边缘计算：未来计算模式的新方向
在当今科技飞速发展的时代，边缘计算作为一项热门技术，正逐渐成为业界的焦点。所谓边缘计算，即在数据产生和处理的地方，实现数据的实时计算和收集。这种新兴的计算模式，将会给各行各业带来深远的影响。而在这一领域，网心科技马婷以其独特的视角和深入的研究，带领我们一起探寻边缘计算的“诗和远方”。
马婷，作为网心科技的资深技术专家，一直以来致力于边缘计算技术的研究和开发。在她的带领下，网心科技成功地推出了一系列边缘计算产品，如基于物联网的边缘服务器、边缘网关等。这些产品能够实现分布式计算、大数据处理、人工智能推理等功能，为各行各业提供实时、高效、智能的计算服务。
在谈论边缘计算时，马婷强调：“边缘计算作为一种新的计算模式，其核心思想是将计算和数据处理尽量靠近数据产生的地方。这种模式可以大大减少数据传输的成本，提高数据处理效率，同时也能更好地满足各行各业对于实时数据采集和处理的需求。”
那么，如何实现边缘计算呢？马婷指出，边缘计算的实现需要借助一系列先进的技术手段，如物联网、云计算、人工智能等。其中，物联网技术负责数据的采集和传输，云计算技术负责数据处理和存储，而人工智能技术则负责实现智能推理和决策。
除了技术层面，马婷还从更广阔的视角看待边缘计算的意义。她认为，边缘计算的发展将会带来计算方式的变革，从而影响整个社会的形态。“边缘计算可以让我们的生活更加便利，让我们的生产更加高效，也让我们的社会更加智能。”马婷说。
最后，马婷分享了她对未来边缘计算发展的展望。她表示，随着5G、物联网等技术的进一步发展，边缘计算将会在更多的场景中得到应用。例如，在智能制造领域，边缘计算可以实现对生产线的实时监测和调整；在智能交通领域，边缘计算可以实现对交通流量的实时调度和优化；在智能医疗领域，边缘计算可以实现对患者健康状况的实时监测和预警。
总的来说，边缘计算作为一种新兴的计算模式，有着广阔的发展前景和应用领域。而在网心科技马婷的带领下，我们相信这一领域将会迎来更多的创新和突破。正如马婷所说：“边缘计算不仅仅是一项技术，更是一种全新的思维方式和生活方式。”让我们一起期待边缘计算带来的美好未来吧！
为什么边缘计算和人工智能策略必须互补
许多企业已经开始探索边缘计算用例，因为可以将计算能力推向更靠近数据源和更靠近终端用户。同时，可能正在探索或实施人工智能或机器学习，也已经认识到自动化的发现和获得数据驱动的洞察力。但如果不积极地将边缘战略和人工智能策略结合起来，那么就会错过变革的可能性。
人工智能领域的涉足有明显的迹象表明，边缘分析和数据分析正在融合。根据数据表明，到2025年，边缘数据的创建将增加33%，占数据的五分之一以上，到2023年，数据分析专业人士将把超过50%的精力放在创建和分析边缘数据上。边缘解决方案对实现企业的使命非常或极其重要。78%的领导者认为边缘对AI和ML的影响最大。传统上，企业需要将远程数据传输到数据中心或商业云，以执行分析和提取价值。这在边缘环境中可能具有挑战性，因为数据量的增加、网络访问受限或没有网络访问，以及对实时更快决策的需求不断增加。但今天，增强的小容量芯片组、高密度计算和存储以及网状网络技术的可用性，为企业部署人工智能工作负载、更接近数据生产源奠定了基础。边缘人工智能入门要启用边缘人工智能用例，请确定近实时数据决策在哪些方面，可以显着增强用户体验并实现任务目标。我们看到越来越多的边缘用例集中在下一代飞行套件上，以支持执法、网络安全和健康调查。调查人员曾经收集数据用于后续处理，新的部署套件包括先进的工具，用于现场处理和探索数据。接下来，确定传输大量边缘数据的位置。如果可以在远程位置处理数据，那么只需要传输结果。通过只移动一小部分数据，您可以释放带宽，降低成本，并更快地做出决策。利用松散耦合的边缘组件来实现必要的计算能力。单个传感器无法执行处理。但是高速网状网络允许连接节点，其中一些处理数据收集，以及其他处理等等。甚至可以在边缘重新训练ML模型，以确保持续的预测精度。