人工智能(AI)被認(rèn)為是制造業(yè)、物流業(yè)和供應(yīng)鏈等垂直領(lǐng)域的變革力量。“人工智能的集成”為企業(yè)提供了簡(jiǎn)化生產(chǎn)流程、節(jié)約資源和提升整體服務(wù)的工具。

此外，邊緣計(jì)算與人工智能流程的融合，即邊緣人工智能，它代表了一種革命性的解決方案，可提高各種運(yùn)營(yíng)的效率、響應(yīng)速度和整體性能，但其應(yīng)用也伴隨著一系列挑戰(zhàn)。

隨著對(duì)邊緣實(shí)時(shí)決策和數(shù)據(jù)處理的需求不斷增加，邊緣人工智能內(nèi)存限制的問(wèn)題也日益凸顯。自適應(yīng)邊緣技術(shù)不斷產(chǎn)生數(shù)據(jù)，不但帶來(lái)了全新的機(jī)遇也帶來(lái)了諸多的挑戰(zhàn)，需要?jiǎng)?chuàng)新的解決方案來(lái)確保無(wú)縫集成。

邊緣人工智能中內(nèi)存處理功耗占比大

在邊緣人工智能的應(yīng)用中，內(nèi)存處理的功耗占比較大。據(jù)谷歌研究發(fā)現(xiàn)，移動(dòng)系統(tǒng)中約有60%的功耗，由芯片內(nèi)片上存儲(chǔ)器和片內(nèi)存儲(chǔ)器之間的數(shù)據(jù)傳輸所帶來(lái)。降低功耗是邊緣人工智能的一個(gè)重點(diǎn)，對(duì)此有人提出將所有內(nèi)存整合到單顆芯片上的方案。然而，現(xiàn)有的片上SRAM(靜態(tài)隨機(jī)存取存儲(chǔ)器)在尺寸和能效方面仍面臨挑戰(zhàn)。

為了克服性能瓶頸，谷歌、Facebook、亞馬遜、蘋(píng)果等行業(yè)巨頭及其他關(guān)鍵參與者，都在積極探索邊緣硬件解決方案。有前景的方法包括：利用MRAM(磁阻式隨機(jī)存取內(nèi)存)，它是一類(lèi)非易失性存儲(chǔ)器，可消除內(nèi)存泄漏，且其能效、耐用性和產(chǎn)量都比SRAM高?！揪幷甙矗簝?nèi)存泄漏指程序中已動(dòng)態(tài)分配的堆內(nèi)存由于某種原因程序未釋放或無(wú)法釋放，造成系統(tǒng)內(nèi)存的浪費(fèi)，導(dǎo)致程序運(yùn)行速度減慢甚至系統(tǒng)崩潰等嚴(yán)重后果?！?/span>

同時(shí)，英特爾的3D XPoint、PCM(相變存儲(chǔ)器)和ReRAM(可變電阻式存儲(chǔ)器)等存儲(chǔ)應(yīng)用也越來(lái)越受到重視，成為供應(yīng)鏈中維持邊緣人工智能發(fā)展勢(shì)頭的方法之一。

為供應(yīng)鏈邊緣的人工智能指明方向

預(yù)計(jì)到2031年，全球邊緣人工智能的市場(chǎng)規(guī)模將達(dá)到760億美元，對(duì)全面內(nèi)存解決方案的需求顯而易見(jiàn)。無(wú)論是傳統(tǒng)技術(shù)、前沿創(chuàng)新，還是混合方法，人們都在盡力尋求最佳解決方案。隨著大型企業(yè)積極收購(gòu)規(guī)模較小的行業(yè)初創(chuàng)企業(yè)的風(fēng)潮興起，供應(yīng)鏈中的邊緣人工智能正在改變內(nèi)存的游戲規(guī)則。

邊緣人工智能在物流和供應(yīng)鏈應(yīng)用中的使用率之所以呈上升趨勢(shì)，是因?yàn)樵摷夹g(shù)具有廣泛的優(yōu)勢(shì)：

• 實(shí)時(shí)決策：邊緣人工智能可在源頭，即時(shí)對(duì)數(shù)據(jù)進(jìn)行處理和分析，從而便于實(shí)時(shí)決策。這種靈活性在應(yīng)對(duì)供應(yīng)鏈中斷、優(yōu)化路線(xiàn)，以及迅速響應(yīng)不斷變化的需求方面至關(guān)重要。

