什么是边缘 AI？

边缘人工智能（AI）或边缘 AI 是指在边缘计算环境中实施人工智能。边缘计算允许在实际收集数据的地方进行计算，而不是在集中的云计算设施或远程数据中心中进行。边缘 AI 使设备能够更快地做出更明智的决策，而无需连接到云或异地数据中心。

由于边缘计算将数据存储于靠近设备的位置，因此无论是否有互联网连接，均可以通过 AI 算法在设备上处理数据。数据可以在数毫秒内得到处理，进而提供实时反馈。边缘 AI 可以几乎即时地做出响应。这意味着某些敏感数据实际上可以完全不离开边缘设备，因此可以提供更高的安全性。

由于边缘设备（如传感器和物联网设备）能够将数据迁离负载过重的云数据中心，它们正逐渐成为关键技术。

边缘 AI 与传统 AI 的应用框架有所不同。传统 AI 的应用框架中，由连接技术生成的数据会被传输到后端的云系统。而在边缘人工智能中，AI 模型不是在后端云系统运行，而是被配置在网络边缘设备内部的处理器上进行处理。这种框架在边缘添加了一层智能，使得边缘设备不仅能收集数据指标和分析数据，而且还能根据设备内部集成的机器学习（ML）模型对数据进行实时处理和决策，从而实现真正的边缘智能。

人工智能的目标仍然不变，即打造智能机器，使它们能够独立地工作，在无人监督的情况下执行常见的人类工作任务。然而，边缘 AI 是在本地、所用设备内部或附近位置进行工作和决策。

边缘计算和人工智能的结合带来了巨大的优势。借助边缘人工智能，传感器和物联网设备所在的边缘也可以具备高性能算力。因为不需要在系统之间进行连接和集成，用户可以实时处理设备上的数据，并且用户可以通过聚合数据和用户服务来节省时间，而无需与其他物理位置进行通信。

边缘 AI 的优势包括：

• 降低功耗：通过在本地进行数据处理，节省能源成本，在边缘运行 AI 的功耗要求远低于云数据中心的功耗要求
• 降低带宽：通过在本地处理、分析和存储更多数据（而不是发送至云），可以降低数据传输带宽并最大限度地降低成本
• 隐私性：边缘 AI 在边缘设备上进行本地数据处理，能够降低数据被滥用或处理不当的风险
• 安全性：通过在边缘网络中处理和存储数据，可以优先处理重要数据的传输，并过滤掉冗余、无用或不必要的数据
• 可扩展性：通过云平台和原始设备制造商（OEM）设备上的本地边缘功能，可以轻松扩展系统
• 减少延迟：通过在本地进行数据分析，可以减轻云平台的负载，使其空闲出来执行其他任务，例如分析任务

长期以来，红帽一直致力于与广大开源社区共同推进容器和 Kubernetes 技术的发展。红帽® OpenShift® 整合了多项经过测试且深受信赖的服务，可减少开发、现代化、部署、运行和管理应用等过程中产生的摩擦。 

红帽 OpenShift 包含多项关键功能，可以跨数据中心、混合云和边缘，以一致的方式实现机器学习运维（MLOps）。在红帽 OpenShift 上运行 AI/ML 可为 AI/ML 工作流提速，并加快 AI 驱动型智能应用的交付。

红帽 OpenShift AI 是一个围绕 AI 打造的产品组合，提供涵盖 AI/ML 实验和模型整个生命周期的工具，其中包括红帽 OpenShift 数据科学。它提供了基于开源技术的一致可扩展基础，可为 IT 运维负责人提供专业的合作伙伴生态系统，并为数据科学家和开发人员带来 AI 创新。