远程人工智能的基础设施即代码边缘人工智能的最佳实践是基础设施代码。基础设施代码允许通过配置文件，而不是通过物理硬件来管理网络和安全配置。使用基础设施代码，配置文件包括基础结构规范，使更改和分发配置变得更容易，并确保一致地提供环境。还可以考虑使用微服务，并在其中运行它们，并利用开发ops功能，如CI/CD管道、giitops等在边缘上将ML模型的迭代部署自动化到生产环境中，并提供编写一次代码在任何地方使用它的灵活性。我们应该寻求在边缘和核心使用一致的技术和工具。通过这种方式，可以不需要专门的专业知识，避免一次性的问题，并且可以更容易地扩展。现实世界及其他中的边缘人工智能从军队到执法部门，再到管理关键基础设施的机构，都在边缘执行人工智能。例如国际空间站。国际空间站包括一个进行研究和运行实验的现场实验室。在一个例子中，科学家们专注于在国际空间站上发现的微生物的DNA基因组测序。基因组测序产生了大量的数据，但科学家只需要分析其中的一部分。在过去，国际空间站将所有数据传输到地面站进行集中处理，通常每个序列有许多tb的数据。在过渡传输速率下，数据可能需要数周才能到达地球上的科学家手中。但是利用边缘和人工智能的力量，研究是在国际空间站上直接完成的，只把结果传送到地面。现在可以在同一天进行分析。
在空间和功率有限的环境中，该系统易于管理。软件更新被推到必要的边缘，并在现场进行ML模型训练。而且该系统足够灵活，可以在未来处理其他类型的基于ML的分析。结合人工智能和边缘计算可以使企业在任何位置执行分析。通过从核心到边缘的公共框架，可以在远程位置扩展和扩展人工智能。通过将分析放置在数据生成和用户交互的位置附近，可以更快地做出决策，更快地提供服务，并将任务扩展到任何需要的地方。蜜度索骥：以跨模态检索技术助力“企宣”向上生长中国广电李爽：推动5G全产业链协同发展创造数字经济新价值中国电信曹磊：5G能力魔方赋能5G行业应用快速落地中国工程院院士邬贺铨：5G用户体验不足还需要从自身解决CCSA理事长闻库：适度超前网络建设，牵引数字经济发展数交会盛大开幕大连交上一份亮眼成绩单2022年中国数字经济规模达到50.2万亿元人民币占比升至41.5%报道称印度或崛起为全球新的半导体中心报道称印度或崛起为全球新的半导体中心总预算1.017亿元！上海移动启动家宽终端FTTR集采华为胡厚崑：昇腾AI使能国内半数大模型创新提三点思考加速人工智能发展免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
什么是边缘计算边缘计算是如何工作的
什么是边缘计算？边缘计算是在靠近物或数据源头的网络边缘侧，通过融合网络、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。简单点讲，边缘计算是将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中进行分析，无需再将数据传输至云端数据处理中心。
目录为什么需要边缘计算？边缘计算VS云计算边缘计算是如何工作的？边缘计算的典型应用更多收起为什么需要边缘计算？物联网技术的快速发展，使得越来越多具备独立功能的普通物体实现互联互通，实现万物互联。得益于物联网的特征，各行各业均在利用物联网技术快速实现数字化转型，越来越多的行业终端设备通过网络联接起来。
然而，物联网作为庞大而复杂的系统，不同行业应用场景各异，据第三方分析机构统计，到2025年将有超过千亿的终端设备联网，终端数据量将达300ZB，如此大规模的数据量，按照传统数据处理方式，获取的所有数据均需上送云计算平台分析，云计算平台将面临着网络时延高、海量设备接入、海量数据处理难、带宽不够和功耗过高等高难度挑战。
