2.4　边缘智能的重要应用场景

边缘智能在各类场景都有大量的潜在应用，我们可以从人工智能与边缘计算的行业应用角度去探索：

·在人工智能领域增加边缘计算技术，形成覆盖更广、性能更优的“云-边-端”全域应用效果；

·在边缘计算等领域中，引入智能硬件与智能算法，形成优化的计算节点部署、高效的任务迁移等方案。

下面从无人驾驶、智能安防、智慧家居、工业机器人等角度分析边缘智能的应用场景。

2.4.1　无人驾驶

无人驾驶是传感器、通信、自动控制和人工智能等技术的集成应用，是未来汽车技术的关键发展方向。

无人驾驶具备典型的“云-边-端”边缘智能架构：

·在端的部分，包括大量可获取原始环境和车辆自身状态数据的传感器，通常涉及GPS/IMU、激光雷达、摄像头和声呐等。然后，通过对来自不同传感器的数据进行有效融合，实现定位（Localization）、物体识别（Object Recognition）、物体追踪（Object Tracking）等感知功能；

·在边的部分，利用机器人操作系统和相关硬件平台，整合行为预测、路径规划、安全避障等决策功能，以满足可靠性和实时性等要求；

·在云的部分，基于分布式计算和分布式存储两方面功能可对无人驾驶提供强大资源支撑，主要任务包括高精度地图的产生和深度神经网络模型的训练等。

美国国家公路交通安全局（NHTSA）将无人驾驶功能分为0～4级，美国机动工程师协会（SAE）将无人驾驶技术分为0～5共6个等级。通过表2-2可以看出，SAE与NHTSA的主要区别在于对完全自动化的进一步细分上，SAE突出强调了行车对环境与道路条件的要求。

无人驾驶是边缘智能体系所涉及技术和应用的集中体现，场景极其复杂。在技术层面面临天气恶劣、行车安全、隐私保护、车联网、5G通信等挑战；在社会伦理层面，需要应对事故追责、驾驶立法等问题，因此，无人驾驶不仅被誉为人工智能技术的圣杯，更是边缘智能应用的系统工程综合实践。

2.4.2　智能安防

近年来，安防领域将越来越多的数据从云中心迁移到摄像头、传感器等网络边缘位置，这样不仅可以节省带宽、降低成本，提升服务响应速度与可靠性，更将人工智能从云端下沉至传统云服务难以覆盖的深山、矿井、远海航船等地方。

毋庸置疑，智能安防的核心终端设备是摄像头，因此依托摄像头的边缘存储计算的私有化部署将成为边缘智能时代的新业务和普遍场景。而且，边缘智能可以为智能安防提供涉及底层芯片、终端设备、网络设备、云端平台等一体化的全栈全场景式解决方案：

·全场景是指包括公有云、私有云、各种边缘计算和物联网行业终端产品的使用部署场景；

·全栈是指包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈技术解决方案。

因此，边缘智能在安防领域的实践从根本上打破了人工智能应用落地的壁垒，突破了算力、存储、网络传输等诸多限制。具体讲，利用5G等网络通信技术可以解决海量监控摄像头终端的互联互通问题，利用内容分发网络等技术可以解决边缘节点的边缘计算服务与监控流量传输问题，进而在云端与终端之间实现就近的监控数据处理和访问服务。

此外，智能安防既是监控数据流量传输的“大场景”，又是维护社会稳定、保障人民安居乐业的“大支撑”。目前，边缘智能在城市安全防控、交通监管调度、公共基础设施管网优化、智能巡检、民生服务等方面发挥着重要作用。尤其，智能终端感知和分析能力提升了城市精细化管理的效率。例如，在基于边缘智能的梯联网中，可以通过各类传感端实时监测电梯运行状态，降低电梯故障率，保护乘客的使用安全；在基于边缘智能的城市安防系统中，利用智能摄像头对出入人员进行身份比对，实时感知异常事件，及时甄别和预测出可疑人员，以及潜在安全隐患，从而优化社会治安力量，提升社会治理的智能化水平。

