在互聯網時代,伴隨著5G技術發展的越來越成熟,邊緣計算作為5G的核心,各個垂直行業都在考慮對垂直行業的邊緣計算資源進行投資。與此同時,人工智能、邊緣計算與物聯網的融合越來越受到重視,邊緣計算正迅速成為生成數據的設備和處理數據的公共云之間的渠道。
在機器學習和人工智能的背景下,公共云用于訓練模型,邊緣用于推理。谷歌TPU和“珊瑚邊緣平臺”打開了谷歌邊緣AI賦能的典型案例。
為了加速Machine Learning訓練,包括AWS、Azure、谷歌云平臺(GCP)等公有云服務提供商都會提供一個由GPU支持的虛擬機。目前,Nvidia的GPU是ML研究人員和數據科學家云中訓練的首選加速器。
谷歌許多產品和服務的核心都會基于其機器學習的能力。為此,谷歌構建了一個稱為Tensor Processing Unit(TPU)的定制ASIC(專用集成電路)。與GPU不同,TPU主要針對神經網絡所需的大規模并行計算進行了高度優化。 谷歌一直在將TPU用于各種應用,例如搜索,照片和翻譯。 TPU的整體設計都是基于ML進行設計,具有谷歌在機器學習方面的豐富經驗和領導力。現在谷歌的TPU3.0芯片具有8倍性能、快速迭代的特點,各方面都比以往的TPU2.0更上一層樓。
與此同時,在云計算方面,谷歌也一直在向GCP客戶展示一些內部工具和平臺。那么自然而然的,基于云的TPU能力成為GCP用戶可以使用的服務之一。客戶通過TensorFlow便能在谷歌的TPU加速器硬件上運行機器學習工作負載。 云TPU旨在實現最高性能和靈活性,以幫助研究人員,開發人員和企業構建TensorFlow計算群集。高級Tensorflow API可幫助開發人員在云TPU硬件上運行模型。云TPU能夠以合理的價格提供TensorFlow模型建立最佳的性能培訓。目前綜合來看,云TPU的確是公有云產品中成本最低的ML加速器。
而更讓人振奮的是,近期,谷歌宣布推出Edge TPU,這是一款專為單板計算機和片上系統設備設計的微型云TPU。盡管Edge TPU可用于訓練ML模型,但事實上,邊緣的價值是專為推理而設計的。
Google建議使用其云服務來訓練TensorFlow模型并將其轉換為在Edge TPU上運行。 TensorFlow Lite作為TensorFlow的一種形態,適用于移動設備和低功耗環境。現有TensorFlow模型可以轉換為在iOS和Android上運行的TensorFlow Lite格式。針對邊緣TPU進一步優化TensorFlow Lite模型。Edge TPU模塊體積小,非常適合用于無人機,相機和掃描儀等設備中。
為了使開發人員能夠輕松地編程和調試用于推理的模型,谷歌已經構建了一個名為“珊瑚”的平臺。它結合了硬件和軟件,使開發人員能夠快速構建AI解決方案原型。
目前,有兩種“珊瑚”方案可供開發人員在邊緣編程AI,它們是 Coral Dev Board和USB Accelerator。Coral Dev Board是一款單板計算機,帶有可移動的模塊化系統(SOM),采用Edge TPU,而且是一款獨立設備,擁有獨立的相機模塊,用于實時顯示圖像和視頻。 它還有一組與Raspberry Pi標頭兼容的GPIO。 針對Edge TPU優化的TensorFlow Lite模型可以在設備上本機運行。 Coral Dev Board的關鍵用例是使用TensorFlow模型解決計算機視覺問題的邊緣解決方案。
谷歌還有另一款配備Edge TPU的設備,稱為USB Accelerator。 類似于USB記憶棒,該設備可以插入任何Debian主機的USB端口,包括Raspberry Pi。 它配有USB-C連接器,可提供更高的吞吐量和功率。 主機只需要運行Coral SDK就可以將TF Lite模型轉移到Edge TPU。 開發人員可以使用USB加速器在任何現有Linux主機上對AI解決方案進行原型設計。
在未來,AI+EC+IOT逐漸成為一種趨勢,是需要運用到更多的應用場景中,比如車聯網、智慧城市、智能家居等,這樣也會使我們的生活更加便利。