1.执行 build_sdk.sh 报如下图错误(dockhub网站内未能找到huawei-ec-iot/sdk:base镜像)2.镜像服务应该是正常的，可以下载nginx3.docker镜像拉取采用了国内代理

8月21日-23日，由云原生计算基金会（CNCF）和 Linux 基金会联合主办的KubeCon + CloudNativeCon + Open Source Summit + Al_dev China 2024 大会在中国香港盛大召开。会上，华为云云原生开源负责人，CNCF TOC王泽锋，蔚来汽车战略新业务数字系统架构师蒋旭辉联合发表“云原生技术加速电动汽车创新”主题演讲，深入探讨云原生解决方案在革新EV领域中的转变影响和未来前景。KubeCon China 2024 主题演讲作为一家全球化的智能电动汽车公司，蔚来致力于提供高性能的智能电动汽车与极致用户体验，坚持核心技术的正向研发，建立了由12个领域的技术栈构成的“蔚来技术全栈”。硬件基础决定软件形态，随着车载算力的不断增强，车端软件数量也在爆发式的增长。车端作为其团队重点，在新的行业变革中也产生了新的需求和挑战。E/E架构与SDV趋势下车端软件开发挑战根据博世2019年提出的整车电子电器架构的演进图，当前的新能源汽车有一部分已经达到了3.0时代，即区域控制器和车载电脑；在向车云计算的演进过程中，部分功能已在实现车云协同。基于3.0架构，汽车行业有一个比较热门的话题，是软件定义汽车。软件定义汽车实际是SOA架构和中央计算E/E架构的合体。其中的核心就是中央计算单元。当前的中央计算单元已经融合核座舱、网联、智驾的能力，软件平台的重要性更加突出。在规划中央计算单元的规划定义阶段，将云端的能力当成整体平台的一部分，实现车云的一体化设计。行业趋势 – SDV蔚来数字系统团队，主要聚焦于整个平台中的智能网联和工具链的部分。在智能网联的研发环节，面临的行业环境变化有：敏捷开发敏捷交付需求：软件研发周期变短，汽车换代时间由以前的8年左右现在提速到1年多。随着软件比重的增加，交付后版本更新成为一个必须项。硬件平台异构，开发人员很并行开发难度高。研发与测试管理成本提升：汽车软件除了一些硬件的差异化配置外，软件也开始出现差异化。为了实现软件的千人千面，需要平台提供定向推送的能力，管理复杂。传统的汽车厂商作为集成商，更多的是做整车的功能测试。随着汽车厂商的软件自研能力提高，软件测试项目的内容和复杂度也大幅提高，这些变化带来了测试成本的挑战。跨领域团队协作愈发频繁：中央计算单元集成的功能递增，车和云之间，自动驾驶、网联、座舱等团队的交叉协作越来越密切。汽车软件的开发也在引入互联网的模式，由传统的V模型，转变到V模型与敏捷开发混合。技术生态双重优势云原生助力车端软件平台构建对于当前车企研发所面临的问题，王泽锋提到，构建车端软件平台，云原生从技术维度和生态维度均具备明显优势。技术层面，云原生提供便捷的软件依赖管理，灵活的编排部署策略，技术栈开放，灵活可定制；生态层面，成熟的云原生生态为企业提供了丰富的选择，厂商基于标准接口提供服务，互操作性强且开源为主，拥有丰富的标准软件生态，与此同时，云原生行业人才系统成熟，这为车企提供了众多方案选择与研发力量后盾。CNCF TOC 华为云云原生开源负责人 王泽锋如何基于云原生技术构建车端软件平台？将云原生技术栈应用到车的领域，也面临着以下挑战：1. 算力稀缺：车端算力成本比云数据中心、消费电子高出很多；2. 海量边缘节点接入：汽车的接入数量级在数十万到数百万之间，对于平台的管理规模本身就是巨大的挑战；3. 运行环境差异：汽车的网络环境稳定性差（经常处于地下室、隧道等无网络环境），本身的高速移动也会表现为网络的高延迟高丢包现象。以KubeEdge为核心构建蔚来整套车云协同平台蒋旭辉提到，经过大量调研和选型工作后，我们发现KubeEdge能够很好地解决这些挑战，因此我们选择使用KubeEdge作为平台的核心，以Kubernetes + KubeEdge为技术底座，构建了整套车云协同平台。在实车端应用的容器化后，蔚来在车上引入了KubeEdge，将车端的容器应用也纳入到API-Server统一管理。KubeEdge在给车端带来容器应用编排能力的同时，自身占用资源较少，并且启动非常迅速，可以满足汽车软件的使用场景需求。借助KubeEdge的离线自治能力，在弱网/断网环境下，平台也可以实现车端软件的稳定运行和故障恢复。