总之，安防行业正处于一个从传统安防走向智能安防重要的转折点，依托边缘智能体系，将有助于拓展安防行业发展路径，并全面加速拥抱智能时代的到来。

2.4.3　智能家居

智能家居通过万物互联，将家庭中的各种智能设备（如温湿度传感器、照明厨房、客厅、卧室、卫浴等全屋家电）连接起来，通过网络通信、智能控制、数据联动共享等功能提升家居的安全性、便利性和舒适性，不断从家庭自动化发展为体系化的家庭智能。如图2-15所示，与边缘智能体系的“云-边-端”对应，智能家居所使用的智能硬件可以划分为云服务、硬件和智能手机应用三部分，其中，智能设备之间通过局域网实现协同联动，各部分的内在逻辑在云端进行智能备份与定时同步更新。

基于云计算服务的传统智能家居，过度依赖云平台的资源支持。尤其是当出现网络故障时，智能设备就“智能全无”；另外，服务响应速度、延迟也是其应用瓶颈。而在基于边缘智能体系的智能家居中，智能网关就是边缘智能的主控制载体，可以处理用户信息并根据用户设置或者习惯做出全局优化的智能设备控制决策，在网络无法访问时，依然可以进一步提升智能家居体验。

目前，基于边缘智能的智能家居应用主要采用人工智能“领班”模式，可以通过智能音箱来调度设备之间的联动，并朝着自主感知用户生活行为习惯与环境变化的人工智能“管家”模式发展。以智能家居的防盗功能为例，通过门窗传感器+智能网关+智能摄像头的组合，可以实现边缘计算、云端上传、实时记录和异常报警等功能。

然而，由于智能家居直接面对人们的生活起居，个人隐私安全问题也不断凸显。尤其是像Amazon Echo智能音箱一样的智能设备已成为智能生活的“入口”，可以不断获取用户的图像、声音等个人数据，并在用户无法干预的情况下上传至云端，这存在巨大的隐私泄露和数据滥用风险。因此，在享受边缘智能带来居家智能乐趣的同时，将数据限制在家庭环境下，最大限度地保护用户隐私，既是法律、规范的强制措施，也是相关企业的行业准则，更是边缘智能的重要关注点。

2.4.4　工业机器人

机器人智能化一直是制造业的革命性技术，工业机器人通常位于“封闭”的工业互联网环境中，而“云-边-端”协同既是工业互联网的重要支柱，更是促进要素资源高效利用和生产过程柔性配置的关键；因此，边缘智能体系与工业机器人的集成具有天然联系，为满足工业应用的实时性要求，降低网络和IT资源消耗，边缘与云端协同开展数据分析已成为工业机器人应用的普遍做法。

基于高性能计算芯片、实时操作系统、边缘分析算法等技术的工业机器人，可以利用工业物联网和大量传感器，从网络接入点采集高速、复杂的机器数据，通过边缘端、云端数据分析模型，对现场工业数据进行实时分析和敏捷决策。其中，边是工业制造的大脑和神经，兼容多样性连接协议、应用系统，可实现“云-边-端”协同分析、灵活定制化的智能服务。

在工业机器人解决方案中，利用边缘计算网关在本地部署轻量级应用，可实时判断工业机器人及工业环境的故障隐患，实现生产过程中设备自主实时控制和远程实时控制。其中：

·设备自主控制主要体现在基于5G的移动边缘计算技术的端到端通讯，将服务器下沉部署在无线网络边缘，降低终端与服务器交互的跳数，大幅降低端到端的时延；

·远程实时控制则以实时监控视频流为载体，依托5G的高带宽、低时延模式实现。

工业机器人的传感和智能感知极为重要，因为机器人的人工智能系统的性能在很大程度上取决于为这些系统提供关键数据的传感器性能。基于大量高精度传感器数据，可以支持工业机器人知觉和意识模型的训练。如图2-16所示，协作机器人需要使用来自近场传感器及视觉传感器的数据，但是云端离线部署速度达不到协作机器人的实时、低延时响应需求，故将人工智能的训练和推理部署至工业互联网边缘，即机器人设备中。这种分布式人工智能模型依赖于高度集成的处理器，其特征包括：

·利用丰富外围设备对接不同传感器；

·基于机器视觉的高性能处理功能；

·深度神经网络推理加速；

·适于边缘部署。

此外，在工业机器人领域的应用中，基于边缘智能的物流机器人可以在较少人为参与的环境中，提取货物并把货物运送到包装站，甚至完成拣货、包装、交付等任务。但在特定环境中的移动需要传感器定位、三维建图、冲突检测等功能。