“Hey, Siri！”
如果你在看这篇文章，我敢打赌你一定对着你的手机或者智能音箱说过类似的这句话，目的是为了唤醒它，给你讲个笑话什么的。
这个唤醒设备的过程背后，依靠的正是我们今天要讨论的Edge AI的技术。
Edge AI（也有公司把它叫做边缘智能）从2017年，甚至更早以前，就已经频频出现在各大公司的发布会和科技博客上。只不过如今的Edge AI早已不再是概念验证阶段的技术了， 科技巨头们已经为这个市场投入重金，谷歌，微软，亚马逊，NVIDIA，高通，英特尔……这个名单还将持续下去。
如果你并不熟悉这个概念也没关系，因为它解释起来非常简单。Edge AI就是指在硬件设备上本地执行AI算法，算法使用的数据（包括传感器数据或信号）也是来自设备本身产生的数据，整个过程无需进行任何网络连接。
相信你已经注意到了，无需联网，这的确是Edge AI非常重要的一个特点。在公有云大行其道，很多公司都在把数据存储到云端的今天，Edge AI看上去像是在逆水行舟。
其实并非如此，当所有人都把数据和处理分析过程放到云上进行，整个过程虽然是可靠的，但延迟性的问题却凸显了出来，特别是对于需要即时决策的应用来说。而且如果云数据中心所处的地理位置离你越远，数据传输以及处理这一过程所带来的延迟相应也会越高。你应该也很难想象，一辆自动驾驶汽车行驶在繁忙的城市主干道上，它的每一步决策却都需要依赖千里之外的一个云数据中心，关键时刻哪怕是小于1秒的网络延迟都极有可能带来致命的失误。甚至，云数据中心还有可能出现宕机的情况，而本地化的Edge AI则完全不会。
数据安全同样也是Edge AI的一个优势，如果你不需要将数据传输到云端，而是保留在本地，你也就不太需要担心它的安全或隐私问题了。
不仅如此，在商业化市场中，成本始终是所有厂商关注的重点，工业物联网设备会产生大量数据，但如果在云中传输或存储所有数据，带来的将会是极大的成本消耗，以及附加的效率降低等一系列问题。Gartner预测，到2025年，至少会有75%的数据处理将会在云端或者数据中心之外的地方进行。
当然，Edge AI让谷歌们都动心的原因还在于，我们身处的环境中到处都有微处理器和传感器的身影，当AI能够利用传感器数据，并且在微处理器上执行推理时，Edge AI就能真正发挥其巨大的潜力。TensorFlow的技术负责人Pete Warden在他今年的一次演讲中曾经提到，目前全世界范围内共有1500亿个嵌入式处理器，平均每人拥有的嵌入式微处理器超过20个，这个数量还在以每年20%的速度增长，而且没有任何迹象显示这种增长有放缓的趋势。所以，即使不考虑未来还将继续扩大的市场，只是针对目前的存量数据进行开发利用，这一领域的市场规模都将是超乎我们想象的庞大。
图：SensorTile from STMicroelectronics
MCU: Cortex-M4F
6-Axis IMUs: accelerometer(s), gyroscope, magnetometer
Environmental Sensors: pressure, temperature, humidity
Acoustic Sensor: MEMS microphone
Qeexo AutoML可运行在Cortex M0-M4的MCU上
不过，显然这些运算能力以及内存空间非常受限的微处理器能够提供给AI的施展空间并不大，这也是为什么谷歌在2017年推出TensorFlow Lite，这一针对移动和嵌入式设备的轻量级解决方案。同样，Qeexo今年10月推出的AutoML也是专为这些设备服务，而且与TensorFlow相比更加轻量化。
有了Edge AI，可以预想IoT设备和智能设备将会迎来一轮新的爆发。随着所有公司都期待能为自己的设备和系统加入“智能”，如果能够满足这些智能平台的计算需求，市场一定将会迎来显著的增长。
眼下，Edge AI已经在预测性维护，自动驾驶，智能家电等领域已经开始发挥作用，更重要的是，这一技术带给我们的想象空间还很大、很大。
我想用微软研究院机器学习和优化研究组的负责人Ofer Dekel曾经分享过的一个案例作为结尾，让每一个人都能更简单地体会到Edge AI到底会为我们的社会和生活带来怎样的改变。
“在Ofer Dekel家的花园里，松鼠经常啃咬花苞，偷吃投喂器里的鸟食，这使得他和家人无法欣赏到绽放的花朵和悦耳的鸟鸣。为了解决这个问题，Dekel训练了一个计算机视觉模型来侦测松鼠的出没，并将代码部署到Raspberry Pi 3（一种廉价且计算能力有限的单板计算机）上。该设备时刻监测着Dekel的后院，一旦有松鼠光顾，就会触发喷灌系统。”
有了这个设备之后，我猜想Dekel和家人可能再也没有担心过松鼠给他们带来的麻烦了。
当然，Raspberry Pi在Edge AI领域还不能算作是很“小”的设备，在接下来的文章里面我们还会介绍更多在更小的设备上运行Edge AI的案例。如果你感兴趣的话，可以继续关注我们的博客。
