Cómo Edge IoT está remodelando la industria

El seguimiento de flotas, el seguimiento de activos, los vehículos autónomos, la automatización de la fabricación y el almacenamiento son áreas en las que las tecnologías de chips integrados en inteligencia artificial pueden descargar las cargas de transporte de datos de la red. Pueden hacer esto mientras brindan información de primera línea y en tiempo real.

Muchos de estos procesos sobre la marcha necesitan una gran cantidad de datos para activarse. Al mismo tiempo, necesitan estos datos en tiempo real y en tránsito para que tengan lugar. Este tipo de procesos no se benefician tanto de la computación en la nube como otros procesos intensivos en datos, como los datos de entrenamiento a través del aprendizaje automático. En cambio, estos procesos se benefician más de la informática de punta, que lleva la computación, las redes y otros recursos directamente a los dispositivos y datos que los necesitan.

Al activar la inteligencia artificial (cargas de procesamiento AI0 a nivel de un sistema en un chip (SOC), TI puede ampliar sus opciones para distribuir y descargar cargas de procesamiento de datos a diferentes capas de la arquitectura empresarial (por ejemplo, la nube, una central centro de datos, o el propio perímetro), lo que mejora la gestión y el procesamiento de datos, también conserva el ancho de banda y agiliza los datos y los resultados.

Microcontroladores integrados SOC utilizar memoria y consumo de energía más estrechos que el requerido por las GPU tradicionales (unidades de procesamiento gráfico), FPGA (arreglos de puertas programables en campo) u otros tipos de circuitos integrados (IC).

“Veremos que la IA en el borde se convertirá en algo común en los próximos cinco años”, dijo Steve Conway, asesor senior de investigación de Hyperion, HPC Market Dynamics.

“ARM Atom, GPU y otros procesadores integrados ya son comunes en dispositivos periféricos como teléfonos celulares, sensores, automóviles, sistemas de diagnóstico por imágenes médicas, sistemas de juegos y muchos otros dispositivos. Estos procesadores integrados establecidos probablemente se convertirán en la corriente principal para respaldar los métodos de IA a medida que estos métodos ganen terreno ”, dijo.

El impacto industrial de Edge IoT

En 2011 apareció por primera vez el término “Fabricación 4.0”. Se originó a partir del impulso del gobierno alemán para computarizar la fabricación e introdujo una visión futura de digitalización, automatización e inteligencia artificial para la producción industrial. En el esquema, la tecnología de punta podría facilitar las decisiones en el lugar de un problema o situación, donde los SOC integrados en IA desempeñan un papel importante.

Hoy, este La toma de decisiones de borde en tiempo real es real. Los procesos de fabricación se basan en decisiones basadas en inteligencia artificial en el borde. En el futuro, un chip de borde habilitado para IA podría enviar una alerta procesable a la compra sobre la escasez de materias primas, o alertar a las ventas sobre la posibilidad de una escasez de producto si se encuentra un componente deficiente.

La automatización de chips Edge AI también está transformando la logística.

Un convoy de camiones puede comunicarse de forma cruzada con las comunicaciones de borde de baja latencia implementadas para ahorrar combustible y optimizar las rutas. En el futuro, solo uno de estos camiones tendrá un conductor humano, y el resto del convoy funcionará con automatización impulsada por SOC.

Esto podría resolver un problema importante de la industria del transporte por carretera: la escasez de conductores calificados. "Esta es una de las razones por las que ve tanta tecnología entrando en la industria de camiones", dijo Shelley Simpson, vicepresidenta ejecutiva, directora comercial y presidenta de servicios de carreteras de JB Hunt Transport Services.

Los productos perecederos también pueden ser monitoreados por sensores inteligentes dentro del compartimiento de carga de cada camión para medir la temperatura y la humedad.