为了解决传统数据处理方式下时延高、数据实时分析能力匮乏等弊端，边缘计算技术应运而生。边缘计算技术是在靠近物或数据源头的网络边缘侧，通过融合网络、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。简单点讲，边缘计算是将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中激进型分析，无需再将数据传输至云端数据处理中心。
边缘计算VS云计算边缘计算的概念是相对于云计算而言的，云计算的处理方式是将所有数据上传至计算资源集中的云端数据中心或服务器处理，任何需要访问该信息的请求都必须上送云端处理。
因此，云计算面对物联网数据量爆发的时代，弊端逐渐凸显：
云计算无法满足爆发式的海量数据处理诉求。随着互联网与各个行业的融合，特别是在物联网技术普及后，计算需求出现爆发式增长，传统云计算架构将不能满足如此庞大的计算需求。
云计算不能满足数据实时处理的诉求。传统云计算模式下，物联网数据被终端采集后要先传输至云计算中心，再通过集群计算后返回结果，这必然出现较长的响应时间，但一些新兴的应用场景如无人驾驶、智慧矿山等，对响应时间有极高要求，依赖云计算并不现实。
边缘计算的出现，可在一定程度上解决云计算遇到的这些问题。如下图所示，物联终端设备产生的数据不需要再传输至遥远的云数据中心处理，而是就近即在网络边缘侧完成数据分析和处理，相较于云计算更加高效和安全。
边缘计算VS云计算表1-1边缘计算和云计算的区别项目
边缘计算
云计算
计算方式
分布式计算，聚焦实时、短周期数据的分析
集中式计算，依赖云端数据中心
处理位置
靠近产生数据的终端设备或物联网关
云端数据中心
延时性
低延时
高延时
数据存储
只向远端传输有用的处理信息，无冗余信息
采集到的所有信息
部署成本
低
高
隐私安全
隐私性和安全性较高
隐私性和安全性相对低，需要高度关注
边缘计算是如何工作的？边缘计算架构如下图所示，尽可能靠近终端节点处处理数据，使数据、应用程序和计算能力远离集中式云计算中心。
边缘计算架构终端节点：由各种物联网设备（如传感器、RFID标签、摄像头、智能手机等）组成，主要完成收集原始数据并上报的功能。在终端层中，只需提供各种物联网设备的感知能力，而不需要计算能力。边缘计算节点：边缘计算节点通过合理部署和调配网络边缘侧节点的计算和存储能力，实现基础服务响应。网络节点：负责将边缘计算节点处理后的有用数据上传至云计算节点进行分析处理。云计算节点：边缘计算层的上报数据将在云计算节点进行永久性存储，同时边缘计算节点无法处理的分析任务和综合全局信息的处理任务仍旧需要在云计算节点完成。除此之外，云计算节点还可以根据网络资源分布动态调整边缘计算层的部署策略和算法。边缘计算的典型应用正是基于这种更实时处理数据的能力、特性，更快的响应时间，边缘计算非常适合被应用于物联网领域，通过具有边缘计算能力的物联网关就近（网络边缘节点）提供设备管理控制等服务，解决物联网通信“最后一公里”的问题，最终实现物联网设备的智慧连接和高效管理。
边缘计算网联网架构如下图所示，它聚焦于工业物联网领域，不仅支持丰富的工业协议和物联接口，可以广泛适应不同行业设备的联接场景，而且通过开放的边缘计算能力和云管理架构，快速满足不同行业边缘智能数据处理诉求：
联接：实现海量终端设备接入物联网络，主要通过边缘计算网关支持的各种物联接口（IP化PLC/RF/RS485/RS232等）连接各种传感器和终端，实现终端设备接入。云管理：通过物联网平台，应用云计算技术，实现边缘物联设备（如网络、设备、容器及应用）的统一云化管理，同时北向支持与其他行业应用系统灵活对接。行业应用：物联网平台提供标准的开放接口与不同合作伙伴的行业应用系统开放对接，构建广泛的行业适应性，可开发更多契合行业场景，深度定制化物联网行业应用。边缘计算物联网参考资源1（ebook）EC-IoT边缘人工智能：人工智能和边缘计算的未来
