勞姬緹

如果說(shuō)智能社會(huì)還是一片溝壑縱橫、氣象萬(wàn)千的原始叢林——神秘，卻也有著無(wú)數(shù)寶藏可待挖掘;那么邊緣計(jì)算或許就是那根通向未來(lái)的“導(dǎo)盲杖”。

經(jīng)常網(wǎng)上沖浪的朋友想必知道，如今不少城市的公共交通都開(kāi)始逐步接納導(dǎo)盲犬。一組流傳很廣的數(shù)據(jù)是，截至2017年，國(guó)內(nèi)導(dǎo)盲犬的數(shù)量?jī)H為116只，比大熊貓還稀少，而需要導(dǎo)盲犬服務(wù)的盲人卻多達(dá)800萬(wàn)人左右。

選育、培訓(xùn)、實(shí)習(xí)、上崗等一系列的高難度與高成本，決定了導(dǎo)盲犬是盲人出行方式的“奢侈品”。最近，土耳其的一位盲人Kür?at Ceylan，基于Arm的最新處理器和NPU（嵌入式神經(jīng)網(wǎng)絡(luò)處理器），打造出AI（人工智能）盲杖。這一盲杖的出現(xiàn)或許能夠?yàn)楦嘁曊险叽蜷_(kāi)一扇窗。

媲美導(dǎo)盲犬有難度

想要解答AI盲杖能否幫助盲人順利出行這個(gè)問(wèn)題，我們不妨以導(dǎo)盲犬的幾個(gè)重要工作能力來(lái)推測(cè)一番。

首先，導(dǎo)盲犬需要準(zhǔn)確識(shí)別障礙物。這既包括躲避路上的大坑、汽車(chē)、行人、欄桿等，還要識(shí)別紅綠燈等關(guān)鍵路況信息，以達(dá)到讓盲人順利出行的目的?；跈C(jī)器視覺(jué)+攝像頭+感測(cè)器的AI系統(tǒng)，檢測(cè)環(huán)境障礙并不難。因此在AI盲杖中，Kür?at Ceylan就將地圖導(dǎo)航、障礙物檢測(cè)算法、LED警示燈、麥克風(fēng)等植入到了傳統(tǒng)的導(dǎo)盲杖中，通過(guò)超聲波檢測(cè)器，順利感應(yīng)到160厘米高的障礙物。

同時(shí)，導(dǎo)盲犬還需要引領(lǐng)盲人安全地躲避障礙。正在執(zhí)行任務(wù)的導(dǎo)盲犬會(huì)身穿帶著拉桿的小背心，引導(dǎo)主人適當(dāng)?shù)匦凶呋蛲Ｖ?。而且，?dǎo)盲犬還會(huì)自己依據(jù)實(shí)時(shí)信息做出判斷，有時(shí)甚至?xí)爸切赃`抗”，當(dāng)發(fā)現(xiàn)前進(jìn)的命令會(huì)出現(xiàn)不安全的情況，就算主人要求繼續(xù)走，它們也會(huì)拒絕服從。而盲杖則不同，主動(dòng)權(quán)完全掌握在盲人自己手中，即使語(yǔ)音助手+AI推理芯片能夠進(jìn)行自主的安全警示，但這雙“眼睛”很難限制主人的活動(dòng)，自然也就會(huì)有一定的安全風(fēng)險(xiǎn)。

重要的是，導(dǎo)盲犬會(huì)融入盲人的生活。在與主人共同生活一段時(shí)間后，導(dǎo)盲犬會(huì)對(duì)主人的規(guī)律性作息時(shí)間非常熟悉。比如記住他的上下班路線、行為習(xí)慣、常去的超市和交流的朋友等。這種個(gè)性化的記憶能力，AI通過(guò)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)，也可以達(dá)到。但需要注意的是，機(jī)器學(xué)習(xí)訓(xùn)練往往需要消耗大量的算力。這就決定了AI盲杖的算法只能通過(guò)將數(shù)據(jù)上傳到云端來(lái)完成，因此會(huì)出現(xiàn)時(shí)間上的延遲與信息隱私的安全隱患。

至于導(dǎo)盲犬能與主人建立特殊的情感聯(lián)系與信任，幫助其擴(kuò)展社交活動(dòng)圈子等，AI盲杖在超人工智能實(shí)現(xiàn)以前，顯然都無(wú)法與之相提并論。

總體看來(lái)，AI盲杖在視聽(tīng)層面已經(jīng)能夠完成導(dǎo)航避障這樣的功能，但在判斷推理、情感層面依然無(wú)法跟導(dǎo)盲犬媲美。在有限范圍、相對(duì)安全的環(huán)境下（比如辦公樓等）使用，可能是AI盲杖發(fā)揮價(jià)值的初期場(chǎng)景。

由此，我們需要思索一個(gè)新的問(wèn)題——號(hào)稱(chēng)能拯救AIoT（人工智能物聯(lián)網(wǎng)）的邊緣智能，為什么并沒(méi)有如期變革我們的生活？