Un camión que transportaba productos a Atlanta, por ejemplo, fue desviado al mercado más cercano de Washington, DC. El cambio de ruta se ordenó después de que un sensor dentro del compartimiento de carga del camión alertara al conductor y a la empresa de logística sobre el peligro de que los productos se estropearan por sobrecalentamiento. La capacidad de la empresa para actuar en tiempo real con la información evitó el deterioro y ahorró dinero. En la industria alimentaria, es importante. El Grupo de las Naciones Unidas para la Agricultura y la Alimentación estima que cada año se pierde o desperdicia $ 1 billón de alimentos.

La tecnología de chips habilitada por IA también está cambiando el rendimiento de los vehículos aéreos y terrestres.

Los desafíos logísticos enfrentan el personal militar cuando observan y / o ingresan a un área peligrosa. En el pasado, un trabajo de vigilancia arriesgado podría haber requerido que los humanos inspeccionaran un área de primera mano, lo que exponía al personal al peligro y la pérdida de vidas.

Ahora con procesamiento de IA de borde, una flota de drones no tripulados realiza reconocimientos y se comunica entre sí en tiempo real. Si un dron de un escuadrón es derribado, la flota detecta el problema y ajusta su formación para continuar la misión. “Las cargas de trabajo exigentes que requieren el procesamiento de múltiples entradas sensoriales, incluido el video y el audio, pueden comenzar a sobrepasar los límites a menos que sean compatibles con chips especializados”, dijo Saurabh Mishra, Gerente Senior de Gestión de Productos en la División de IoT y Edge de SAS. "Los drones autónomos, los brazos robóticos y la automatización industrial son buenos ejemplos de cómo se pueden usar estos chips".

Geopolítica e innovación

Sin embargo, las empresas se preocupan por las fuerzas geopolíticas que operan en las industrias de chips y semiconductores.

En 2019, Huawei se colocó en el Lista restringida de EE. UU.. NVIDIA luego adquirió Arm, Ltd. en un acuerdo de $ 40 mil millones que tenía Google, Microsoft, Qualcomm, Apple, Intel, Samsung, Huawei y Amazon preocupado por un proveedor crítico.

En 2019, Intel adquirió la puesta en marcha de chips AI Habana Labs por $ 2 mil millonesy AMD adquirió Xiliinx por $ 35 mil millones.

“La tendencia durante los últimos 50 años ha sido mantener las preocupaciones de seguridad nacional no relacionadas en un aislamiento del análisis económico que impulsa las decisiones antimonopolio. Sin embargo, donde una posible conducta anticompetitiva también es perjudicial para la seguridad nacional, no debería sorprendernos que el gobierno de los Estados Unidos adopte un enfoque más agresivo para la aplicación de la ley ”. escribió Cullen O'Keefe, investigadora afiliada del Centro para la Gobernanza de la IA de la Universidad de Oxford.

TI debe considerar estos juicios y acciones antimonopolio cuando justifique e intente invertir en IA “a prueba de futuro”.

“Hoy en día, la inteligencia artificial se considera clave para el liderazgo económico futuro, y hay iniciativas sólidas en China, Japón y Europa para deshacerse de la dependencia de Estados Unidos y desarrollar procesadores autóctonos”, dijo Conway. "Los departamentos de TI no pueden hacer mucho para afectar estas batallas geopolíticas, pero pueden planificar para garantizar que los suministros de procesadores que necesitan estén seguros, especialmente mediante la negociación de contratos de proveedores a largo plazo con cláusulas de penalización y el mantenimiento de niveles de inventario adecuados".

Lista de tareas pendientes

El cambio a un IoT de factor de forma más pequeño forzará un enfoque de TI en tres áreas clave:

Arquitectura de TI. La arquitectura de TI debe realinearse para adaptarse a los casos de uso empresarial que las empresas quieren resolver con inteligencia artificial a nivel de chip. Como mínimo, es probable que esta revisión de la arquitectura produzca tres niveles de tecnología de TI, procesamiento y arquitectura de datos: el centro de datos, la nube y el perímetro.