• 降低延遲：通過(guò)在邊緣設(shè)備本地處理數(shù)據(jù)，邊緣計(jì)算與人工智能的融合可最大限度地減少延遲，確保更快的響應(yīng)時(shí)間。這對(duì)時(shí)間敏感型供應(yīng)鏈的運(yùn)營(yíng)尤為重要，例如訂單履行、庫(kù)存管理等。

• 帶寬優(yōu)化：這種集成技術(shù)減少了將大量數(shù)據(jù)傳輸?shù)街醒敕?wù)器的需求，優(yōu)化了帶寬利用率。對(duì)于偏遠(yuǎn)或帶寬受限地區(qū)的供應(yīng)鏈應(yīng)用是有利的，它可提高整體網(wǎng)絡(luò)效率。

• 提高安全與隱私：處理敏感數(shù)據(jù)下放到本地，可以提高安全與隱私。邊緣人工智能允許關(guān)鍵決策在不過(guò)度依賴(lài)外部服務(wù)器的情況下進(jìn)行，降低了數(shù)據(jù)泄露的風(fēng)險(xiǎn)，并確保符合數(shù)據(jù)保護(hù)法規(guī)。

• 成本效率：該技術(shù)最大限度地減少了對(duì)大量云計(jì)算資源的需求，從而節(jié)省了成本。本地化處理可降低數(shù)據(jù)傳輸成本，對(duì)擁有分布式供應(yīng)鏈網(wǎng)絡(luò)的公司尤為有利。

• 可擴(kuò)展性和靈活性：集成了人工智能的邊緣系統(tǒng)可以輕松擴(kuò)展，以適應(yīng)不斷變化的供應(yīng)鏈需求。這種靈活性允許與現(xiàn)有系統(tǒng)無(wú)縫集成，并適應(yīng)不斷變化的運(yùn)營(yíng)需求。

• 提高偏遠(yuǎn)地區(qū)的可靠性：在連接性困難的供應(yīng)鏈場(chǎng)景中，該技術(shù)可確保更可靠的運(yùn)行。即使在網(wǎng)絡(luò)連接時(shí)斷時(shí)續(xù)或網(wǎng)絡(luò)不穩(wěn)定的地區(qū)，本地化處理也能保證系統(tǒng)功能持續(xù)運(yùn)行。

• 能量效率：邊緣人工智能設(shè)備旨在優(yōu)化能耗，使其適用于電力資源有限的應(yīng)用場(chǎng)景。這種能效在偏遠(yuǎn)地區(qū)或移動(dòng)供應(yīng)鏈運(yùn)營(yíng)中尤為重要。

• 定制化的機(jī)器學(xué)習(xí)模型：該技術(shù)允許開(kāi)發(fā)和部署針對(duì)特定供應(yīng)鏈挑戰(zhàn)量身定制的機(jī)器學(xué)習(xí)模型，可確保決策過(guò)程更加準(zhǔn)確、有效。

• 適應(yīng)物聯(lián)網(wǎng)集成：隨著物聯(lián)網(wǎng)設(shè)備在供應(yīng)鏈中日益普及，邊緣人工智能可與這些設(shè)備無(wú)縫集成。這種集成增強(qiáng)了從各種物聯(lián)網(wǎng)傳感器和設(shè)備收集、分析和處理數(shù)據(jù)的能力。

邊緣人工智能內(nèi)存解決方案的創(chuàng)新前景

在供應(yīng)鏈應(yīng)用中采用邊緣人工智能，有助于建立一個(gè)更加靈活、響應(yīng)更快、成本效益更高的生態(tài)系統(tǒng)，并滿(mǎn)足現(xiàn)代供應(yīng)鏈管理不斷變化的需求。然而，如果沒(méi)有前瞻性的技術(shù)，邊緣計(jì)算與人工智能的深度融合將繼續(xù)停滯不前。

盡管邊緣人工智能在物流和供應(yīng)鏈應(yīng)用中的崛起值得關(guān)注，但內(nèi)存限制的復(fù)雜挑戰(zhàn)阻礙其充分發(fā)揮潛力。想要滿(mǎn)足邊緣數(shù)據(jù)處理的需求，就必須齊心協(xié)力克服內(nèi)存限制，行業(yè)領(lǐng)導(dǎo)者要積極尋求前沿解決方案和創(chuàng)新存儲(chǔ)應(yīng)用。