蔚来汽车战略新业务数字系统架构师 蒋旭辉KubeEdge架构优势作为专为云边协同开发的平台，KubeEdge兼顾各种边缘场景的特殊性：使用K8s作为控制面，并将KubeEdge的额外功能也通过K8s API提供，最大限度地帮助用户融合云数据中心与边缘的生态；针对边缘环境受限的场景，KubeEdge在完成自身轻量化的基础上支持用户自定义功能裁剪，以满足不同的资源需求。并且KubeEdge提供了节点级元数据持久化，支持边缘离线自治；KubeEdge双向多路复用的云边消息通道，替代原本的节点与控制面之间链接，实现对于APIserver连接数的放大，并且引入全时段可靠增量同步的机制应对弱网环境挑战。KubeEdge设计理念在车上引入KubeEdge，将车端的容器应用也纳入到API-Server统一管理，在给车端带来容器应用编排能力的同时，KubeEdge自身占用资源较少，并且启动非常迅速，可以满足汽车软件的使用场景需求。借助KubeEdge的离线自治能力，在弱网/断网环境下，也可以实现车端软件的稳定运行和故障恢复，蒋旭辉在演讲中表示。▍突破APIserver连接数限制，实现超大规模边缘汽车管理在量产车型大规模接入的场景中，需要实现高出传统云数据中心几个数量级的节点管理规模，并且应对节点联接的潮汐效应问题。在KubeEdge的云边通信机制中，配合车端的持久化存储，我们实现了全时段的增量同步机制，可以有效降低车辆启动和断联恢复时的网络冲击，以及状态同步过程中持续开销。通过云边消息通道的双向多路复用机制，KubeEdge可以突破APIserver的连接数限制，实现超大规模的边缘汽车管理。蔚来基于KubeEdge构建车云协同平台架构KubeEdge使用K8s作为控制面，将车的Node、Pod等资源对象的管理实现为K8s原生的API，屏蔽了车端与云端资源的管理差异。业务系统可以很方便地管理车上的容器应用，而不需要感知应用在不同环境应该如何部署。▍场景实际落地, 开发速度、软件质量提升,有效降低使用成本新能源汽车电池健康安全数据分析新能源汽车电池安全一直是用户比较关心的重点，蔚来在电池安全和电池健康方面也一直投入了大量的精力去实现更优的体验，除了电池本身的技术演进外，还运用大数据和人工智能算法来预测和分析电池健康程度，从而优化电池策略，提高电池寿命。场景1 数据分析-电池健康安全检测在具体的工程侧，由于成本和网络的限制，数据分析团队需要进行车和云端结合的算法来达到最佳效果。边缘算法部署在车端，进行特征提取等计算，云端进行时间序列分析等。基于此场景，蔚来数字系统团队创新使用云原生技术，在算法开发阶段，算法开发同事使用容器化的方式进行边缘算法的开发。统一使用容器打包镜像，通过K8s，使云端的算法和车端的算法同步部署。在工程车辆验证阶段，算法团队只需切换依赖的基础镜像，就可以将边缘计算的容器应用快速小批量地部署到工程车辆，进行算法的验证。验证通过后，整个算法主体部分开发完成，算法团队只需根据目标车型替换对应的量产基础镜像，即可完成量产包的制作，无需关心车端的运行环境、系统版本等细节问题。引入云原生能力构建车端软件测试管理平台蔚来在开发阶段使用云原生技术以外，在软件测试阶段也引入云原生的能力。以往的的测试台架资源主要为离线的人工管理方式，不能充分利用台架资源。实车、台架本身具备较大的差异，各测试阶段和测试环境比较孤立，难以覆盖组合场景的测试需求。场景二 功能软件测试引入云原生能力后，Virtual car、台架和实车通过接入到K8s的统一监控和管理，可以更合理地安排测试任务，从而提高测试资源的利用率。蔚来团队同时创新性地将Testcase也进行了容器化，通过基于K8s Job的调度机制，可以更灵活地进行让我们的测试用例在不同测试环境上交叉执行，覆盖更多的场景。通过以上的两种场景应用，实现效能提升：开发速度提升：平台提供了统一的容器化环境依赖管理和部署方式，降低了开发门槛，提高了效率；软件质量提升：平台提供了多环境多节点的统一管理，可以支持规模的自动化测试并行执行；使用成本方面：平台学习门槛低，灵活的发布策略使得整个平台的台架等硬件环境可以更高效合理地被分配和使用。车载硬件和算力的提升带来了车端软件新的发展，在车云协同的当下，智能汽车领域更需要更新的平台技术，来支撑汽车软件的持续演进。蔚来汽车基于Kubernetes + KubeEdge开发云原生车云协同平台，并且首次搭载于量产车型，这是云原生生态领域中一次全新的尝试，为车企带来开发交付效率、团队协作等方面的巨大提升。也相信云原生技术将持续推进整个车端软件的研发创新与深入应用，助力汽车行业迎来更广阔的未来。更多云原生技术动向关注容器魔方