邊緣智能的落地難題

邊緣計(jì)算從提出以來(lái)，就被看作是5G+AI+云計(jì)算的絕佳輔助。如果說(shuō)云計(jì)算是萬(wàn)物智聯(lián)的“終極大腦”，那么邊緣計(jì)算就是龐大的“神經(jīng)末梢”，承擔(dān)著諸多“下意識(shí)”的反應(yīng)。

比如，AI導(dǎo)盲杖就是一個(gè)邊緣計(jì)算應(yīng)用的絕佳場(chǎng)景。通過(guò)邊緣計(jì)算應(yīng)用，導(dǎo)盲杖能夠?qū)崿F(xiàn)實(shí)時(shí)交互與判斷（像是看到紅綠燈變綠，自動(dòng)能夠判斷出“可以通行”），而不必將路燈信息上傳到云端，經(jīng)過(guò)云服務(wù)器的層層判斷才發(fā)出行走的提醒。這無(wú)疑大大減少了延遲帶來(lái)的行進(jìn)風(fēng)險(xiǎn)，也降低了云端計(jì)算的超負(fù)荷。

讓“云腦”“偷懶”的邊緣計(jì)算，也能夠幫助產(chǎn)業(yè)解決AIoT泛智能化過(guò)程中的三重矛盾：

一是算力與成本的矛盾。要滿足終端AI推理運(yùn)算的實(shí)時(shí)、可用性需求，需要在本地處理大量的數(shù)據(jù)。這就意味著，必須在終端本身部署高性能的AI芯片，但從成本控制上來(lái)看并不現(xiàn)實(shí);或者在實(shí)體場(chǎng)景中部署足夠多的邊緣AI。

二是即時(shí)與功耗的矛盾。對(duì)于導(dǎo)盲杖這樣的設(shè)備來(lái)說(shuō)，不僅要保證實(shí)時(shí)性，還需要處理物體檢測(cè)、語(yǔ)音識(shí)別、手勢(shì)監(jiān)測(cè)，甚至人臉識(shí)別等復(fù)雜AI任務(wù)，加上感測(cè)處理的范圍較大，會(huì)導(dǎo)致功耗較高。AI導(dǎo)盲杖的電池續(xù)航僅有5小時(shí)，換句話說(shuō)，盲人早上出門(mén)，晚上沒(méi)電可能就造成無(wú)法返程的問(wèn)題。而邊緣計(jì)算能夠?qū)嫶蟮臄?shù)據(jù)流量在終端進(jìn)行過(guò)濾分析，減少了從設(shè)備到云端的傳輸路徑，自然也就改善了耗電問(wèn)題。

三是便捷與安全的矛盾。誰(shuí)都知道物聯(lián)網(wǎng)互相協(xié)作能夠大大提升生活的便攜指數(shù)，但在這個(gè)智能門(mén)鎖、攝像頭等頻頻被黑客選中的時(shí)代，數(shù)據(jù)很容易被別有用心的人利用。許多企業(yè)甚至要求必須將AI部署在自家的私有云上，這也限制了許多前沿技術(shù)的應(yīng)用，增大了運(yùn)維難度。邊緣計(jì)算的解決方式，就是將數(shù)據(jù)的處理和存儲(chǔ)都放在本地，這樣既能夠保護(hù)隱私安全，又能夠?qū)崿F(xiàn)高效實(shí)時(shí)的交互與迭代。導(dǎo)盲杖、心臟起搏器、智能手表等承載著用戶生命健康信息的IoT（物聯(lián)網(wǎng)）產(chǎn)品，其大規(guī)模應(yīng)用的前提離不開(kāi)邊緣計(jì)算的廣泛普及。

從這個(gè)角度來(lái)看，AI導(dǎo)盲杖只是AIoT創(chuàng)新的一個(gè)案例。據(jù)相關(guān)機(jī)構(gòu)的預(yù)測(cè)，2025年物聯(lián)網(wǎng)連接數(shù)將增長(zhǎng)至270億個(gè)，物聯(lián)網(wǎng)設(shè)備數(shù)量將達(dá)到1000億臺(tái)?？梢韵胍?jiàn)，隨著未來(lái)云和端之間的邊緣計(jì)算體系不斷成熟，將有越來(lái)越多的創(chuàng)新創(chuàng)造被挖掘出來(lái)，輔助殘障人士正常生活，幫助城市防微杜漸，為千行百業(yè)注入AI的“洪荒之力”。

邊緣智能的未來(lái)

邊緣智能的全面開(kāi)花，自然也會(huì)孕育出龐大的產(chǎn)業(yè)富礦和商業(yè)新機(jī)。不過(guò)需要注意的是，邊緣智能雖然是大勢(shì)所趨，卻也有著生長(zhǎng)的節(jié)奏與天時(shí)，盲目入場(chǎng)可能會(huì)出現(xiàn)竹籃打水一場(chǎng)空的局面。