0分享至来源：e-works作者：未央编译高效的边缘人工智能模型通常拥有优化的边缘计算基础设施，可以在边缘和靠近边缘处理更庞大的人工智能工作负载。边缘计算正在见证人们对新用例的极大兴趣，尤其是在引入5G之后。根据Linux基金会发布的《2021年边缘计算状态》报告的预测，到2028年，全球边缘计算基础设施的市场价值将超过8000亿美元。与此同时，很多企业也在大力投资人工智能（AI）。根据麦肯锡公司在去年的调查报告，50%的受访者表示至少在一项业务职能中实施了人工智能。虽然大多数企业将这些技术投资作为其数字化转型之旅的一部分，但具有前瞻性的企业和云计算提供商通过融合边缘计算和人工智能（或边缘人工智能）看到了新的机遇。人们需要了解边缘人工智能的发展以及这项技术对现代数字企业的影响。什么是边缘人工智能？人工智能在很大程度上依赖于复杂机器学习算法的数据传输和计算。边缘计算建立了一个新时代的计算模式，将人工智能和机器学习转移到数据生成和计算实际发生的地方：网络边缘。边缘计算和人工智能的融合催生了一个新领域：边缘人工智能。边缘人工智能可以提供更快的计算和洞察力、更好的数据安全性以及对持续运营的有效控制。因此，它可以提高支持人工智能的应用程序的性能，并降低运营成本。边缘人工智能还可以帮助人工智能克服与之相关的技术挑战。边缘人工智能促进机器学习、深度学习模型的自主应用以及物联网设备本身的高级算法。边缘人工智能将如何改变企业？高效的边缘人工智能模型通常拥有优化的边缘计算基础设施，可以在边缘和靠近边缘处理更庞大的人工智能工作负载。边缘人工智能与存储解决方案相结合，可以提供行业领先的性能和无限的可扩展性，使企业能够有效地使用他们的数据。许多企业已经从边缘人工智能中获益。从改进装配线的生产监控到驾驶自动驾驶汽车，边缘人工智能可以使各个行业受益。此外，最近在许多国家和地区推出5G技术为边缘人工智能提供了额外的推动，因为该技术的更多工业应用不断涌现。由人工智能驱动的边缘计算对企业的一些好处包括：●高效的预测性维护和资产管理●缩短每个产品的检查时间●减少现场问题●更好的客户满意度●确保大规模边缘人工智能基础设施和边缘设备生命周期管理●改善城市交通管制措施实施边缘人工智能是一个明智的商业决策，因为估计未来三年工业边缘人工智能部署的平均投资回报率(ROI)为5.7%。在边缘应用在机器学习的优势机器学习是使用数据和算法对人类学习过程进行人工模拟。借助边缘人工智能的机器学习可以提供帮助，特别是对于严重依赖物联网设备的企业。以下将阐述了边缘应用在机器学习的一些优点。●隐私：信息和数据如今成为最有价值的资产，消费者对其数据的位置持谨慎态度。能够在其应用程序中提供支持人工智能的个性化功能的企业，可以让用户了解他们的数据是如何收集和存储的。它提高了客户的品牌忠诚度。●降低延迟：大多数数据处理都是在网络和设备级别进行的。边缘人工智能消除了跨网络和设备发送大量数据的要求；从而改善用户体验。●最小带宽：拥有数千个物联网设备的企业每天都必须将大量数据传输到云端。然后在云端执行分析，并将分析结果重新传输回设备。如果没有更广泛的网络带宽和云存储，这个复杂的过程将变成一项不可能完成的任务，更不用说在此过程中暴露敏感信息的可能性。然而，边缘人工智能实现了Cloudlet技术，即位于网络边缘的小规模云存储。Cloudlet技术增强了移动性，降低了数据传输的负载。因此，它可以降低数据服务的成本，提高数据流的速度和可靠性。●低成本的数字基础设施：亚马逊公司表示，90%的数字基础设施成本来自推理（机器学习中一个重要的数据生成过程）。在RightScale公司最近进行的一项研究中，接受调查的企业中有60%认为节省成本的目标隐藏在云计算计划中。相比之下，边缘人工智能消除了在基于云的数据中心执行的人工智或机器学习过程所产生的高昂费用。影响边缘人工智能开发的技术数据科学、机器学习和物联网开发等知识的发展在边缘人工智能领域发挥着更重要的作用。然而，真正的挑战在于严格遵循计算机科学发展的轨迹。特别是可以完美融入人工智能和机器学习生态系统的下一代人工智能应用程序和设备。