8 月 21 日至 23 日，由 云原生计算基金会 (CNCF）和Linux 基金会联合主办的 KubeCon + CloudNativeCon + Open Source Summit + Al_dev China 2024 将于中国香港盛大召开。本次大会汇聚全球顶尖开发者、行业领袖和技术专家，共同探讨云原生、开源及 AI 等领域的最新进展、核心技术及最佳实践。KubeEdge云原生边缘计算社区将在本次大会上带来Keynote、分论坛等精彩演讲，赋能多领域、多场景边云协同AI智算，敬请期待！大会期间，KubeEdge技术专家也将在CNCF 项目展区（展位号：T7），与您零距离畅聊技术与应用（详见下方展台时间表），KubeEdge邀您共聚KubeCon + CloudNativeCon + Open Source Summit + Al_dev China 2024！扫码回复“Mentorship”进入技术交流群

dge 1.18.0 版本现已正式发布。新版本在稳定性、安全性等方面有了显著的提升，同时持续在易用性等方面做了增强。KubeEdge v1.18.0 新增特性：RouterManager 支持高可用CloudCore 云边通道鉴权增强支持设备状态上报keadm 能力增强封装 Token，CA 和证书操作，提高扩展性升级 K8s 依赖到 v1.29  新特性概览  ▍RouterManager支持高可用针对 CloudCore 采用高可用部署时，RouterManager 无法准确路由的问题，在新版本中，对 RouterManager 在高可用部署时做了优化与增强，云端发往边缘的自定义消息将会被路由到对应 EdgeNode 所连接的 CloudCore中，并正确下发到对应的 EdgeNode。同时考虑了边界情况，在转发过程中，如果 EdgeNode重连到其他 CloudCore 时，消息将会被重新转发到正确的 CloudCore 中。更多信息可参考：cid:link_1cid:link_2▍CloudCore云边通道鉴权增强 CloudCore 作为连接边缘节点和 Kube-APIServer 的桥梁，需要限制边缘节点对集群资源的访问权限。在新版本中，我们对云边通道的安全性进行了增强，CloudHub 会识别消息发送方并校验其是否有足够的权限，从而限制边缘节点操作其他节点的资源。v1.18.0 目前已支持 node authorization 模式。该特性引入了如下配置参数，在新版本中默认关闭，开启如下开关即可启用该特性。apiVersion: v1 data: cloudcore.yaml: ... modules： cloudhub: authorization: // optional, default false, toggle authoration enable: true // optional, default to false, do authorization but always allow all the requests debug: false // required, an authorizer chain authorizers: // node authorization mode - node: ebable：true ... 为了安全启用此特性，可以先开启 debug。当鉴权失败时，CloudCore 只记录日志，但请求仍会正常处理。更多信息可参考：cid:link_3cid:link_4▍支持设备状态上报 设备有其自身的状态，比如在线、离线、异常等。1.18.0版本支持了设备状态上报的能力。该特性在 Mapper-Framework 已经默认实现，用户基于 Mapper-Framework 生成自己需要的 mapper，即可使用。状态上报成功后，可通过 device 的资源查看结果：apiVersion: devices.kubeedge.io/v1beta1 kind: Device ... spec: status: lastOnlineTime: "2024-07-30T17:55:49Z" state: ok twins: - observedDesired: ....更多信息可参考：cid:link_5cid:link_6cid:link_7▍Keadm能力增强 在旧版本中，使用 keadm join 安装 EdgeCore 只能指定部分参数的配置。