Nos últimos anos estamos vivenciando um crescimento exponencial na quantidade de dados gerados por dispositivos digitais. Uma maneira de gerenciar esses dados é enviá-los para a nuvem, onde eles podem ser processados, filtrados e transformados em informações que os fabricantes podem usar para tomar decisões críticas.

No entanto, processar big data diretamente na nuvem envolve longos tempos de resposta e muita largura de banda. Hoje explicamos como a Edge Computing oferece uma solução viável para esse problema e as vantagens que traz para aplicações industriais com inteligência artificial.

¿O que é Edge Computing?

O conceito de Edge Computing é a solução que permite processar dados o mais próximos possível da fonte onde são gerados, sem interagir com a nuvem. O termo Edge refere-se a empurrar a computação para o limite, o mais próximo possível do cliente final.

Fuente: Qué es el Edge Computing, explicado de manera sencilla

Desta forma, eles podem ser analisados e filtrados diretamente na fábrica grandes volumes de dados não dimensionados, e apenas aqueles que são relevantes serão enviados para a nuvem para serem armazenados por um longo tempo ou para distribuição em várias redes.

¿Quais são as vantagens da Edge Computing?

•  Velocidade: Melhora significativamente o tempo de resposta e reduz o consumo de largura de banda porque os dados não têm que viajar sobre a rede para um centro de dados remotos ou através da nuvem para serem processados.
• Segurança: Minimiza a transferência de dados e, com isso, a possibilidade de roubo ou danos por rakers enquanto eles são carregados na nuvem.
• Escalabilidade: Oferece escalabilidade mais flexível, permitindo que expansões da capacidade artificial sejam realizadas com a combinação de dispositivos IoT no local e “mini data centers”.
• Custos: Ao reduzir a quantidade de dados que devem ser processados e armazenados na nuvem, o custo de gerenciamento da nuvem é reduzido.

Por que mover a IA para o Edge?

A privacidade é uma das principais razões para trazer a IA para o dispositivo do perímetro, especialmente se falarmos de smartphones, alto-falantes inteligentes, câmeras de segurança doméstica e robôs.

A latência afeta diretamente a capacidade de mobilidade autônoma em drones, robôs e carros autônomos, para os quais os requisitos de latência são inferiores a milissegundos.

A largura de banda afeta aplicativos baseados em visão, como realidade aumentada (AR), realidade virtual (VR) e realidade mista (RM). Quanto mais recursos oferecidos, mais largura de banda você precisará.

Graças ao Edge Computing, as organizações podem implantar soluções baseadas em IA mais próximas das fontes de dados e do cliente final. Isso permite oferecer serviços inteligentes de última geração, mas também tem alguns requisitos de hardware que conduzirão novas plataformas e categorias de chips dedicados especialmente a essas tecnologias.

NEO-8208GC: inteligência artificial na Borda com GPU dupla

A INFAIMON comercializa o NEO-8208GC, a primeira plataforma de “Edge AI” de GPU dupla para aplicações industriais de IA, que suporta duas placas gráficas NVIDIA de 250W de alto nível. NEO-8208GC é a solução ideal para aplicações de Edge Computing, oferecendo alto poder de GPU de até 28 TFLOPS em FP32 para aplicações de computação acelerada por IA, como condução autônoma, inspeção visual, segurança e vigilância. É o primeiro sistema desse tipo a oferecer um tandem de CPU/GPU estelar e poder computacional em um design de grau industrial compacto e robusto.