“Hey, Siri！”
如果你在看這篇文章，我敢打賭你一定對著你的手機或者智慧音響說過類似的這句話，目的是為了喚醒它，給你講個笑話什麼的。
這個喚醒裝置的過程背後，依靠的正是我們今天要討論的Edge AI的技術。
Edge AI（也有公司把它叫做邊緣智慧）從2017年，甚至更早以前，就已經頻頻出現在各大公司的釋出會和科技部落格上。只不過如今的Edge AI早已不再是概念驗證階段的技術了， 科技巨頭們已經為這個市場投入重金，谷歌，微軟，亞馬遜，NVIDIA，高通，英特爾……這個名單還將持續下去。
如果你並不熟悉這個概念也沒關係，因為它解釋起來非常簡單。Edge AI就是指在硬體裝置上本地執行AI演算法，演算法使用的資料（包括感測器資料或訊號）也是來自裝置本身產生的資料，整個過程無需進行任何網路連線。
相信你已經注意到了，無需聯網，這的確是Edge AI非常重要的一個特點。在公有云大行其道，很多公司都在把資料儲存到雲端的今天，Edge AI看上去像是在逆水行舟。
其實並非如此，當所有人都把資料和處理分析過程放到雲上進行，整個過程雖然是可靠的，但延遲性的問題卻凸顯了出來，特別是對於需要即時決策的應用來說。而且如果雲資料中心所處的地理位置離你越遠，資料傳輸以及處理這一過程所帶來的延遲相應也會越高。你應該也很難想象，一輛自動駕駛汽車行駛在繁忙的城市主幹道上，它的每一步決策卻都需要依賴千里之外的一個雲資料中心，關鍵時刻哪怕是小於1秒的網路延遲都極有可能帶來致命的失誤。甚至，雲資料中心還有可能出現當機的情況，而本地化的Edge AI則完全不會。
資料安全同樣也是Edge AI的一個優勢，如果你不需要將資料傳輸到雲端，而是保留在本地，你也就不太需要擔心它的安全或隱私問題了。
不僅如此，在商業化市場中，成本始終是所有廠商關注的重點，工業物聯網裝置會產生大量資料，但如果在雲中傳輸或儲存所有資料，帶來的將會是極大的成本消耗，以及附加的效率降低等一系列問題。Gartner預測，到2025年，至少會有75%的資料處理將會在雲端或者資料中心之外的地方進行。
當然，Edge AI讓谷歌們都動心的原因還在於，我們身處的環境中到處都有微處理器和感測器的身影，當AI能夠利用感測器資料，並且在微處理器上執行推理時，Edge AI就能真正發揮其巨大的潛力。TensorFlow的技術負責人Pete Warden在他今年的一次演講中曾經提到，目前全世界範圍內共有1500億個嵌入式處理器，平均每人擁有的嵌入式微處理器超過20個，這個數量還在以每年20%的速度增長，而且沒有任何跡象顯示這種增長有放緩的趨勢。所以，即使不考慮未來還將繼續擴大的市場，只是針對目前的存量資料進行開發利用，這一領域的市場規模都將是超乎我們想象的龐大。
圖：SensorTile from STMicroelectronics
MCU: Cortex-M4F
6-Axis IMUs: accelerometer(s), gyroscope, magnetometer
Environmental Sensors: pressure, temperature, humidity
Acoustic Sensor: MEMS microphone
Qeexo AutoML可執行在Cortex M0-M4的MCU上
不過，顯然這些運算能力以及記憶體空間非常受限的微處理器能夠提供給AI的施展空間並不大，這也是為什麼谷歌在2017年推出TensorFlow Lite，這一針對移動和嵌入式裝置的輕量級解決方案。同樣，Qeexo今年10月推出的AutoML也是專為這些裝置服務，而且與TensorFlow相比更加輕量化。
有了Edge AI，可以預想IoT裝置和智慧裝置將會迎來一輪新的爆發。隨著所有公司都期待能為自己的裝置和系統加入“智慧”，如果能夠滿足這些智慧平臺的計算需求，市場一定將會迎來顯著的增長。
眼下，Edge AI已經在預測性維護，自動駕駛，智慧家電等領域已經開始發揮作用，更重要的是，這一技術帶給我們的想象空間還很大、很大。
我想用微軟研究院機器學習和優化研究組的負責人Ofer Dekel曾經分享過的一個案例作為結尾，讓每一個人都能更簡單地體會到Edge AI到底會為我們的社會和生活帶來怎樣的改變。
“在Ofer Dekel家的花園裡，松鼠經常啃咬花苞，偷吃投喂器裡的鳥食，這使得他和家人無法欣賞到綻放的花朵和悅耳的鳥鳴。為了解決這個問題，Dekel訓練了一個計算機視覺模型來偵測松鼠的出沒，並將程式碼部署到Raspberry Pi 3（一種廉價且計算能力有限的單板計算機）上。該裝置時刻監測著Dekel的後院，一旦有松鼠光顧，就會觸發噴灌系統。”
有了這個裝置之後，我猜想Dekel和家人可能再也沒有擔心過鬆鼠給他們帶來的麻煩了。
當然，Raspberry Pi在Edge AI領域還不能算作是很“小”的裝置，在接下來的文章裡面我們還會介紹更多在更小的裝置上執行Edge AI的案例。如果你感興趣的話，可以繼續關注我們的部落格。