目前看來(lái)，邊緣智能還需要等待產(chǎn)業(yè)環(huán)境的全面成熟：

一是基礎(chǔ)設(shè)施的完善。作為云廠商們看好的未來(lái)趨勢(shì)，邊緣計(jì)算的軟硬件基本到位，比如ARM發(fā)布了面向人工智能應(yīng)用的DynamIQ技術(shù)及相關(guān)處理器，旨在搭建從網(wǎng)絡(luò)節(jié)點(diǎn)到云端的分布式智能;NVIDIA推出的開(kāi)發(fā)板Jetson TX2，也可在終端設(shè)備上更好地運(yùn)行深度學(xué)習(xí)功能。

但這還不夠，邊緣計(jì)算與5G智能網(wǎng)絡(luò)，恐怕才是真正如膠似漆的“原配”。一方面，目前4G網(wǎng)絡(luò)建設(shè)一般以中心化的核心網(wǎng)為主，通常難以實(shí)現(xiàn)本地分流。在4G網(wǎng)絡(luò)之上架設(shè)邊緣智能，無(wú)法保障低時(shí)延要求。

另外，邊緣計(jì)算并不僅僅是簡(jiǎn)單的分派計(jì)算任務(wù)。合理地利用本地空閑、將任務(wù)分配給不同的計(jì)算節(jié)點(diǎn)，這些都需要智能化的網(wǎng)絡(luò)來(lái)排兵布陣，實(shí)現(xiàn)負(fù)載均衡，從而保證每一個(gè)邊緣節(jié)點(diǎn)的高效利用。而這一點(diǎn)，5G智能化網(wǎng)絡(luò)也更加可靠。而5G建設(shè)的腳步受疫情、供應(yīng)鏈等影響，將比預(yù)期延緩，這也就進(jìn)一步延緩了邊緣計(jì)算節(jié)點(diǎn)（如探頭、處理設(shè)備、數(shù)據(jù)中心等）的迭代升級(jí)。

二是產(chǎn)業(yè)應(yīng)用的聯(lián)動(dòng)。既然是AIoT，自然需要多個(gè)邊緣節(jié)點(diǎn)來(lái)協(xié)同合作，通過(guò)技術(shù)的整合來(lái)發(fā)揮AI的最大值。舉個(gè)例子，盲人在使用AI導(dǎo)盲杖出行時(shí)，電線桿、飛馳的車(chē)輛、垃圾箱、紅綠燈等多個(gè)節(jié)點(diǎn)，都將實(shí)時(shí)數(shù)據(jù)共享給邊緣節(jié)點(diǎn)。AI導(dǎo)盲杖依據(jù)這些數(shù)據(jù)來(lái)做出精準(zhǔn)的避障判斷，會(huì)不會(huì)比視覺(jué)識(shí)別的解決方案更加高效可行？而其他節(jié)點(diǎn)也可以通過(guò)數(shù)據(jù)共享，訓(xùn)練并掌握出行大數(shù)據(jù)，來(lái)整體優(yōu)化并影響城市的交通管理。

這種邊緣協(xié)作的應(yīng)用聯(lián)動(dòng)，目前還處于理念階段。更為現(xiàn)實(shí)的方案是：通過(guò)智慧園區(qū)、智慧樓宇、智慧城市的片狀更新，不斷積累和訓(xùn)練相關(guān)模型，最后將工業(yè)級(jí)邊緣智能與消費(fèi)級(jí)物聯(lián)網(wǎng)融合在一起，形成無(wú)處不在的萬(wàn)物智能，讓AI隨時(shí)隨地可被召喚。

三是開(kāi)發(fā)生態(tài)的培育。無(wú)規(guī)矩不成方圓，全面智能物聯(lián)的未來(lái)，自然也需要統(tǒng)一的標(biāo)準(zhǔn)和規(guī)范。但盡管不少云廠商都交付了很多邊緣計(jì)算工具，但時(shí)至今日，我們并沒(méi)有看到開(kāi)發(fā)者的創(chuàng)意和腦洞在AIoT領(lǐng)域爆發(fā)。

除了傳統(tǒng)硬件廠商在更新迭代之外，很少有類(lèi)似AI導(dǎo)盲杖這樣顛覆傳統(tǒng)功能的創(chuàng)新出現(xiàn)，其中最核心的原因是開(kāi)發(fā)門(mén)檻依然過(guò)高。

科技行業(yè)的鐵律是技術(shù)服務(wù)于應(yīng)用，而新的應(yīng)用造就新的市場(chǎng)主宰者。4G之于移動(dòng)互聯(lián)網(wǎng)，AI之于數(shù)字產(chǎn)業(yè)，莫不如是。如果說(shuō)智能社會(huì)還是一片溝壑縱橫、氣象萬(wàn)千的原始叢林，神秘，卻也有著無(wú)數(shù)寶藏可待挖掘;那么邊緣計(jì)算，或許就是那根通向未來(lái)的“導(dǎo)盲杖”。

（編輯 宦菁 huanjing0511@sohu.com）