Jadual Kandungan
Fahami perbezaan antara storan jauh dan storan tempatan
Memilih antara awan dan Edge AI
Ambil langkah pertama ke arah mengguna pakai kecerdasan buatan
Mewujudkan ruang yang lebih pintar, selamat dan lebih mampan
Rumah Peranti teknologi AI Cloud vs edge AI: Apakah yang terbaik untuk kemudahan anda?

Cloud vs edge AI: Apakah yang terbaik untuk kemudahan anda?

Apr 28, 2023 am 09:46 AM
AI awan

云 VS 边缘 AI:什么最适合你的设施?

Pengurus bangunan sedang menyepadukan teknologi pintar ke dalam hartanah yang mereka bertanggungjawab pada kadar yang tidak pernah berlaku sebelum ini. Menurut Juniper Research, bilangan bangunan pintar di seluruh dunia akan meningkat 150% menjelang 2026, daripada 45 juta bangunan tahun ini kepada lebih 115 juta. Terdapat sebab yang baik untuk peningkatan dramatik dalam penggunaan ini. Perisian dan sistem automasi canggih menawarkan pemilik peluang untuk memantau parameter operasi secara berterusan seperti penghunian, kualiti udara dalaman (IAQ) dan penggunaan utiliti untuk membantu mencapai tahap keselamatan dan kecekapan yang belum pernah terjadi sebelumnya.

Walau bagaimanapun, menyepadukan teknologi pintar ke dalam kemudahan boleh meresahkan sesetengah pengurus bangunan. Keputusan yang mesti dibuat apabila mengguna pakai sistem automatik adalah rumit dan mungkin termasuk elemen yang mereka tidak biasa. Tetapi sama seperti mereka telah menguasai HVAC, kawalan pencahayaan dan penyejuk, pengurus bangunan juga boleh belajar tentang Internet Perkara (IoT), rangkaian dan kecerdasan buatan (AI).

Sistem Internet Perkara (AIoT) yang didayakan Kecerdasan Buatan boleh menjadi sangat menakutkan, tetapi ia boleh menjadi salah satu cara paling berkuasa untuk memaksimumkan kecekapan, keselamatan dan kemampanan bangunan. AI boleh digunakan di tepi (Edge AI) atau awan (cloud AI). Kedua-duanya mempunyai kelebihan mereka, bergantung pada matlamat dan keperluan aplikasi, dan pengurus pembinaan yang tahu bila untuk menggunakan setiap (atau gabungan kedua-duanya) mempunyai kelebihan.

Fahami perbezaan antara storan jauh dan storan tempatan

AI ​​yang digunakan hari ini pada asalnya dilahirkan sebagai teknologi pengkomputeran awan. Algoritma pembelajaran mesin di sebalik sistem ini memerlukan kuasa pengkomputeran yang ketara, kedua-duanya untuk melatih algoritma dan untuk menggunakan algoritma tersebut untuk memberikan cerapan—suatu proses yang dipanggil inferens. Sehingga baru-baru ini, infrastruktur tempatan jarang mempunyai sumber untuk melakukan perkara ini dengan cekap, jadi pengendali bangunan terpaksa menjalankan aplikasi AI mereka di luar pusat data.

Walau bagaimanapun, menjalankan aplikasi bangunan pintar di luar pusat data jauh mempunyai hadnya sendiri. Ketersambungan, kos lebar jalur, keselamatan dan kependaman – masa yang diperlukan untuk menghantar data ke awan dan belakang – boleh memberi kesan kepada kecekapan sistem. Jika mesin atau keseluruhan sistem automasi bangunan hampir gagal, penggera dan respons automatik perlu secepat mungkin.

Teknologi pengkomputeran edge generasi baharu mengurangkan masalah ini pada tahap yang besar: infrastruktur yang dipasang di kemudahan mempunyai kuasa pemprosesan yang diperlukan untuk beban kerja intensif pengiraan ini.

Syarikat seperti FogHorn, yang diasaskan tujuh tahun lalu, telah membangunkan teknologi AI canggih yang mencipta kemungkinan baharu untuk mengubah operasi bangunan secara digital. Ini termasuk teknik lanjutan (dipanggil Edgification) untuk mengoptimumkan model AI agar berjalan dengan cekap pada peranti pengkomputeran tepi kos rendah. Johnson Controls memperoleh FogHorn pada awal 2022 dan kini telah menyepadukan teknologi kelebihan ke dalam platform OpenBluenya.

Dengan merapatkan jurang keupayaan tempatan, peranti tepi menyediakan komponen seni bina yang penting untuk mencapai matlamat menjalankan bangunan dengan cekap dan berkesan yang mungkin.

Memilih antara awan dan Edge AI

Dengan kemunculan Edge AI, pengurus pembinaan yang mempertimbangkan untuk melaksanakan teknologi automasi pintar kini hampir tidak dapat dielakkan berhadapan sama ada untuk menggunakan di premis atau Masalah menggunakan AI dalam awan. Bagi mereka yang menghadapi masalah ini, terdapat beberapa peraturan mudah untuk dipertimbangkan.

Edge AI berfungsi paling baik apabila:

  • Perlu melaksanakan operasi dalam masa nyata atau hampir masa nyata. Sistem automasi pintar yang mengesan isu operasi dan mengeluarkan makluman atau respons secara automatik cenderung berfungsi dengan baik apabila kelewatan diminimumkan.
  • Memerlukan kawalan tempatan sistem. Mematikan mesin atau melaraskan sistem kawalan daripada awan selalunya disertai dengan cabaran keselamatan dan kependaman.
  • Terdapat pengehadan pada pemindahan data dan kos penyimpanan. Pertimbangkan, sebagai contoh, sistem pengawasan video di mana imej kesetiaan tinggi daripada berbilang kamera dianalisis oleh model AI penglihatan komputer, aplikasi AI yang popular. Menghantar semua data anda ke dan menyimpannya dalam awan boleh menjadi mahal dengan cepat.

