幸运飞艇精准计划_全天幸运飞艇计划在线_免费幸运飞艇计划(专业版)

幸运飞艇精准计划 > 战国 >

Google 对战微软阿里AIoT 进入“战国时代”!

2019-04-01 19:41:28 战国150℃

  几天前,TensorFlow 开发者峰会在加利福尼亚州桑尼维尔的 Google 活动中心如期举行。Google 针对开发社区发布了 2 款开源机器学习框架和 3 款硬件开发设备,以扩大其 AI 产品和服务范围。

  TensorFlow 是全球最受欢迎的开源机器学习框架,最初由谷歌大脑团队开发,用于机器学习和深度神经网络方面的研究,但这个系统的通用性使其也可广泛用于其他计算领域。2015 年 11 月 9 日在 Apache 2.0 开源许可证下发布。

  TensorFlow 可以理解为跑在云端服务器上的机器学习软件。TensorFlow 2.0 Alpha 提升了 TensorFlow 的易用性、灵活性和可扩展性,旨在为开发者提供“开箱即用”的使用体验。

  如今 AIoT(AI+IoT)火遍,国内各大公司竞相采用为各自的战略口号。过去跑在云端服务器的机器学习能力逐渐下沉到边缘设备上(如手机、汽车等移动设备),幸运飞艇精准计划这种现象逐渐成为 AIoT 的一种流行趋势,Google 也不能免俗。要想将 AI 从云端打通到终端,实现端云协同,在设计算法模型时,需要考虑这些设备有没有足够的算力,也就是说设备能提供多少计算资源、存储资源和电池容量等。TensorFlow Lite 则专为移动和物联网设备而设计,是 TensorFlow 的轻量级版本,它是开发人员在移动和物联网设备上部署 AI 模型的框架。

  对于一款优秀的人工智能产品而言,不仅在实时运行时能够保持极短的延迟时间,还能够在离线情况下高速地进行模型推理并响应用户操作。应用于 10 亿设备的谷歌助手 Google Assistant 在响应用户离线查询时,所有的 CPU 模型计算都由 TensorFlow Lite 执行。另外,累计拥有 8 亿用户的网易有道词典,其图片离线翻译功能也采用了 TensorFlow Lite,使 OCR 识别速度提升了 30%-40%。

  开发板和加速器均采用谷歌自家的 Edge TPU 芯片,Edge TPU 仅有指甲盖大小,专为运行 AI 模型而设计。500 万像素的相机配件是开发板的附加组件。

  Edge TPU 于 2018 年 7 月发布,它是 Google 专用的 ASIC 芯片,旨在物联网设备和边缘设备上运行 TensorFlow Lite 模型,即使设备没有互联网连接且电池容量有限。

  当然,开发板和加速器适用于 AI 推理,即在边缘设备上执行机器学习的算法模型,而机器学习算法模型的训练仍然需要 GPU 和云端服务器去完成。

  Google 在物联网领域的起步相对较晚,当亚马逊、微软、IBM 等公司的物联网进展地风风火火时,“物联网”一开始只存在于 Google 云平台(Google Cloud Platform)的解决方案列表中,基于自身原有的云平台组件,Google 仅从技术角度出一套简易的物联网解决方案,并没有提出的物联网品牌。

  反观亚马逊,早在 2015 下半年就率先发布亚马逊 AWS IoT 平台。2016 年底亚马逊又推出 Greengrass 以提升边缘运算能力,Greengrass 由 Greengrass Core、Greengrass SDK 与 IoT Device SDK 组成,便于物联网设备在本地执行运算、传输、数据同步等操作。亚马逊紧接着于 2017 年底推出 Amazon FreeRTOS 操作系统,适用于小型低功耗的边缘设备进行编程、部署、连接与管理。最新一代的亚马逊 Greengrass 也加入了机器学习推理功能,在云端训练的模型可在边缘设备进行执行。

  阿里巴巴于 2018 年 3 月底举行的深圳云栖大会间,宣布物联网成为电商、物流、金融与云计算后的第五赛道,同时设定未来 5 年将连接 100 亿台设备的目标。阿里云紧接亚马逊的脚步,于 2016 年发布协助物联网开发者进行客制化物联网解决方案的物联网套件,主要功能包括设备接入阿里云、设备管理、设备安全、储存数据与规则引擎导入。2017 下半年阿里云再次推出 Link 物联网云平台和 AliOS Things 物联网操作系统。Link 物联网平台最主要目标是将物联网平台、物联网市场与物联网标准紧密结合,让物联网基础建设更全面,并朝向垂直应用领域发展。

  纵观国内外巨头在物联网领域的实践,可以看出,AIoT 的落地需要经历两个阶段。第一个阶段发生在云端,通过收集大量数据进行训练模型和推理,以智能音响为例,其远场语音识别和语义理解均在云端进行。随着 AI 算力在边缘设备上逐渐增强,AI 应用开始从云端向边缘下沉,因此第二个阶段发生在终端,AI 应用会逐渐从云端终端,形成云端进行模型训练、终端进行模型推理的模式,最典型的案例就是手机的 AI 拍照。

  Google 此次发布的开发板和加速器都支持其轻量级版本 AI 框架 TensorFlow Lite。Google 同时推出互相搭配的 AI 软件开发框架和 AI 硬件开发工具,这些产品使 Google 成为唯一一家拥有集成软件和定制硬件堆栈的云服务提供商。

  从服务器、边缘设备、终端设备再到芯片,通过 TensorFlow 标准化的交换格式和 API,实现平台和组件间的兼容性和一致性,以支持更多的运行平台和开发语言,显然,Google 是采用了软硬一体化的策略,继续发力边缘计算,将其强大的计算能力从云端贯通到终端,期望在 AIoT 的道上走得更远。

搜索
网站分类