在最新版本中，我们对 EdgeCore 的配置流程进行了显著优化。现在，您无需等待节点接入完成,手动编辑 edgecore.yaml 配置文件，再重启 EdgeCore。通过在 keadm join 命令中使用新增的 --set 参数，您可以在节点加入时直接设置配置，就像使用 Helm 配置 values.yaml 一样便捷。这一改进大大简化了配置管理过程，提高了效率。下列指令是一个开启 MetaServer 的样例：keadm join --set modules.metaManager.enable=true,modules.metaManager.metaServer.enable=true,modules.metaManager.remoteQueryTimeout=32更多信息可参考：cid:link_8https://github.com/kubeedge/kubeedge/pull/5564 ▍封装Token，CA和证书操作，提高扩展性在本版本中，我们对 Token 和 Certificate 的处理进行了彻底的整理和优化。原先分散在代码各处的处理逻辑现在已被集中管理，显著降低了维护成本。Token 处理已被集成到一个统一的工具包中，而 Certificate 的处理则通过接口抽象化，不仅支持自建 CA 流程，还适配了通过 Kubernetes CSR 申请 Certificate 的流程。此外，我们的设计允许未来轻松扩展以支持更多类型的私钥和客户自定义的 Certificate。此次重构不仅提升了 Token 和 Certificate 业务代码的可读性和可维护性，而且保持了对外接口的完全向下兼容性，确保了现有系统的无缝升级。更多信息可参考：cid:link_9cid:link_10▍升级K8s依赖到v1.29新版本将依赖的 Kubernetes 版本升级到 v1.29.6，您可以在云和边缘使用新版本的特性。更多信息可参考：cid:link_11▍致谢感谢 KubeEdge 社区技术指导委员会(TSC)、各 SIG 成员对 v1.18.0 版本开发的支持与贡献，未来 KubeEdge 将持续在新场景探索与支持、稳定性、安全性、可扩展性等方面持续发展与演进！▍相关链接Release Notes：cid:link_0扫码回复“Mentorship”进入技术交流群

中奖结果公示感谢各位小伙伴参与本次活动，欢迎关注华为云DTSE Tech Talk 技术直播更多活动~本次活动获奖名单如下（部分视频号抽奖用户无账号名）：账号名 奖项名称 奖品名称 linghz666 口令抽奖 华为云定制T恤hw_008618020934589_01 口令抽奖 华为云定制T恤xj120141121 优质提问  华为云定制双肩包视频号抽奖 华为云定制Polo衫视频号抽奖 华为云定制Polo衫视频号抽奖 华为云定制Polo衫

 KubeEdge如何与云服务集成？

 KubeEdge如何将AI能力下沉至边缘？有哪些具体的技术实现和优化措施？

KubeEdge安装部署有什么要求？

物联网与边缘算力飞速发展，如何实现边云协同AI，让AI赋能边侧各行各业？今天16:30，华为云专家直播交流云原生边缘计算核心技术与创新布局，为你轻松匹配多行业、多场景智能化升级的云边端协同解决方案！▍直播主题边云协同新场景，KubeEdge架构设计与边缘AI实践探索▍直播时间2024.07.24（周三） 16:30-18:00▍直播简介本期直播我们将解读业界首个云原生边缘计算框架KubeEdge的架构设计，如何实现边云协同AI，将AI能力无缝下沉至边缘，让AI赋能边侧各行各业，构建智能、高效、自治的边缘计算新时代，共同探索智能边缘的无限可能！▍讲师介绍 - EliasCNCF KubeEdge社区核心成员，华为云云原生团队研发工程师，在云原生边缘计算、云原生调度、物联网等领域有深入的研究和实践经验，目前负责KubeEdge社区设计开发及生态构建，主导基于KubeEdge的云原生边缘设备管理等开发工作，保持KubeEdge技术创新和竞争力。▍直播福利：福利1：互动有礼官网直播间发口令“华为云 DTSE”抽华为云定制T恤。福利2：有奖提问直播过程中提问，评选优质问题送华为云定制双肩包。更多福利：加入微信交流群直播期间扫码入群，解锁更多隐藏福利哦~扫码观看直播