Awan mungkin lebih baik jika:

  • Lengkapkan analisis data yang teliti. Pengurus pembinaan selalunya ingin mendapatkan pemahaman yang lebih mendalam tentang cara mereka beroperasi berdasarkan analisis AI atau menjalankan latihan simulasi pada versi "kembar digital" kemudahan mereka. Analisis data jenis ini lazimnya tidak perlu berlaku dalam masa nyata, jadi ia paling baik dilakukan dalam awan, di mana pengurus boleh memanfaatkan alatan perkakasan dan perisian yang paling berkuasa untuk melakukan kerja pada sebarang skala.

Gabungan kedua-duanya mungkin terbaik apabila:

  • Menjalankan berbilang bangunan dan mengaitkan maklumat antara mereka. Awan membenarkan pusat penjelasan data dan pusat arahan terpusat. Dalam amalan, pendekatan hibrid sering digunakan, di mana beberapa pemprosesan awal dalam bangunan individu berlaku melalui AI tepi, dan kemudian AI awan dijalankan pada data agregat daripada berbilang bangunan, mungkin digabungkan dengan sumber data lain.

Ambil langkah pertama ke arah mengguna pakai kecerdasan buatan

Adalah penting untuk diingat bahawa ini adalah keputusan yang pengurus pembinaan tidak perlu buat sendiri – terdapat penyedia teknologi pakar Anda boleh memastikan bahawa AI digunakan di tempat yang paling sesuai untuk memenuhi keperluan unik anda. Pengurus pembinaan tidak perlu menjadi saintis data dan memahami sepenuhnya semua aspek AI dan algoritma pembelajaran mesin yang mendasarinya, tetapi sebaliknya boleh bekerjasama dengan vendor teknologi khusus untuk membiarkan AI menjalankan keajaibannya di sebalik tabir.

Oracle, seperti kebanyakan organisasi yang kini memulakan dasar kembali bekerja secara besar-besaran, melihat kesan daripada wabak itu sebagai detik unik untuk memperkenalkan sistem bangunan pintar. Selepas beberapa tahun penutupan berkaitan pandemik, pekerja berpaut pada tempat kerja fizikal di mana kemudahan berada di hujung jari mereka, alat kerjasama ada di mana-mana, kualiti udara dipantau, kesesakan adalah terhad, dan syarikat mereka berada dalam tenaga Matlamat pembangunan mampan dicapai dari segi penggunaan tenaga dan tenaga, air dan pengurangan sisa. Dengan kadar penghunian bangunan masih pada tahap yang rendah dari segi sejarah, menutup sistem yang tidak perlu dijalankan boleh membantu meningkatkan kecekapan dengan ketara.

Dinamik dan jangkaan tempat kerja yang berubah ini boleh menjadi peluang untuk menilai pelaburan baharu dalam teknologi IoT, rangkaian lanjutan yang menghubungkannya dan sistem kecerdasan buatan yang mengawalnya. Ini juga merupakan peluang untuk mengembangkan tempat kerja untuk membuat keputusan yang lebih baik berdasarkan penghunian, keperluan pengalaman pekerja, pemilikan tapak dan kritikal kes penggunaannya (mis. makmal penyelidikan lwn. ruang pejabat).

Pengurus pembinaan telah mengutamakan jadual mengikut sejarah semasa membuat keputusan sama ada untuk melabur dalam sistem kawalan automatik. tidak lagi. Pertimbangan utama baharu ialah metrik penggunaan. Mereka tidak boleh mengambil mudah bahawa semua orang akan kembali, dan banyak syarikat menggunakan dasar kerja hibrid.

Mewujudkan ruang yang lebih pintar, selamat dan lebih mampan

Buat pertama kali pejabat perlu bersaing dengan rumah sebagai persekitaran kerja yang menarik dan produktif. Orang ramai ingin berasa yakin kerana mengetahui bahawa kualiti udara dalaman (IAQ) pejabat mereka dipantau, sumber seperti air dan tenaga digunakan dengan cekap, dan bilik yang mereka diami adalah selesa. Sistem AIoT boleh membantu menjadikan bangunan lebih cekap tenaga, lebih sihat, lebih autonomi, lebih selamat dan lebih responsif kepada keperluan penghuninya.

Sebagai tindak balas, pengurus bangunan baharu dan sedia ada sedang mendapatkan sokongan daripada penyedia teknologi pintar untuk membantu mereka memperoleh kemahiran baharu yang diperlukan untuk melaksanakan sistem automasi AIoT dan mengoptimumkan operasi. Pengajaran berharga ialah masa untuk menggunakan AI di premis atau di awan. Sebaik sahaja mereka menentukan sama ada AI tepi atau awan sejajar dengan matlamat bangunan dan keperluan aplikasi mereka, pengurus bangunan termaklum boleh mempercayai bahawa AI akan membantu mereka memastikan udara yang sihat, ruang yang selesa dan operasi yang cekap untuk membantu menggiatkan semula bangunan mereka.

Atas ialah kandungan terperinci Cloud vs edge AI: Apakah yang terbaik untuk kemudahan anda?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles