互联AI的整体价值远超局部之和

来源:CEVA Technologies

作者:-

发布时间:2025-06-23

阅读量:1

AI与通信之间的联系不仅没有减弱,反而愈发紧密!


(IoT)领域,(AI)无处不在,并且发展迅猛(因此称为AIoT)。我们逐渐意识到,单纯依赖云端AI存在诸多问题:延迟高、成本大(耗电服务器、传输费用)、不稳定(链路中断),还有隐私风险。将更多AI处理任务转移到本地,在IoT设备上完成,这些问题得以解决。然而,几乎所有AIoT应用仍需依赖互联才能真正发挥作用,因为本地智能处理后的结果必须传输到外部世界。既然IoT设备上的AI承担了更多计算,是否意味着,我们只需要一个轻量级的连接来负责与云端或其他设备通信?答案是否定的。无线连接技术本身也在变得更加智能。在通信协议层面,使用AI可提升可靠性与效率,引入新型通道感知方式,甚至在一群相关的AIoT设备之间支持分布式学习。AI与通信之间的联系不仅没有减弱,反而愈发紧密!



机遇


据预测,到2030年,基于TinyML芯片组的设备出货量将达到60亿台,覆盖、交通运输、、医疗健康、和公共事业等多个领域。根据不同应用场景,这些设备必须支持一系列通信协议,从蜂窝网络和Wi-Fi,到蓝牙与802.15.4协议。可以料想,任何打造AIoT产品的公司都不会仅仅满足于将AI和连接功能简单拼接,而是会将通过更深层次的整合解决方案来打造差异化产品。这种整合会是什么样子?


AI助力通信


在复杂的通信环境中,AIoT设备必须动态地选择干扰最小、可用性最高的信道,并能够根据接入点或基站的环境条件和流量需求调整通信策略。过去,这种通道评估/优化由预设查找表完成,如今已无法满足更复杂的需求,必须借助AI来管理。


这种优化不仅关乎吞吐量。对于安全关键型应用,如车联网(V2X)或外科与工业机器人等场景,超低延迟是基础要求。这是5G蜂窝标准(及后续标准)的关键组成部分,需网络与终端设备共同保障,而AI驱动的信道优化正日益成为这二者的保障。


另一个新兴的应用是定位,能帮助我们在中准确找到像包裹、共享单车这样的移动设备,非常实用。基站与边缘设备之间的通信可提供飞行时间(ToF)与到达角度(AoA)数据,但其精度可能受到信号反射及其他因素的影响。AI可以通过长期学习来克服这些限制。


通信赋能AI


这是一个非常有前景的方向,通过通信技术,特别是Wi-Fi和移动网络,为AIoT设备增加一项新的感知能力。系统会监测信道状态信息(CSI),这种信号常常会受到障碍物或人走动的影响,然后汇总房间、办公室、整栋楼甚至整座城市中多个设备的数据,它可以判断出是否有人或物体在移动,甚至能精细到检测出呼吸频率。


这种感知输入非常依赖智能处理,以便从噪声中提取有用信号,过滤反射和无关动作(如天花板风扇、宠物活动),从而专注于人类活动。这项技术可以应用于家庭安防、手势识别以及非侵入式健康监测。


AIoT在该类应用中的具体作用仍在不断发展,但正如许多其他场景所显示的那样,边缘设备(如智能音箱、智能电视、智能插座等)具备一定程度的AI处理能力正逐渐成为必需,因为它们天然分布于环境各处。本地智能也有助于对数据进行预处理,减少需传输至中央枢纽进行最终分类的数据量。


另一个同样引人关注的例子是联邦学习。对于成批系统(如车辆、、自动清洁设备等),学习必须是一个持续进行的过程,不能每次都把海量数据传回云端进行训练。相反,训练应首先在各个边缘系统本地进行,随后将优化后的AI模型在本地节点间之间共享,最后再统一上传到云端进行整合和优化。这就是联邦学习中“联邦”的含义。每个边缘系统都要把自己学到的东西贡献出来,共同提升整个系统的智能水平。边缘AI显然发挥了作用,而通信也不可或缺——因为它要负责把本地训练的成果高效上传,也要把最新的全局模型下载回来。

0
0
收藏

免责声明

  • 1、本文内容版权归属原作者、原发表出处。若版权所有方对本文的引用持有异议,请联系感算商城(service@gansuan.com),我方将及时处理。
  • 2、本文的引用仅供读者交流学习使用,不涉及商业目的。
  • 3、本文内容仅代表作者观点,感算商城不对内容的准确性、可靠性或完整性提供明示或暗示的保证。读者阅读本文后做出的决定或行为,是基于自主意愿和独立判断做出的,请读者明确相关结果。
  • 4、如需转载本方拥有版权的文章,请联系感算商城(service@gansuan.com)注明“转载原因”。未经允许私自转载感算商城将保留追究其法律责任的权利。
在线客服 微信咨询 0 样品清单 浏览足迹 有奖反馈 回顶部