在opencv中  如何求出一个封闭图像内部的像素点个数有多少个？

在边缘计算环境下，MQTT协议的角色与优势是什么？

1.基础准备下载并解压软件包本地环境下载文件服务器安装包，云上环境使用本地虚拟机下载后scp[root@k8s-master-node1 ~]# wget http://172.128.10.10/KubeEdge/KubeEdge1.11.zip [root@k8s-master-node1 ~]# unzip KubeEdge1.11.zip解压并安装keadm[root@k8s-master-node1 ~]# cd KubeEdge1.11/ [root@k8s-master-node1 KubeEdge1.11]# tar xf keadm-v1.11.1-linux-amd64.tar.gz [root@k8s-master-node1 KubeEdge1.11]# cp keadm-v1.11.1-linux-amd64/keadm/keadm /usr/local/bin/加载部署镜像[root@k8s-master-node1 ~]# cd /root/KubeEdge1.11 [root@k8s-master-node1 KubeEdge1.11]# docker load -i cloudcore.tar [root@k8s-master-node1 KubeEdge1.11]# docker load -i installation.tar [root@k8s-master-node1 KubeEdge1.11]# docker load -i kubeedge_pause.tar [root@k8s-master-node1 KubeEdge1.11]# docker load -i pause.tar [root@k8s-master-node1 KubeEdge1.11]# docker load -i mosquitto.tar 拷贝离线部署文件keadm快速部署需要将文件拷贝到对应路径下[root@k8s-master-node1 KubeEdge1.11]# mkdir /etc/kubeedge [root@k8s-master-node1 KubeEdge1.11]# tar xf kubeedge-1.11.1.tar.gz [root@k8s-master-node1 KubeEdge1.11]# cp kubeedge-v1.11.1-linux-amd64.tar.gz /etc/kubeedge/ [root@k8s-master-node1 KubeEdge1.11]# cp -rpf kubeedge-1.11.1/build/crds /etc/kubeedge/ [root@k8s-master-node1 KubeEdge1.11]# cp checksum_kubeedge-v1.11.1-linux-amd64.tar.gz.txt /etc/kubeedge2.部署云端节点--advertise-address 应当为公网地址(非公网环境则为可以互通的地址)使用keadm命令安装云端节点拷贝离线安装文件至配置目录，keadm会联网检测文件的完整性后即可开始离线安装报错连接超时可以多次尝试[root@k8s-master-node1 KubeEdge1.11]# keadm deprecated init --kubeedge-version 1.11.1 --advertise-address 49.234.105.98 --tarballpath /etc/kubeedge/ 3.证书配置配置双端Stream以支持查看边缘node监控指标与Pod日志生成cloudStream证书私网环境请替换IP[root@k8s-master-node1 KubeEdge1.11]# CLOUDCOREIPS=49.234.105.98 ./kubeedge-1.11.1/build/tools/certgen.sh stream 4.启动云端节点修改配置文件以开启对应组件[root@k8s-master-node1 KubeEdge1.11]# vim /etc/kubeedge/config/cloudcore.yaml 43 cloudStream: 44 enable: true 105 router: 107 enable: true启动服务停止服务以便systemmd管理[root@k8s-master-node1 KubeEdge1.11]# pkill cloudcore [root@k8s-master-node1 KubeEdge1.11]# kill -9 50337配置systemd管理cloudcore[root@k8s-master-node1 KubeEdge1.11]# cp /etc/kubeedge/cloudcore.service /etc/systemd/system/ [root@k8s-master-node1 KubeEdge1.11]# systemctl enable cloudcore --now检查服务状态[root@k8s-master-node1 KubeEdge1.11]# systemctl status cloudcore.service7.边缘节点部署以下操作在边缘节点进行1.获取云端token获取token以加入边缘节点[root@k8s-master-node1 ~]# keadm gettoken2.基础准备从云端拷贝命令ubuntu@node-1:~$ sudo scp root@49.234.105.98:/usr/local/bin/keadm /usr/local/bin/3.docker安装一键式安装docker可以参考华为云文档中Ubuntu安装docker# 用户提权 ubuntu@node-1:~$ sudo -i root@node-1:/etc/kubeedge# curl -sSL https://get.daocloud.io/docker | sh启动dockerroot@node-1:/etc/kubeedge# systemctl enable --now docker加载镜像(离线环境)镜像从云端节点拷贝联网环境可以不使用root@node-1:~# docker load -i kubeedge_pause.tar root@node-1:~# docker load -i installation.tar root@node-1:~# docker load -i mosquitto.tar后续安装需要用到仓库名称,所以我们这里统一tag名称root@node-1:~# docker tag eclipse-mosquitto:1.6.15 kubeedge/eclipse-mosquitto:1.6.15 4.关闭防火墙关闭防火墙以加入云端节点root@node-1:~# systemctl disable --now ufw5.加入节点root@node-1:~# keadm join --cloudcore-ipport=49.234.105.98:10000 --token=5f1face87297274b29e264537fa0110699d51fd5004090f3d56ed723f4ba7ecf.eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJleHAiOjE2ODI2ODMzNTJ9.t2oPE13kEDfzhYJS_IzF0Ih2Ic3CgXJpXDuOrSG0HMo --image-repository kubeedge --kubeedge-version v1.11.16.配置边端支持监控此时我们发现节点的 CPU 内存信息无法统计，需要开启 KubeSphere Metrics_Server 并在 Edge 端开启 EdgeStreamroot@node-1:~# vim /etc/kubeedge/config/edgecore.yaml 36 edgeStream: 37 enable: true重启服务root@node-1:~# systemctl restart edgecore此时可以在云端查询到节点的负载情况7.云端查看节点列表以下操作在云端节点进行查看到新加入节点即可[root@k8s-master-node1 KubeEdge1.11]# kubectl get nodes8.其他操作操作错误后清除环境的做法云端节点和边缘节点都可以这样操作root@node-2:~# rm -fr /etc/kubeedge/ # 如果已经初始化完成后可以执行 root@node-2:~# keadm reset --force