幸运的是，边缘计算领域正在见证有希望的硬件开发，这将缓解边缘人工智能目前的限制。Sima.ai、EsperantoTechnologies和AIStorm等初创公司是少数开发可以处理繁重人工智能工作负载的微芯片的企业之一。2017年8月，英特尔公司以153亿美元收购了以色列视觉安全技术开发商Mobileye公司。近日，科技巨头百度公司启动了第二代昆仑人工智能芯片的量产，这是一种用于边缘计算的超快微芯片。除了微芯片之外，谷歌的EdgeTPU、英伟达的JetsonNano以及亚马逊、微软、英特尔和华硕也开始了主板开发的浪潮，以增强边缘计算的实力。亚马逊的AWSDeepLens是世界上第一个支持深度学习的摄像头是这方面的一项重大发展。边缘人工智能的挑战●数据质量差：全球主要互联网服务提供商的数据质量差是边缘人工智能研发的主要障碍。最近的一份Alation报告显示，87%的受访者（主要是IT公司的员工）确认数据质量差是他们的组织未能实施边缘人工智能基础设施的原因。●易受攻击的安全功能：一些数字专家声称边缘计算的去中心化特性增加了其安全功能。但实际上，本地汇集的数据需要更多位置的安全性。这些增加的物理数据点使边缘人工智能基础设施容易受到各种网络攻击。●有限的机器学习能力：机器学习需要在边缘计算硬件平台上有更大的计算能力。在边缘人工智能基础设施中，计算性能仅限于边缘或物联网设备的性能。在大多数情况下，大型复杂的边缘人工智能模型必须在部署到边缘人工智能硬件之前进行简化，以提高其准确性和效率。边缘人工智能的用例●虚拟助理亚马逊公司的Alexa或苹果公司的Siri等虚拟助手是边缘人工智能发展的巨大受益者，这使他们的机器学习算法能够从存储在设备上的数据中快速进行深度学习，而不是依赖于存储在云中的数据。●自动光学检测自动光学检测在生产线中发挥着重要作用。借助自动化的边缘人工智能视觉分析，它可以检测生产线组装部件的故障部件。自动光学检测允许高度准确的超快速数据分析，而无需依赖大量基于云的数据传输。●自动驾驶汽车支持边缘人工智能的自动驾驶汽车具有更快、更准确的决策能力，可以比人类更好地识别道路交通元素并更轻松地导航旅行路线。它可以在没有人工干预的情况下实现更快、更安全的运输。结语除了以上讨论的所有用例之外，边缘人工智能还可以在面部识别技术、增强工业物联网安全和紧急医疗护理方面发挥关键作用。边缘人工智能的用例列表每天都在增长。在不久的将来，通过满足每个人的个人需要和业务需求，边缘人工智能将成为一种日常的技术。更多内容来源于数字化企业网（https://www.e-works.net.cn/）特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端边缘计算如何改变医疗保健
在远距离分析医疗和生命科学数据时，带宽拥塞、网络可靠性和延迟问题可能会对结果产生负面影响。当时间如此重要时，这一点至关重要。为了解决这些问题，具有前瞻性的医疗机构正在采用边缘计算，在收集数据时对数据进行分析和处理。
人工智能驱动的边缘仪器、医疗设备和技术正在通过使数据处理和存储更接近数据源，并向临床和研究团队提供实时iNSight来改变医疗保健和生命科学。这对于医疗保健服务来说极其重要，而按需iNSights帮助团队对患者做出关键和紧急的决定。
在整个医院，人工智能驱动的edge技术已经发挥了作用，帮助减少了手术的侵入性，减少了X光机的辐射照射，并监测了有跌倒风险的患者。
根据德勤和麻省理工技术评论，全球存储数据的30%来自医疗保健和生命科学。考虑到来自医疗保健的数据量，实时收集和推导洞察力已成为当务之急，以帮助做出更快的临床决策。
如今，在美国的医院中，每个病床上都连接了10-15台边缘设备，用于监控患者当前的实时状态。预计到2025年，75%的医疗数据将在边缘生成。此外，全球联网医疗设备市场预计将从2017年的410亿美元增长到2022年的1580亿美元。