“El punto de partida, por supuesto, es trazar y optimizar el proceso de un extremo a otro y usar esa información para asignar los recursos apropiados en cada punto del camino”, dijo Conway, quien hizo referencia al trabajo de PayPal.

“Hace media docena de años, PayPal tenía un grave problema de fraude en las transacciones con tarjetas de crédito”, dijo Conway. “Se tardaba hasta dos semanas en identificar el fraude y, para entonces, el fraude a menudo había afectado a las tarjetas de los clientes. La compañía instaló una computadora de alto rendimiento que podía detectar y prevenir el fraude mientras ocurría, en 150 milisegundos, ahorrándole a PayPal más de 700 millones de dólares en el primer año más o menos.

La aplicación en PayPal y otras empresas se basa en procesadores integrados en los lectores de tarjetas, junto con Internet para el proceso de autorización de ida y vuelta, y sistemas de servidor con procesadores no integrados para el trabajo pesado, en las instalaciones o en la nube ".

habilidades de IT. Solo el 47% de los encuestados en un Informe de señales de IoT de Microsoft de 2019 creían que el mercado tenía personas con las habilidades laborales de IoT necesarias https://news.microsoft.com/2019/07/30/microsoft-announces-iot-signals-research-report-on-state-of-iot-adoption/.

“La disponibilidad de recursos calificados para administrar la implementación de modelos de IA en chips seguirá siendo un desafío”, dijo Saurabh Mishra, Gerente Senior de Gestión de Productos en la División de IoT y Edge de SAS. “Las empresas también deben reconocer que

Los chips de borde AI no son balas de plata. Trabajan en el contexto de un sistema más amplio. Es fundamental pensar en la canalización completa cuando se implementan chips integrados en IA, ya que un enlace débil en sentido ascendente o descendente puede anular su impulso objetivo ”.

Las pilas de hardware y software de IoT comerciales pueden ayudar a abordar los desafíos de la integración de la canalización, pero TI debe definir el procesamiento en cada nivel. Esto incluye la creación de modelos y la programación de SOC.

Gestión de inversiones. Las consolidaciones, las demandas antimonopolio y de propiedad intelectual continuarán desarrollándose en el espacio de inteligencia artificial / chips, como lo ha hecho en otras áreas de TI.

La buena noticia es que los departamentos de TI corporativos no son ajenos a esto.

Seleccionar una solución de pila de IOT ampliamente aceptada con una gran base de usuarios es una forma de preparación para el futuro, además de garantizar que el IoT que utiliza se ajuste a las API y los estándares de seguridad comunes. Una segunda estrategia es negociar con los proveedores de IoT para la protección de la responsabilidad y la inversión que defina en sus contratos.

Finalmente, los chips habilitados para IA deben ofrecer resultados comerciales.

“El impacto del Edge IoT en la arquitectura de TI se reducirá a los casos de uso que se le solicite a TI que implemente, donde la IA ofrece la capacidad de preprocesar información en tiempo real y solo transferir datos relevantes y útiles”, dijo Murali Gopalakrishna, director de gestión de producto para máquinas autónomas y director general de Robótica en NVIDIA.

“Un proceso de inspección automatizado de IA en una fábrica utilizará información en tiempo real para tomar decisiones en una fracción de segundo en el borde mientras se transfieren datos relevantes a los sistemas de back-end para el posprocesamiento, análisis y desarrollo de nuevos modelos fuera de banda al borde de IoT decisiones basadas ".

Las aplicaciones pueden detectar a los ocupantes con máscaras o contar el número de personas que entran y salen de un espacio mediante la creación de mapas de calor para garantizar que no se superen los límites de ocupación. Y con sensores, cámaras y automatización adicionales en IoT y en el borde, la IA se volverá más relevante para los administradores de TI y la arquitectura de infraestructura, dijo Gopalakrishna.