來源：TechWeb.com.cn
人工智慧和機器學習算法增加了嵌入式視覺系統的複雜性，使設計人員可以決定在邊緣或雲中部署此類系統。在過去的項目中嘗試了各種邊緣和雲處理的組合之後，我們認為應該在邊緣完成繁重的工作。最明顯和最有價值的優勢是，它大大減少了將大量數據發送到雲端進行處理時可能出現的延遲或延遲程度。
無論是工業應用，聯網自動駕駛汽車還是其他一些消費類技術；只要邊緣具有足夠的計算能力，在該處運行算法總是儘可能高效，安全和經濟高效–儘可能靠近圖像和數據的來源。
技術以邊緣為中心
在邊緣擁有足夠的處理能力並不總是一件容易的事。實際上，由於底層晶片組技術的成本和功能限制，許多應用程式被迫在雲中進行處理。
然而，在過去的三年中，視覺和人工智慧的交集發生了重大變化。隨著產品開發人員（例如相機製造商、分析開發人員、安全公司等）對邊緣處理的需求不斷增加，許多晶片組提供商已經解決了這一難題，並在短短幾年內發布了能夠進行更強大處理的硬體。
創新的速度令人印象深刻。實際上，今天發布的幾乎所有用於相機和視覺系統的片上系統（SoC）都帶有板載GPU，這使基於AI的系統中的分析處理變得容易。
2020年及以後消費者對視覺的需求
儘管存在所有不利因素，但這種流行病還有助於加速邊緣AI創新。許多始終基於親臨現場的流程已移至遠程工作，這也意味著遠程視覺。對視覺系統的需求越來越廣泛，例如監視、健康和安全檢查、醫療設備、研究、遠程教育等等。
在這一點上，硬體已經趕上了要與視頻實時操作，以通過AI進行實時處理。已經出現了許多有趣的平臺，它們可以處理基於雲的系統並與之競爭，並使離線系統可以在邊緣處理基於AI的分析。
結合更高的消費者需求和更強大的技術能力，我們相信在未來三年中，嵌入式視覺的邊緣處理將迅速發展。知名度高的品牌和全新的初創企業以出色的產品創意進入行業。
產品開發的競爭優勢歸於合作者
通過像iENSO這樣的工程/商業服務公司可以提供幫助，公司是否已擁有經驗豐富的內部團隊也沒關係。實際上，嵌入式視覺仍然是一個複雜且發展迅速的領域，這意味著即使在許多知名企業中也選擇不保留內部技能集。
對於剛進入嵌入式視覺領域的產品公司，尤其是規模較小或處於早期階段的公司，這是一個巨大的飛躍，需要僱用20名工程師組成的完整團隊並在內部建立這種能力。這不僅是成本問題，而且是尋找合格人員的挑戰和延誤。
各種規模的產品公司都希望專注於其核心產品技術和具有競爭力的秘密調味料，同時尋找具有專業知識的合作夥伴來擴大內部團隊並為其開發AI和相關的視覺系統。從技術角度和協作角度來看，這為整個行業生態系統中的邊緣AI創造了巨大的機會。
隨著對視覺數據更強大的離線處理的需求不斷增長，具有多核CPU，嵌入式GPU和所有相關開發工具的新技術平臺以及產品公司與嵌入式視覺工程專家之間令人興奮的合作，視覺的未來是在邊緣。
（免責聲明：本網站內容主要來自原創、合作媒體供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，並對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或連結內容可能涉嫌侵犯其智慧財產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，並提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件後，將會依法儘快聯繫相關文章源頭核實，溝通刪除相關內容或斷開相關連結。 ）