【赛题任务】边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为连接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。华为AR502H系列边缘计算网关具备强大的边缘计算能力，提供丰富的物联网接口，可扩展IP化PLC通信，积木式按需组合，广泛应用于各种物联网场景，比如智慧用能，智慧路灯，智能配电房等领域。请各个参赛团队基于华为边缘计算网关（AR502H）自行设计开发一款物联网行业应用。完成高性能，高可靠性，安全的系统实现。【案例参考】现有的体征监测仪器大多是接触式的。它们需要附着在患者身上才能进行测量和监测。 这对于需要长时间连续监测的患者来说不是很方便。非接触式生命体征监测设备会变得更加重要，因为它将有助于最大程度地减少通过接触点和接触者造成的病毒传播，更好地确保医疗保健人员的安全。随着雷达技术的发展，已能实现无接触式的人体行为、姿态、体征的感知。基于毫米波雷达的生命体征监测系统，无需佩戴任何设备，无隐私侵犯，实现无感远程监护、实时告警、连续监测等能力。【参赛支持】边缘计算网关二次开发指南（AR502H系列）即EC-IoT开发者云社区：cid:link_0技术人员在线支持     参赛并选择华为数通的参赛队伍请加入华为数通的线上答疑QQ群，边缘计算网关的专家将在QQ群及时做技术解答，并不定期进行线上培训。群号：794109174（3）硬件支持：参赛团队可与工作人员联系购买（有优惠）。序号型号厂家1毫米波雷达浙江智尔2边缘计算网关（AR502H）华为（4）工作人员：马老师 18600655781、常老师 13126863800

