Wie Edge IoT die Industrie verändert

Flottenverfolgung, Anlagenverfolgung, autonome Fahrzeuge, Fertigungsautomatisierung und Lagerhaltung sind alles Bereiche, in denen Chiptechnologien mit eingebetteter künstlicher Intelligenz Netzwerkdaten übertragende Lasten entlasten können. Sie können dies tun und gleichzeitig Informationen an vorderster Front in Echtzeit bereitstellen.

Für viele dieser mobilen Prozesse sind viele Daten erforderlich, um aktiviert zu werden. Gleichzeitig benötigen sie diese Daten in Echtzeit und während der Übertragung. Solche Prozesse profitieren nicht so sehr vom Cloud Computing wie andere datenintensive Prozesse, wie etwa das Training von Daten durch maschinelles Lernen. Stattdessen profitieren diese Prozesse am meisten vom Edge Computing, das Rechen-, Netzwerk- und andere Ressourcen direkt zu den Geräten und Daten bringt, die sie benötigen.

Durch die Aktivierung künstlicher Intelligenz (AI0) Verarbeitungslasten auf der Ebene eines System-on-a-Chip (SOC) kann die IT ihre Möglichkeiten zur Verteilung und Auslagerung von Datenverarbeitungslasten auf verschiedene Schichten der Unternehmensarchitektur (z. B. Cloud, Zentrale) erweitern Dies verbessert die Datenverwaltung und -verarbeitung, spart außerdem Bandbreite und beschleunigt Daten und Ergebnisse.

SOC-eingebettete Mikrocontroller Verwenden Sie einen geringeren Speicher- und Stromverbrauch als von herkömmlichen GPUs (grafischen Verarbeitungseinheiten), FPGAs (feldprogrammierbaren Gate-Arrays) oder anderen Arten von integrierten Schaltkreisen (ICs) benötigt.

„In den nächsten fünf Jahren werden wir erleben, dass KI am Rande alltäglich wird“, sagte Steve Conway, leitender Forschungsberater bei Hyperion, HPC Market Dynamics.

„ARM Atom, GPU und andere eingebettete Prozessoren sind bereits in Edge-Geräten wie Mobiltelefonen, Sensoren, Automobilen, diagnostischen medizinischen Bildgebungssystemen, Spielesystemen und vielen anderen Geräten üblich. Diese etablierten eingebetteten Prozessoren werden wahrscheinlich zum Mainstream für die Unterstützung von KI-Methoden werden, wenn diese Methoden an Bedeutung gewinnen“, sagte er.

Die Branchenauswirkungen von Edge IoT

Im Jahr 2011 tauchte erstmals der Begriff „Manufacturing 4.0“ auf. Es entstand aus dem Vorstoß der Bundesregierung zur Computerisierung der Fertigung und führte eine Zukunftsvision der Digitalisierung, Automatisierung und künstlichen Intelligenz für die Fabrikproduktion ein. In dem Plan könnte die Spitzentechnologie Entscheidungen am Ort eines Problems oder einer Situation erleichtern, wobei in KI eingebettete SOCs eine wichtige Rolle spielen.

Heute das Edge-Entscheidungsfindung in Echtzeit ist real. Fertigungsprozesse werden durch KI-gestützte Entscheidungen am Netzwerkrand gesteuert. In Zukunft könnte ein KI-fähiger Edge-Chip eine umsetzbare Warnung an den Einkauf über einen Mangel an Rohstoffen senden oder den Vertrieb über die Möglichkeit eines Produktmangels informieren, wenn eine mangelhafte Komponente gefunden wird.

Die Edge-KI-Chipautomatisierung verändert auch die Logistik.

Ein LKW-Konvoi kann mit Edge-Kommunikation mit geringer Latenz kommunizieren, um Kraftstoff zu sparen und Routen zu optimieren. Künftig wird es möglich sein, dass nur einer dieser Lkw einen menschlichen Fahrer hat, während der Rest des Konvois mit SOC-gesteuerter Automatisierung fährt.

Dies könnte ein großes Problem der Speditionsbranche lösen: den Mangel an qualifizierten Fahrern. „Dies ist einer der Gründe, warum in der Lkw-Branche so viel Technologie Einzug hält“, sagte Shelley Simpson, Executive Vice President, Chief Commercial Officer und President of Highway Services bei J.B. Hunt Transport Services.

Auch verderbliche Waren können durch intelligente Sensoren im Laderaum jedes LKWs auf Temperatur und Luftfeuchtigkeit überwacht werden.

