边缘人工智能和本地情报

在延迟,连接,隐私或操作限制使本地执行具有价值时,将人工智能工作负载放置在设备和用户附近.

问题

云无法使用时,什么必须继续工作?

在选择硬件之前,描述工作负载及其操作环境. 确定所需的响应时间,内存,功率和连接性. 决定哪些能力必须保持本地性,哪些能力可以容忍延迟同步性.

模型大小和运行时间选项与代表性工作负载进行比较. 持续性能,热性行为和共享资源的计算. 设计与推断路径一起进行本地数据处理和版本管理.

计划系统如何更新,观察故障和恢复. 测试连接损失,更新中断和资源压力. 保持远程管理和地方自治界限为负责运营的人员明确.

我应该带什么来谈话?

带来你需要做出的决定,你已经知道的限制和一个小,非机密的例子. 我们可以同意,资源,专注的审查或更详细的讨论是正确的下一步.

接下来更清楚的步骤