边缘需要多少计算能力？对于处于边缘人工智能来说，多少内存和存储空间才足够？随着人工智能为需要更多更快处理、存储和内存的创新应用打开大门，最低要求也在不断增长。当今的内存和存储技术如何满足这些具有挑战性的新边缘应用的严格要求？
我们所说的“边缘”是什么意思
边缘包括任何分布式应用，其中特定处理在服务器之外进行，即使数据最终被发送到数据中心。它的主要想法是避免将所有数据，通过互联网发送到服务器上进行处理，而是允许数据在离收集地点更近的地方进行处理，避免长时间数据往返带来的延迟问题，并实现接近实时的现场响应。
边缘大致根据服务器到端点的距离进行划分。所谓的近边缘可以包括靠近数据中心的应用，甚至可能是在同一栋建筑内。在自动驾驶汽车等应用中，这一趋势走向了另一个极端。重叠的特性是边缘系统处理传统上发送到数据中心的数据，这在许多行业都有实际应用。
工业边缘的数据延迟和带宽
在工业应用中，边缘计算机通常被设计为从传感器或其他设备接收输入，并对输入进行相应的操作。例如，预防性维护采用声学、振动、温度或压力传感器读数，并对其进行分析，以识别表明机器存在轻微故障的异常情况。
机器可以立即离线，或者在需要时离线，以便在发生灾难性故障之前进行维护。反应时间必须很快，但数据量很低。然而，人工智能正在给这些边缘系统带来压力。
人工智能对边缘处理负载的影响
人工智能给计算机系统带来了不同的负载。人工智能工作负载需要更快的处理器、更多的内存和强大的GPU。例如，AOI已经被广泛应用于PCB检测，使用来自高速摄像机的视频输入来识别缺失的组件和质量缺陷。事实上，类似的视觉检测技术正被广泛应用于农业等不同行业，它可以用于识别产品中的缺陷和变色。
在视频输入上执行复杂的算法需要耗电的GPU卡的并行处理能力，更多的内存用于高效和准确的AI推理，更多的存储空间用于额外的数据，但这些已经存在于数据中心。
将数据中心的电力带到了边缘
从本质上说，为了在边缘处理人工智能任务，我们正在弥合边缘和数据中心之间的差距。隐藏在温控数据中心的服务器拥有TB的内存和大量的存储空间，可以处理特定的高容量负载并保持系统快速工作。
但当涉及到在远离数据中心的地方进行推断时，情况就不同了。边缘电脑不喜欢这种田园诗般的环境，必须能够承受恶劣的环境。边缘需要硬件，争取最大的性能，同时考虑到不理想的条件。