Ein LKW, der Lebensmittel nach Atlanta transportierte, wurde beispielsweise auf den näher gelegenen Markt in Washington, D.C. umgeleitet. Die Umleitung wurde angeordnet, nachdem ein Sensor im Laderaum des Lastwagens den Fahrer und das Logistikunternehmen auf die Gefahr aufmerksam gemacht hatte, dass die Produkte durch Überhitzung verderben könnten. Die Fähigkeit des Unternehmens, in Echtzeit auf die Informationen zu reagieren, verhinderte den Verlust von Informationen und sparte Geld. In der Lebensmittelindustrie ist es von großer Bedeutung. Die Ernährungs- und Landwirtschaftsgruppe der Vereinten Nationen Schätzungen zufolge gehen jedes Jahr Lebensmittel im Wert von einer Billion US-Dollar verloren oder werden verschwendet.

Die KI-gestützte Chiptechnologie verändert auch die Leistung von Luft- und Bodenfahrzeugen.

Militärangehörige stehen vor logistischen Herausforderungen, wenn sie ein gefährliches Gebiet beobachten und/oder betreten. In der Vergangenheit war es bei einer riskanten Überwachungsaufgabe möglicherweise erforderlich, dass Menschen einen Bereich aus erster Hand inspizierten, wodurch das Personal Gefahren und dem Verlust von Menschenleben ausgesetzt war.

Jetzt mit Edge-KI-VerarbeitungEine Flotte unbemannter Drohnen führt Aufklärungsarbeiten durch und kommuniziert in Echtzeit miteinander. Wenn eine Drohne in einem Geschwader abgeschossen wird, erkennt die Flotte das Problem und passt ihre Formation an, um die Mission fortzusetzen. „Anspruchsvolle Workloads, die die Verarbeitung mehrerer sensorischer Eingaben, einschließlich Video und Audio, erfordern, können an die Grenzen gehen, sofern sie nicht durch spezielle Chips unterstützt werden“, sagte Saurabh Mishra, Senior Manager für Produktmanagement in der IoT- und Edge-Abteilung von SAS. „Autonome Drohnen, Roboterarme und industrielle Automatisierung sind gute Beispiele dafür, wie diese Chips eingesetzt werden können.“

Geopolitik und Innovation

Dennoch machen sich die Unternehmen Sorgen wegen der geopolitischen Kräfte, die in der Chip- und Halbleiterindustrie wirken.

Im Jahr 2019 wurde Huawei auf den Markt gebracht US-Einschränkungsliste. Anschließend erwarb NVIDIA Arm, Ltd. im Rahmen eines 40-Milliarden-Dollar-Deals, an dem Google, Microsoft, Qualcomm, Apple, Intel, Samsung, Huawei und beteiligt waren Amazon macht sich Sorgen um einen kritischen Lieferanten.

Im Jahr 2019 erwarb Intel das AI-Chip-Startup Habana Labs für 2 Milliarden US-Dollar, und AMD übernommen Xiliinx für 35 Milliarden Dollar.

„Der Trend der letzten 50 Jahre ging dahin, unabhängige nationale Sicherheitsbedenken aus der wirtschaftlichen Analyse herauszuhalten, die Kartellentscheidungen zugrunde liegt. Wenn jedoch potenzielles wettbewerbswidriges Verhalten auch der nationalen Sicherheit schadet, sollten wir uns nicht wundern, wenn die USG bei der Durchsetzung einen aggressiveren Ansatz verfolgt.“ schrieb Cullen O’Keefe, Forschungsmitarbeiter am Centre for the Governance of AI der Universität Oxford.

Die IT muss diese Klagen und Kartellklagen berücksichtigen, wenn sie KI-Investitionen rechtfertigt und „zukunftssicher“ zu machen versucht.

„Heute wird KI allgemein als Schlüssel für die künftige wirtschaftliche Führungsrolle angesehen, und es gibt starke Initiativen in China, Japan und Europa, um die Abhängigkeit von den USA abzuschütteln und einheimische Prozessoren zu entwickeln“, sagte Conway. „IT-Abteilungen können nicht viel tun, um diese geopolitischen Kämpfe zu beeinflussen, aber sie können planen, sicherzustellen, dass die Versorgung mit Prozessoren, die sie benötigen, sicher ist, insbesondere durch die Aushandlung langfristiger Lieferantenverträge mit Strafklauseln und die Aufrechterhaltung angemessener Lagerbestände.“

Die To-Do-Liste der IT

Der Übergang zum IoT mit kleinerem Formfaktor wird eine IT-Fokussierung auf drei Schlüsselbereiche erzwingen:

IT-Architektur. Die IT-Architektur muss neu ausgerichtet werden, um den Geschäftsanwendungsfällen gerecht zu werden, die Unternehmen mit KI auf Chipebene lösen möchten. Zumindest dürfte diese Architekturüberarbeitung drei Ebenen der IT-Technologie, Verarbeitung und Datenarchitektur hervorbringen: das Rechenzentrum, die Cloud und den Edge.

