอนข้อมูลเพิ่มขึ้น
• ความคุ้มค่า: ปริมาณข้อมูลที่เพิ่มขึ้นจากเซ็นเซอร์และอุปกรณ์ทำให้การประมวลผลที่ Edge คุ้มค่ามากกว่าการส่งข้อมูลไปกลับบนคลาวด์ ใช้แบนด์วิดธ์ลดลง และใช้ทรัพยากรบนคลาวด์นลดลง ช่วยลดต้นทุนการดำเนินงาน
• การประหยัดพลังงาน: อุปกรณ์ Edge AI แบบประหยัดพลังงานออกแบบมาเพื่ออำนวยความสะดวกในการประมวลผลที่ใช้พลังงานต่ำ และอาจมีประสิทธิภาพเหนือกว่าการประมวลผลบนคลาวด์อย่างมาก ขณะเดียวกัน ฮาร์ดแวร์ระบบเครือข่าย เช่น เราเตอร์และสวิตช์ใช้พลังงานลดลง เนื่องจากปริมาณการรับส่งข้อมูลจากศูนย์ข้อมูลลดลง
• ความเป็นอิสระด้านความปลอดภัยและข้อมูล: การเก็บข้อมูลสำคัญไว้ที่ Edge ช่วยลดความเสี่ยงด้านความปลอดภัยและความเป็นส่วนตัว โดยมั่นใจได้ว่ามีควบคุมภายใน การควบคุมตนเอง และการปฏิบัติตามกฎระเบียบ

ข้อควรพิจารณาเกี่ยวกับ Edge AI

การนำ AI มาใช้ในสภาพแวดล้อม Edge สร้างความท้าทายใหม่เมื่อเทียบกับการเรียกใช้งาน AI บนคลาวด์แบบสาธารณะหรือส่วนตัว รวมถึง:

• การเพิ่ม AI ในการลงทุนที่มีอยู่: สภาพแวดล้อม Edge หลายแห่งมีโครงสร้างพื้นฐานการทำงานแบบคงที่แบบเก่า พร้อมเครื่องมือและซอฟต์แวร์ที่มีกรรมสิทธิ์มากมาย เทคโนโลยีที่เป็นกรรมสิทธิ์ที่มีรูปแบบที่เข้ากันไม่ได้ อาจแสดงถึงความท้าทายด้านเทคนิคเมื่อผสานรวมเข้ากับโซลูชัน Edge
• โมเดลการฝึกฝนและการปรับแต่ง: โมเดล Edge AI มีความแตกต่าง และต้องปรับแต่งเฉพาะตามอุตสาหกรรมหรือรูปแบบการใช้งาน ความรู้ของมนุษย์มีความสำคัญอย่างยิ่งในกรณีเช่นนี้ องค์กรต้องการเครื่องมือง่าย ๆ ที่ช่วยให้ผู้เชี่ยวชาญที่ไม่ใช่ด้านวิทยาศาสตร์ข้อมูล สามารถเปลี่ยนความเชี่ยวชาญของพวกเขาเป็นความสามารถด้าน AI
• การจัดการกับความหลากหลายของฮาร์ดแวร์: แอปพลิเคชัน Edge มีแนวโน้มครอบคลุมโหนด ระบบปฏิบัติการ โปรโตคอลการเชื่อมต่อ ความต้องการด้านการประมวลผลและอุปกรณ์จัดเก็บข้อมูล ข้อจำกัดด้านพลังงานและต้นทุน และข้อกังวลด้านการปฏิบัติตามกฎระเบียบ นักพัฒนาโปรแกรมต้องการวิธีการจัดการกับความซับซ้อนนี้ และสนับสนุนสภาพแวดล้อมการประมวลผลที่แตกต่างกันและกระจายอยู่
• การรักษาความปลอดภัยและการจัดการแอปพลิเคชันแบบกระจาย: องค์กรต่าง ๆ ต้องเผชิญกับความท้าทายใหม่เมื่อต้องการรองรับ AI ขั้นสูงที่ Edge ความสามารถในการจัดการมีความสำคัญอย่างยิ่งต่อการใช้ A ในวงกว้าง และการรักษาความปลอดภัยเป็นสิ่งจำเป็นในทุกขั้นตอนตลอดเส้นทาง
• การวางแผนสำหรับสภาพแวดล้อมที่ทนทานหรือมีข้อจำกัด: สภาพแวดล้อม Edge สร้างความเครียดแบบต่าง ๆ บนฮาร์ดแวร์ AI เช่น ความร้อน ความชื้น หรือการสั่นสะเทือน โซลูชัน Edge AI สำหรับรูปแบบการใช้งาน เช่น การติดตามการจราจรหรือการประกันคุณภาพ มักติดตั้งในพื้นที่ที่มีอสังหาริมทรัพย์ไม่มาก การทำให้ทุกสิ่งเกิดขึ้นได้โดยใช้พลังงานต่ำ มีความสำคัญต่อการควบคุมต้นทุนและการส่งเสริมความยั่งยืน

