智能技術趨勢
深度學習更趨向于透明、可解釋和因果性，
Perception Level: Speech Recognition, Face Recognition and Object Recognition.
Cognitive Level: Natrue Language, Machine Translation, Video Semantics and Knowledge Understanding.
Challenges: Privacy Security, Data Protection & Soverelgnty, Ethics and Governance and Jobs.
傳統計算和通訊范式的三個原理：香農原理、馮諾依曼架構和摩爾定律，
新計算體系和通訊架構：
- 新sensors：camera, Lidar, ultrasound, radar, microphone array, optical…
- 新dataflow model, 新計算和演算法：high bandwidth hierarchical memory, Massive data parallelism, Differential and gradient optimization, Linear algebra accelerator and Boolean function.
- 新架構和芯片：CPU/GPU/FPGA/ASIC
- 新架構：5G和邊緣智能
5G云平臺，智能物聯網，與邊緣計算
5G的主要提升：
- Space (base stations): imporved from single data stream to hundreds of MIMO antennas
- Time (connection latency): reduced from 170ms to 10ms or even 1ms possible
- Frequency (digital control) increases from MHz in 3G to GHz in 4G and even THz in 5G
- Overall, data rate increases from 2 Mbps to 100 Mbps to 20 Gbps or even 100 Gbps possible from 3G to 5g
5G要提供一下virtual network，左邊連接的是IoT，右邊連接的是應用，這樣使得IoT和應用不必一對一連接，
接著黃愷教授介紹了CHUK-SZ的云平臺，最底層是IoT sensors，往上是edge servers，再往上通過管理平臺連接云，分別有存盤池、大資料池和AI計算池，
中間詳細介紹了其中的特點和資源等，
邊緣AI計算和通信的一些場景：
- 自動駕駛汽車：低延時、高移動性；
- ICU患者監測：延時敏感；
- 監測攝像頭：匿名資料；
- 智能家居：異構設備和資料感知，
多樣性計算
多業務場景和資料暴增，推動算力供給越來越多樣化，
- 多種業務場景，差異化業務需求，需要多樣算力選擇，例如云游戲，游戲運行需要CPU，影像渲染需要GPU；氣象預報場景：云圖分析需要CPU，數值計算需要GPU，
- 非結構化資料高速增長，驅動多樣性計算發展，
高并發、低時延業務需求，推動應用加速走向分布式，
三個協同創新：
- 計算、存盤與網路的協同創新，
- 通用計算與AI計算的協同創新，
- 軟體與硬體的協同創新，
云邊協同：
| Edge Devices | Edge Computing | Cloud & Data Center | |
|---|---|---|---|
| AI | 執行操作 | 推理與例外資料收集 | 大規模學習產生演算法 |
| 大資料 | 執行操作 | 網關預處理與加載 | 大資料整體分析 |
| AI | 執行操作 | IOT個體分析與資料過濾 | IOT整體分析 |
5G邊緣計算應用場景：智能制造、智能港口、智能安防、智能交通、智能醫療、智能教育、云游戲、云視頻，
目前大家還是更關注邊緣智能：即如何在邊緣端執行一些智能AI計算，場景也很多，聯邦學習也是一個關注熱點，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/195383.html
標籤：其他