„Der Ausgangspunkt besteht natürlich darin, den End-to-End-Prozess abzubilden und zu optimieren und diese Informationen zu nutzen, um an jedem Punkt auf dem Weg geeignete Ressourcen zuzuweisen“, sagte Conway, der auf die Arbeit von PayPal verwies.

„Vor einem halben Dutzend Jahren hatte PayPal ein ernstes Problem mit Betrug bei Kreditkartentransaktionen“, sagte Conway. „Es dauerte bis zu zwei Wochen, bis der Betrug erkannt wurde, und zu diesem Zeitpunkt hatte der Betrug bereits häufig die Karten der Kunden erreicht. Das Unternehmen installierte einen Hochleistungscomputer, der Betrug innerhalb von 150 Millisekunden sofort erkennen und verhindern konnte, wodurch PayPal im ersten Jahr etwa 700 Millionen US-Dollar einsparte.

Die Anwendung bei PayPal und anderen Firmen basiert auf eingebetteten Prozessoren in den Kartenlesegeräten, zusammen mit dem Internet für den Round-Trip-Autorisierungsprozess und Serversystemen mit nicht eingebetteten Prozessoren für die schwere Arbeit, vor Ort oder in Clouds.“

Informatikkenntnisse. Nur 47 % der Umfrageteilnehmer im Microsoft IoT Signals Report 2019 glaubten, dass es auf dem Markt Personen mit den erforderlichen IoT-Fähigkeiten gebe https://news.microsoft.com/2019/07/30/microsoft-announces-iot-signals-research-report-on-state-of-iot-adoption/.

„Die Verfügbarkeit qualifizierter Ressourcen für die Verwaltung der Bereitstellung von KI-Modellen auf Chips bleibt eine Herausforderung“, sagte Saurabh Mishra, Senior Manager für Produktmanagement in der IoT- und Edge-Abteilung von SAS. „Das sollten auch Unternehmen erkennen

Edge-KI-Chips sind keine Allheilmittel. Sie arbeiten im Kontext eines größeren Systems. Beim Einsatz KI-eingebetteter Chips ist es wichtig, an die gesamte Pipeline zu denken, da eine schwache Verbindung vor- oder nachgelagert deren gezielte Steigerung zunichte machen kann.“

Kommerzielle IoT-Software- und Hardware-Stacks können bei der Bewältigung der Herausforderungen bei der Pipeline-Integration helfen – die Verarbeitung muss jedoch weiterhin auf jeder Ebene von der IT definiert werden. Dazu gehören der Modellaufbau und die Programmierung von SOCs.

Investitionsmanagement. Konsolidierungen, Kartell- und Urheberrechtsklagen werden sich im KI-/Chip-Bereich weiterhin abspielen, wie es auch in anderen Bereichen der IT der Fall war.

Die gute Nachricht ist, dass dies den IT-Abteilungen von Unternehmen nicht fremd ist.

Die Auswahl einer allgemein akzeptierten IOT-Stack-Lösung mit einer großen Benutzerbasis ist eine Form der Zukunftssicherheit und stellt sicher, dass das von Ihnen verwendete IoT den gängigen Sicherheitsstandards und APIs entspricht. Eine zweite Strategie besteht darin, mit IoT-Anbietern über Haftung und Investitionsschutz zu verhandeln, die Sie in Ihren Verträgen festlegen.

Schließlich müssen KI-fähige Chips Geschäftsergebnisse liefern.

„Die Auswirkungen von Edge IoT auf die IT-Architektur hängen von den Anwendungsfällen ab, die die IT implementieren soll, wobei KI die Möglichkeit bietet, Informationen in Echtzeit vorzuverarbeiten und nur relevante und nützliche Daten zu übertragen“, sagte Murali Gopalakrishna, Leiter des Produktmanagements für autonome Maschinen und General Manager für Robotik bei NVIDIA.

„Ein automatisierter KI-Inspektionsprozess in einer Fabrik nutzt Echtzeitinformationen, um in Sekundenbruchteilen Entscheidungen am Edge zu treffen und gleichzeitig relevante Daten an Back-End-Systeme zur Nachbearbeitung, Analyse und Out-of-Band-Entwicklung neuer Modelle an den IoT-Edge zu übertragen.“ basierte Entscheidungen.“

Anwendungen können maskierte Insassen erkennen oder zählen Anzahl der Personen, die einen Raum betreten und verlassen durch die Erstellung von Wärmekarten, um sicherzustellen, dass die Belegungsgrenzen nicht überschritten werden. Und mit der Einführung zusätzlicher Sensoren, Kameras und Automatisierung im IoT und an der Edge werde KI für IT-Manager und Infrastrukturarchitektur immer relevanter, sagte Gopalakrishna.