为了扩展虚拟患者服务、管理医疗设备并支持智能医院技术，医疗系统现在必须在数据采集设备附近处理大量数据，以减少延迟并实现实时决策。通过使AI工作流更接近源代码，边缘计算为医疗保健提供了许多优势：
强健的基础设施：通过边缘设备现场处理数据使医疗机构能够在不中断的情况下保持其流程移动，即使在网络中断期间也是如此。超低延迟处理：手眼协调等任务的吞吐量和实时洞察力对于确保更安全的手术非常重要。在边缘处理数据可提供近乎即时的反馈。增强安全性：将数据保留在设备内并在边缘进行推断意味着患者健康信息（PHI）保持安全，不易受到许多攻击和数据泄露。节省带宽：边缘AI处理减少了通过网络或场外发送高带宽数据（如视频流）的需要。利用操作技术领域知识：使领域专家能够控制数据处理AI参数，使他们能够创建高度适应性和注重结果的解决方案。医疗器械边缘的现代医疗器械正在成为人工智能，在经监管机构批准的设备中内置了加速计算功能。这些功能包括改进的医学图像采集和重建、诊断和治疗计划的工作流优化、器官和肿瘤的测量、手术治疗指导以及实时可视化和监控。
现代手术室是一个复杂的环境，需要团队同时处理、协调和处理多个信息源。
在外科手术中，边缘人工智能工具起到帮助作用的一个例子是腹腔镜手术。腹腔镜是一种利用小切口、手术器械和腹腔镜在腹部或骨盆进行的微创手术。腹腔镜是一种带有光源和照相机的小管子，它将腹部或骨盆内部的图像传送到电视监视器。
超低延迟的手术视频流到AI驱动的数据处理工作流中，使外科医生能够专注于发现需要移除的异常，进行自动测量，跟踪手术工具，监控需要保留的器官，或实时检测出血。
图1。图片由研究小组CAMA，IHU斯特拉斯堡，斯特拉斯堡大学。资料来源：人工智能盒内增强手术（CAMMA-NVIDIA演示）人工智能增强型医疗设备为外科医生带来了数据驱动的洞察力随需应变。这些洞察力有助于使手术尽可能微创，并提高患者的恢复时间。通过在传感器和流式数据使用开发工具包上构建AI模型，团队可以立即收集洞察力，甚至可以远程管理分布式医疗仪器的车队。
在手术室外，许多不同类别的医疗和生命科学仪器也受益于边缘计算。这些仪器包括CT和MRI成像扫描仪、超声波设备、放射治疗、冷冻电子显微镜和DNA测序仪。
下一代测序（NGS）指的是大规模的DNA测序技术，可以在构成我们DNA的核苷酸碱基中发现变异。这些碱基的顺序编码基因，然后编码蛋白质。当基因中的碱基缺失或排列错误时，蛋白质的产生会受到影响，并会扰乱正常发育或导致健康状况。现在有了打印机或手持设备大小的NGS技术，可以在候诊室或现场运行，能够在边缘进行实时测序，帮助检测DNA中的这些致病变异。
智能医院与患者监控智能医院还将边缘计算和人工智能工作流集成到诸如患者监测、患者筛查、对话人工智能、心率估计、CT扫描仪等技术中。这些技术可以帮助确定有可能从病床上摔下来的患者，并通知护理人员。
人体姿势估计是一项流行的计算机视觉任务，用于估计人身上的关键点，如眼睛、ARM和腿。这有助于对一个人的行为进行分类，如站立、坐下、行走或躺下。了解一个人所做事情的背景在广泛的行业中有着广泛的应用。在医疗保健领域，这可用于监测患者，并在患者需要医疗护理时提醒医务人员。
将数千张病床的实时流媒体视频馈送到远程数据中心面临许多挑战，包括确保患者的机密性、网络带宽不足以及网络宕机风险，这可能会中断患者监控。与其将所有这些数据流到远程数据中心，还可以在边缘进行处理，在床边，可根据需要生成洞察力和警报。这提供了实时数据分析，以更快地响应处于困境中的患者，并确保了强大的容错能力。
图2。身体姿势估计AI模型有助于监测患者的运动并防止跌倒。医疗保健公司正在使用物联网传感器自动化其流程，物联网传感器生成大量数据，然后添加人工智能工具，进一步帮助优化洞察力以更好地进行临床决策。网络边缘的计算对于速度、规模、可靠性、安全性、性能和实时洞察力至关重要。
了解有关NVIDIA医疗保健解决方案和NVIDIAClaraAGX开发者工具包，用于开发医疗仪器和设备的传感器和流数据AI模型的更多信息。