โซลูชัน Edge AI

วิธีการปรับการดำเนินธุรกิจให้ทันสมัยด้วยเทคโนโลยี Edge AI เป็นหัวข้อที่ลึกซึ้งและมีหลากหลายแง่มุม องค์กรบางแห่ง เช่น องค์กรการผลิตและอุตสาหกรรมต้องการเพิ่มเทคโนโลยี Edge และ “อัจฉริยะ” ให้กับอุปกรณ์ปฏิบัติการแบบเก่า ขณะเดียวกันกำลังเปลี่ยนไปสู่องค์กรดิจิทัลที่ใช้ข้อมูลแบบเกือบเรียลไทม์เพื่อเพิ่มมูลค่า องค์กรอื่น ๆ เช่น องค์กรในอุตสาหกรรมการเงินและการดูแลสุขภาพ มีการดำเนินงานแบบรวมศูนย์ข้อมูล ซึ่งกว้างขวางหรือแตกต่างกันอย่างมากเกินกว่าที่จะตรวจสอบและวิเคราะห์โดยคนได้ องค์กรเหล่านี้กำลังเปลี่ยนไปสู่ดิจิทัลและปรับกระบวนการข้อมูลให้เป็นอัตโนมัติ เพื่อหารูปแบบและข้อมูลเชิงลึกที่รวดเร็วขึ้น และเพื่อปรับปรุงประสิทธิภาพ การปฏิบัติตามกฎระเบียบ และความปลอดภัยของข้อมูล

ไม่ว่าองค์กรจะพยายามจัดการกับความท้าทายใดก็ตาม ขอแนะนำให้จัดการการเปิดใช้งาน AI ในขั้นตอนต่าง ๆ ขณะที่รูปแบบการใช้งานขั้นสูงและครอบคลุมวงกว้างส่วนใหญ่ต้องใช้ AI tech stackจากเทคโนโลยี edge-to-cloud การเริ่มต้นใช้งาน Edge AI สามารถทำได้โดยไม่ต้องลงทุนในโครงสร้างพื้นฐานอย่างหนัก ธุรกิจในสภาพแวดล้อม Edge ในปัจจุบันพร้อมเริ่มต้นใช้งาน AI ได้ทันที ทรัพยากรการประมวลผล Edge ที่มีอยู่ เช่น ระบบ Point of Sale (POS) พีซีอุตสาหกรรม และเซิร์ฟเวอร์ภายในสำนักงานการดูแลสุขภาพ สามารถรองรับเวิร์กโหลด AI ได้มากมาย รวมถึงคอมพิวเตอร์วิทัศน์

ข้อควรพิจารณาในการรวม

ความท้าทายหลักในการนำโซลูชัน Edge AI มาใช้ คือ การจัดการความซับซ้อนที่เกิดขึ้นจากการประสานส่วนต่าง ๆ ที่ประกอบขึ้นเป็นโซลูชัน รวมถึงโครงสร้างพื้นฐานการประมวลผล อุปกรณ์ IoT และอุปกรณ์ดั้งเดิม แพลตฟอร์มเทคโนโลยีแบบรวมเป็นหนึ่งเดียวสามารถช่วยลดความซับซ้อนนี้ และส่งเสริมการทำงานร่วมกันระหว่างสภาพแวดล้อม AI ที่หลากหลาย และการกำหนดมาตรฐานข้ามโครงสร้างพื้นฐานที่แตกต่างกัน เพื่อสร้างระบบแบบรวมที่เป็นหนึ่งเดียวจาก Edge ถึง Cloud

ข้อควรพิจารณาเกี่ยวกับฮาร์ดแวร์

ไม่ว่าจะเป็นโมเดลการฝึกอบรมบนคลาวด์ การปรับแต่งหรือการปรับใช้ที่ edge การเลือกฮาร์ดแวร์ AI ที่เหมาะสม สามารถช่วยให้ธุรกิจลงทุนได้อย่างเหมาะสมและสนับสนุนข้อกำหนดด้านประสิทธิภาพ
โปรเซสเซอร์ AI รองรับเส้นทาง AI ตั้งแต่การฝึกอบรมโมเดลที่ซับซ้อนอย่างมากไปจนถึงความต้องการ AI ที่ง่ายขึ้น รวมถึงการรวม AI ในอุปกรณ์ของผู้ใช้

