过去，将AI投入工作需要巨大的服务器机房，需要大量的计算能力，并且不可避免地需要对能源和IT资源进行大量投资。现在，更多任务正在由放置在我们物理世界“边缘”的设备完成。
HanwhaTechwinEurope产品和营销主管UriGuterman认为，由于不需要将原始数据流回服务器进行分析，边缘人工智能将使人工智能在我们的世界中更加普遍。这也为视频监控行业带来了巨大的好处。
在这里，Guterman解释了这一现象背后的原因，并观察了当今的人工智能是如何使用的，以及该技术在未来将如何发展。
可持续发展效益
与基于服务器的AI相比，边缘人工智能有几个优势。首先，传输回服务器的数据减少了，从而降低了带宽需求和成本。拥有成本降低了，并且由于不再需要维护大型服务器室，还可以获得重要的可持续性收益。设备本身的能源节约也可以实现，因为在本地执行人工智能任务所需的能源大大减少，而不是将数据发回服务器。
成本效益
与基于云计算的计算模式相比，边缘人工智能设备通常不需要支付经常性的订阅费，从而避免了由此带来的价格上涨。专注于边缘设备还使终端用户能够投资于自己的基础设施。
更大的可扩展性
使用边缘人工智能的摄像头可以使视频安装更加灵活和可扩展，这对于希望分阶段部署项目的组织特别有帮助。随着需求的发展，更多的AI摄像头和设备可以添加到系统中，而无需终端用户从一开始就使用昂贵的GPU和大量带宽的大型服务器。
提高运营绩效和安全性
由于视频分析发生在设备的边缘，只需要通过网络发送元数据，这也提高了网络安全性，因为在传输过程中没有敏感数据可供黑客拦截。处理是在边缘进行的，因此无需通过网络发送原始数据或视频流。
由于分析是在本地设备上完成的，边缘人工智能消除了与云或服务器通信的延迟。响应速度加快，这意味着像自动聚焦事件、授予访问权限或触发入侵者警报等这类任务可以几乎实时地发生。
此外，在设备上运行AI可以提高触发器的准确性，并减少误报。通过使用深度学习的边缘人工智能，人数统计、占用率测量、队列管理等都可以进行高精度的计算。这可以提高操作人员的响应效率，并减少挫败感，因为他们不必响应误报。人工智能摄像头还可以在同一设备上运行多个视频分析，这是另一个效率提升，意味着操作人员可以轻松部署人工智能来警告潜在的紧急情况或入侵、检测安全事件或跟踪嫌疑人。
视频质量改进
更重要的是，在边缘使用人工智能，可以提高捕获的视频质量。降噪可以在设备上本地执行，使用人工智能，可以专门降低感兴趣物体周围的噪音，例如在检测到的区域内移动的人。Bestshot等功能确保操作人员无需筛选大量镜头即可找到嫌疑人的最佳角度。相反，人工智能可以立即提供最佳镜头，帮助减少反应时间，加快事后调查。其还有节省存储空间和带宽的额外好处，因为只有最好的照片才会被传输和存储。
基于人工智能的压缩技术也适用于人工智能检测、跟踪的对象和人员应用低压缩率，同时适用于剩余的视场的高压缩率-这最大限度地减少了网络带宽和数据存储需求。
使用元数据
边缘人工智能摄像头可以通过API(应用程序编程接口)向第三方软件提供元数据。这意味着，系统集成商和技术合作伙伴可以将其作为人工智能分类的第一种手段，然后用自己的软件对分类对象进行额外处理——在其基础上增加另一层分析。
弹性
在边缘使用人工智能不会出现单点故障。即使网络或云服务出现故障，人工智能也能继续运行。触发器仍然可以在本地操作，或发送到另一个设备，并在连接恢复时将记录和事件发送到后端。
人工智能在边缘设备上几乎是实时处理的，而不是流回服务器或远程云服务。这避免了潜在的不稳定网络连接延迟分析。
对安装人员的好处
特别是对于安装人员来说，在安装过程中提供边缘人工智能，可以帮助他们在市场上脱颖而出，为许多不同的用例提供解决方案。开箱即用的解决方案，对那些没有时间或资源手动设置视频分析的终端用户极具吸引力。
像WisenetX系列和P系列的AI摄像机直接开箱即用，无需视频分析专家来微调分析。安装程序不必花费宝贵的时间来配置复杂的服务器端软件。当然，这也对培训时间和成本产生了连锁的积极影响。
展望未来
展望未来，UriGuterman表示，边缘人工智能看起来很有前景。越来越多的制造商在寻找拓宽AI摄像头分类的方法，甚至将AI摄像头作为一个平台，允许系统集成商和软件公司创建自己的在摄像头上运行的AI应用程序。
其总结道:“现在，对于终端用户和安装人员来说，这绝对是一个值得探索的领域，因为边缘人工智能有望带来巨大的效率、准确性和可持续性收益。”
