企業(yè)通過(guò)使用分布式混合云架構(gòu)部署人工智能，越來(lái)越多地獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

這是由兩個(gè)因素驅(qū)動(dòng)的：首先，邊緣生成的數(shù)據(jù)比以往任何時(shí)候都多。事實(shí)上，據(jù)預(yù)測(cè)，到2025年，50%的企業(yè)生成數(shù)據(jù)將在傳統(tǒng)數(shù)據(jù)中心或云計(jì)算之外進(jìn)行處理。最近的一項(xiàng)全球調(diào)查發(fā)現(xiàn)，78%的IT決策者認(rèn)為，將IT基礎(chǔ)設(shè)施轉(zhuǎn)移到數(shù)字邊緣是其業(yè)務(wù)經(jīng)得起未來(lái)考驗(yàn)的優(yōu)先事項(xiàng)。

其次，將大量數(shù)據(jù)轉(zhuǎn)移到集中位置的人工智能訓(xùn)練基礎(chǔ)設(shè)施引擎進(jìn)行處理，意味著企業(yè)將花費(fèi)寶貴的時(shí)間和費(fèi)用。除此之外，合規(guī)和隱私法規(guī)通常要求將人工智能數(shù)據(jù)處理和分析保留在原籍國(guó)，這進(jìn)一步證明了在多個(gè)國(guó)家分配工作負(fù)載的合理性。

讓我們深入探討三個(gè)不同的行業(yè)用例，分布式人工智能正在幫助企業(yè)節(jié)省成本、滿(mǎn)足監(jiān)管需求并實(shí)現(xiàn)新的技術(shù)進(jìn)步。

在降低成本的同時(shí)獲得實(shí)時(shí)零售洞察

許多大型零售商正在通過(guò)利用分布式數(shù)字基礎(chǔ)設(shè)施戰(zhàn)略尋找競(jìng)爭(zhēng)優(yōu)勢(shì)。他們正在使用IDC最近確定的一種越來(lái)越流行的人工智能部署策略：在核心開(kāi)發(fā)人工智能，如在云或區(qū)域數(shù)據(jù)中心，并在邊緣部署人工智能推理模型，然后用新的區(qū)域數(shù)據(jù)重新訓(xùn)練模型以適應(yīng)應(yīng)用。

例如，使用分布式混合云模型的零售商，可能首先將其店內(nèi)攝像頭信息和庫(kù)存管理數(shù)據(jù)，發(fā)送到托管大都市數(shù)據(jù)中心，以建立區(qū)域人工智能模型，并利用聯(lián)合人工智能方法來(lái)整合區(qū)域模型。

然后，它將這些優(yōu)化的人工智能模型部署到門(mén)店，以執(zhí)行低/預(yù)測(cè)延遲人工智能模型推理，從而深入了解庫(kù)存、員工輪班管理、購(gòu)物者購(gòu)買(mǎi)趨勢(shì)預(yù)測(cè)和廣告投放建議。

從一個(gè)大都市數(shù)據(jù)中心部署人工智能推理引擎，比在每個(gè)零售地點(diǎn)維護(hù)和服務(wù)這些服務(wù)器更具成本效益。這種分布式人工智能基礎(chǔ)設(shè)施，使零售商能夠在一個(gè)區(qū)域快速處理和分析洞察，最終提高他們的利潤(rùn)。

維護(hù)視頻監(jiān)控中的隱私和合規(guī)性

據(jù)聯(lián)合國(guó)貿(mào)發(fā)會(huì)議稱(chēng)，世界上大多數(shù)(71%)國(guó)家/地區(qū)都制定了有關(guān)隱私和數(shù)據(jù)保護(hù)的立法。分布式數(shù)據(jù)管理和人工智能架構(gòu)可以在幫助企業(yè)確保合規(guī)性方面發(fā)揮關(guān)鍵作用。

例如，一家在全球多個(gè)都市區(qū)設(shè)有站點(diǎn)的大型房地產(chǎn)管理企業(yè)，可以為其全球數(shù)百個(gè)安全攝像頭利用分布式AI架構(gòu)，通過(guò)在數(shù)據(jù)收集地部署人工智能來(lái)保持對(duì)當(dāng)?shù)仉[私法規(guī)的合規(guī)性。

在企業(yè)經(jīng)營(yíng)所在的不同國(guó)家/地區(qū)擁有集中式設(shè)施，確保企業(yè)不會(huì)將數(shù)據(jù)發(fā)送到另一個(gè)可能與數(shù)據(jù)來(lái)源國(guó)不具有相同合規(guī)法規(guī)的國(guó)家/地區(qū)，從而違反當(dāng)?shù)仉[私法。

除了實(shí)現(xiàn)隱私和數(shù)據(jù)使用合規(guī)性之外，該模型還通過(guò)將人工智能推理堆棧托管在單個(gè)地鐵位置，而不是每個(gè)設(shè)施來(lái)降低成本，即使它在數(shù)百個(gè)位置中的每個(gè)位置都現(xiàn)場(chǎng)處理運(yùn)動(dòng)檢測(cè)數(shù)據(jù)。

通過(guò)區(qū)域更新實(shí)現(xiàn)自動(dòng)駕駛

如果沒(méi)有人工智能基礎(chǔ)設(shè)施，由高級(jí)駕駛輔助系統(tǒng)(ADAS)啟用的自動(dòng)駕駛汽車(chē)無(wú)法解決某些用例。ADAS要求人工智能決定車(chē)輛應(yīng)如何與周?chē)h(huán)境互動(dòng)，尤其是在與自行車(chē)和行人等弱勢(shì)道路使用者互動(dòng)時(shí)。

測(cè)試車(chē)輛為訓(xùn)練人工智能模型而生成的數(shù)據(jù)量是巨大的，對(duì)于2級(jí)和3級(jí)ADAS（車(chē)輛可以根據(jù)環(huán)境調(diào)整速度、剎車(chē)和做出決策），每輛車(chē)每天產(chǎn)生的數(shù)據(jù)量在20TB到60TB之間。人工智能使聯(lián)網(wǎng)車(chē)輛能夠比使用傳統(tǒng)基礎(chǔ)設(shè)施更快、更具成本效益地從測(cè)試車(chē)隊(duì)中收集和處理這些大型數(shù)據(jù)集。

分布式人工智能基礎(chǔ)設(shè)施正在定義下一代車(chē)輛的機(jī)動(dòng)性和自主性。例如，聯(lián)網(wǎng)車(chē)輛利用高清地圖為汽車(chē)提供有關(guān)標(biāo)牌和街道的信息。

但是，當(dāng)施工區(qū)或道路危險(xiǎn)在一夜之間出現(xiàn)時(shí)會(huì)發(fā)生什么？分布式人工智能基礎(chǔ)設(shè)施不需要每輛車(chē)單獨(dú)處理道路危險(xiǎn)，而是允許將這些危險(xiǎn)發(fā)送到一個(gè)區(qū)域位置，然后將危險(xiǎn)傳達(dá)給該地區(qū)的所有車(chē)輛。

順應(yīng)數(shù)據(jù)流

沒(méi)有什么比人工智能更能感受到數(shù)據(jù)的引力了。為了充分利用其人工智能基礎(chǔ)設(shè)施，企業(yè)需要評(píng)估集中、區(qū)域或本地部署這些基礎(chǔ)設(shè)施的價(jià)值。這樣做將節(jié)省時(shí)間、金錢(qián)和寶貴的延遲速度。