• หน่วยประมวลผลกลาง (CPU) ที่มีเอนจินตัวเร่งในตัวสามารถช่วยขับเคลื่อนเวิร์กโหลด Edge AI ขั้นสูงจำนวนมากโดยไม่จำเป็นต้องใช้ฮาร์ดแวร์เฉพาะทาง
• โซลูชัน GPU สามารถช่วยขับเคลื่อนเวิร์กโหลดที่ต้องใช้ทรัพยากรมากที่สุดในศูนย์ข้อมูลที่ Edge หรือในอุปกรณ์ของผู้ใช้
• FPGA มักถูกใช้เป็นตัวเร่งความเร็ว AI และโปรเซสเซอร์ AI เพื่อช่วยเปิดใช้งานเวิร์กโหลด AI จาก Edge ไปจนถึง Cloud เมื่อเทียบกับ CPU และ GPU แล้ว FPGA มีความอเนกประสงค์มากกว่า และสามารถกำหนดค่าใหม่ให้เหมาะสมกับรูปแบบการใช้งานที่หลากหลาย FPGA มาพร้อมความเร็ว ความสามารถในการตั้งโปรแกรม และความยืดหยุ่น เพื่อมอบประสิทธิภาพโดยปราศจากต้นทุนและความซับซ้อนในการพัฒนาชิปแบบกำหนดเอง

การเลือกวิธีการนำไปใช้

องค์กรที่ต้องการขยายแอปพลิเคชัน AI ไปยัง Edge โดยทั่วไปแบ่งออกเป็นสามประเภท: องค์กรที่ต้องการซื้อโซลูชัน AI หรือแอปพลิเคชันที่สร้างขึ้นเพื่อวัตถุประสงค์เฉพาะ องค์กรที่ต้องการสร้างแอปพลิเคชัน AI ของตนเอง และองค์กรที่ต้องการบรรลุเป้าหมาย AI ของตนด้วยวิธีการทั้งสอง

การสร้างโซลูชัน AI: สำหรับผู้ที่ต้องการสร้างโซลูชัน Edge AI ของตนเองตั้งแต่เริ่มต้น แพลตฟอร์มซอฟต์แวร์ Edge-native ที่ไม่ขึ้นกับผู้ขายสามารถช่วยคุณสร้าง ปรับใช้ และทำซ้ำเวิร์กโฟลว์ AIและมีความสามารถในการทำงานร่วมกันและสนับสนุนโปรโตคอลที่กว้างขวางที่สุด แพลตฟอร์ม Edge-native หลังการปรับใช้ ยังช่วยให้การจัดการและอัปเดตซอฟต์แวร์ AI ในสภาพแวดล้อม Edge แบบกระจายทั้งหมดง่ายขึ้น

ในการตรวจสอบแพลตฟอร์ม สิ่งสำคัญคือต้องมองหา:

• การสนับสนุนสภาพแวดล้อมการประมวลผลที่แตกต่างกันที่พบบ่อยทั่วทั้ง Edge
• มาตรฐานแบบเปิดที่ช่วยสนับสนุนความพยายามด้าน AI ที่รองรับอนาคต
• ตัวเลือกการพัฒนาแบบ Pro-code และ Low-code
• ความสามารถในการนำเข้าแอปพลิเคชันที่มีอยู่
• แดชบอร์ดโทรมาตรในตัวที่สามารถช่วยให้มีฮาร์ดแวร์ ที่มีขนาดเหมาะสมและปรับประสิทธิภาพการใช้งานที่เหมาะสม
• ความสามารถในการรักษาความปลอดภัยแบบรวม
• ฟีเจอร์การปรับขยายอัตโนมัติและคอนเทนเนอร์แบบเดียวกับคลาวด์

การซื้อโซลูชัน AI สำเร็จรูป: องค์กรขนาดใหญ่สามารถซื้อโซลูชัน AI จากผู้ให้บริการโซลูชันหรือผู้รวมระบบได้ ผู้จำหน่ายเหล่านี้มีระบบฮาร์ดแวร์และซอฟต์แวร์แบบรวม ที่ปรับแต่งตามรูปแบบการใช้งานและความต้องการเฉพาะในอุตสาหกรรมได้ สิ่งสำคัญ คือการเลือกโซลูชันที่พร้อมรองรับตลาด ที่มีความสามารถ AI ที่ทำงานร่วมกันได้ และรับรองการใช้งานที่พิสูจน์แล้วในอุตสาหกรรมและโดเมนเฉพาะทาง

การใช้วิธีการแบบรวม: หลายองค์กรพบว่าการรวมความพยายามในการพัฒนาของตนเองเข้ากับส่วนประกอบแบบสำเร็จรูป เป็นวิธีที่มีประสิทธิภาพมากที่สุดในการบรรลุความสำเร็จด้าน AI มีบทช่วยสอนและแหล่งข้อมูลที่สาธิตรูปแบบการใช้งาน Edge AI และสามารถช่วยเร่งเวลาในการสร้างมูลค่าและทำให้การพัฒนาง่ายขึ้น นอกจากนี้ ยังมีแหล่งข้อมูลซอฟต์แวร์มากมายที่สามารถช่วยลดความยุ่งยากในการพัฒนา รวมถึงเฟรมเวิร์ก ชุดเครื่องมือ เครื่องมือการพัฒนาที่เจาะจงอุตสาหกรรม สถาปัตยกรรมอ้างอิง และการใช้งานอ้างอิง