边端产生的数据是否需要送云端,一般分为两类数据,实时的和非实时的,实时的需要在边缘侧或者车终端侧就直接处理掉,否则实时性根本无法达到,而一些非实时的,比如用户的驾驶行为信息则可以上传到云端,这部分数据非实时,但很有用,比如可以在云端进行大数据分析与机器学习建模后,给用户画像,建好的模型还可以发送到边缘端进行更好的提升用户体验。
至于数据,一般可以通过目前主流的 tdengine、kuiper 等进行,借助5G或者4G网络,利用mqtt协议就可以实现数据的上报,落盘到mqtt server后,对数据提取、分析后,提取的关键信息,云端可以再下发控制到边缘端。从而实现云边协同,有些非实时的数据,在本地还可以落盘后,在夜间将数据上传都可以。
收起考虑是边缘计算还是数据中心/云端,您需要考虑以下两个问题:
1,您的解决方案是否是“不间断运行”?不间断运行的解决方案是传感器或其他基础设施保持持续工作或者持续监控其环境。“不间断运行”解决方案的示例包括:计算机视觉(如用于预防损失或安全生产的监控摄像头)、医学成像(用于手术支持的影像)、用于训练数百或数千个模型的作业(超参数优化)或者持续多个星期的大型模型训练或模拟工作流程。而“非不间断运行”的系统示例包括:小型一次性模拟或模型训练作业等。
2,您的解决方案是否使用从传感器收集的数据进行推理?推理是指从传感器收集数据时,AI 会分析数据,解释其意义或根据数据做出决策。例如,自主机器的障碍物检测、智能零售店的物品分类或智能医院援助的对话式 AI。如果您对这两个问题都回答“是”,则表示您很有可能会从边缘计算中受益。
收起