随着人工智能的发展，不是把数据交给算法，而是算法去处理数据，从而实现一个全新的洞察力水平。 如今，人工智能 (AI) 无处不在，使组织能够预测系统中断的可能性，推动自动驾驶汽车，并为聊天机器人或虚拟助手提供语言功能。 这些类型的人工智能用例主要依赖于集中式、基于云的人工智能，其中存储着大量的训练数据集。 然而，人们越来越倾向于让人工智能更接近源头或更接近边缘。 边缘计算在世界范围内部署了一系列网络和设备，并且数据在更接近数据生成的地方进行处理，在人工智能的支持下变得可操作。由于物联网 (IoT) 积累的海量数据，从源头就非常需要这种类型的智能。 物联网设备(例如传感器、设备或可穿戴设备)通过互联网收集和交换数据，并且通常嵌入到其他物联网设备中以提供通信网络。 例如，仓库员工佩戴的物联网设备可以在跌倒时通知管理层，并向 911 发出警报。冰箱上的物联网设备可以在牛奶不足时提醒房主，或者在搅拌器需要维护时向生物技术科学家发出信号。在这些和其他场景中，边缘人工智能在利用所有数据来开发可行的见解、采取纠正措施或提供安全方面发挥着重要作用。 边缘人工智能允许在靠近实际收集数据的地方进行计算，而不是在集中式云计算设施或异地数据中心进行计算。 当紧迫性和时机至关重要时，边缘人工智能会挑战云的能力。 例如，在自动驾驶汽车中，数据是实时捕获的，但汽车却以每小时 65 英里的速度行驶。 没有时间将数据发送到云端然后返回决策。 必须立即做出决定。边缘优势比比皆是考虑以下一些主要好处：实时决策：边缘人工智能可以帮助设备做出关键决策，而不会产生与基于云的处理相关的延迟。 例如，自动驾驶汽车可以对不断变化的路况做出快速反应，确保乘客安全。隐私和安全：边缘计算还提供安全优势。 从位置传输到云的数据可以在位置之间被黑客攻击，但是当数据在边缘本地处理时，数据不需要通过网络移动。 这在视频监控摄像头等用户隐私至关重要的应用中尤其重要。有限连接：在偏远地区或互联网连接不可靠的地方，边缘人工智能可以独立运行，提供不间断的服务。 这对于农业地区是有益的，配备边缘人工智能的无人机可以监控连接有限的地区的农作物和牲畜。降低成本：边缘人工智能减少了对大规模且昂贵的云基础设施的需求。 企业可以节省数据传输成本并立即访问数据，从而提高效率。可扩展性：边缘人工智能具有高度可扩展性，允许将其他设备轻松添加到边缘计算网络，而不会导致中央云服务器过载。可靠性：通过将人工智能分布在多个设备或节点上，边缘人工智能更具弹性。 即使一台设备发生故障，其他设备也可以继续独立运行，从而降低系统范围内发生故障的风险。安全性：除了上述可穿戴物联网设备的安全优势之外，边缘人工智能还避免了分析师手动收集数据的人身安全隐患。 例如，有人被派去分析受自然灾害影响的建筑物的结构完整性。 当检查过程自主完成时，他们能够在世界另一端办公室的安全范围内实时分析数据。生活在边缘的挑战尽管将人工智能扩展到边缘有很多好处，但它也并非没有局限性。 其中一项挑战是其有限的计算资源。 与数据中心相比，边缘设备的计算能力有限。 这可能会对需要在其上运行的人工智能模型的复杂性造成限制。此外，边缘设备通常由电池供电，而人工智能模型通常需要大量电量，并且会很快耗尽电池寿命。 然而，研究人员正在开发针对边缘设备优化的轻量级人工智能模型和算法。 这些模型在准确性和资源消耗之间取得了平衡，使边缘人工智能更加可行。另一个挑战是，虽然边缘人工智能降低了数据泄露的风险，但它可能会引起本地层面的数据隐私问题，并被视为侵入性的。尽管面临挑战，边缘人工智能仍有望实现显着增长和创新。 事实上，根据 Future Market Insights (FMI) 的数据，边缘人工智能市场预计在 2022 年至 2023 年期间将以 20.8% 的复合年增长率扩张。最新一代无线网络连接 5G 网络的推出将有助于边缘人工智能的兴起，为边缘设备提供更快、更可靠的连接。 此类用例之一是仓库或工业环境，这些环境通常依赖 Wi-Fi。他们现在能够建立一个专用的本地5G网络，连接分布在整个站点的许多设备和物联网传感器。边缘人工智能为数据收集和分析方式提供了另一种选择。 其减少的延迟、数据隐私和成本效率使许多行业的智能达到了新的水平。 不是把数据交给算法，而是算法去处理数据，从而实现一个全新的洞察力。转载自：cid:link_0

1、感觉IEF和IoT edge的功能上差别不大，都是软件对物联设备的管理，是不是有差别？貌似IoT edge专业版兼容IEF2、两者在部署的时候是部署在虚拟机上，还是Docker上？对资源的消耗有差别吗？3、这两个都能在客户处部署吗？边端自治和边边协同能做到吗？