人工智能（AI）和深度學(xué)習(xí)在物理安全市場(chǎng)中的應(yīng)用涵蓋了從云計(jì)算到邊緣計(jì)算的各個(gè)領(lǐng)域。各種硬件解決方案都能夠把AI部署在不同級(jí)別的系統(tǒng)中，從云端到邊緣設(shè)備，如安全攝像頭。

更智能的AI應(yīng)用

分布式結(jié)構(gòu)可以包含云計(jì)算和邊緣計(jì)算。它將人工智能（AI）算法從云端擴(kuò)展到本地視頻錄像機(jī)和服務(wù)器，并進(jìn)一步擴(kuò)展到安全攝像機(jī)等邊緣設(shè)備。三層架構(gòu)都支持構(gòu)建一類新的AI驅(qū)動(dòng)應(yīng)用目標(biāo)，甚至更智能，更快速。

云端攝像機(jī)視頻分析和深度學(xué)習(xí)功能的結(jié)合可以改善視頻分析。攝像機(jī)可以配備基本的視頻分析，它們與云基礎(chǔ)設(shè)施相連，可提供額外的深度學(xué)習(xí)算法。這些攝像機(jī)提供計(jì)算機(jī)視覺預(yù)處理，而大量詳細(xì)的分析則可以在云端神經(jīng)網(wǎng)絡(luò)中處理。

軟件即服務(wù)（SaaS或云）模式為企業(yè)提供了改善深度學(xué)習(xí)的資源。使基于用云端系統(tǒng)來自不同客戶的大數(shù)據(jù)，系統(tǒng)將變得更加精確、規(guī)模更大更容易擴(kuò)展。所有數(shù)據(jù)匯聚到一起，用戶之間便可以共享知識(shí)數(shù)據(jù)帶來的利益。

從邊緣到云端的數(shù)據(jù)分布

云計(jì)算允許具有各種計(jì)算功能的用戶在私有云或位于數(shù)據(jù)中心的第三方服務(wù)器上存儲(chǔ)和處理數(shù)據(jù)。然而，隨著計(jì)算業(yè)務(wù)變得越來越頻繁和復(fù)雜，對(duì)數(shù)據(jù)處理性能的需求甚至更高。在數(shù)據(jù)傳輸?shù)皆贫说倪^程中，云計(jì)算消耗了巨大的網(wǎng)絡(luò)資源和時(shí)間，這些都導(dǎo)致網(wǎng)絡(luò)擁塞和低可靠性。

從邊緣到云端，整個(gè)系統(tǒng)的數(shù)據(jù)分布，任何一點(diǎn)都可以減輕壓力。通過將AI算法配置到邊緣設(shè)備中，僅僅提取和發(fā)送諸如視頻圖像中的人員或車輛之類的關(guān)鍵信息，將明顯地提高傳輸效率并降低網(wǎng)絡(luò)帶寬，同時(shí)仍然能夠保持高質(zhì)量和準(zhǔn)確性。

云端增加了AI功能

云端提供了AI和深度學(xué)習(xí)應(yīng)用所需的額外數(shù)據(jù)計(jì)算功能。單個(gè)Amazon 網(wǎng)絡(luò)服務(wù)數(shù)據(jù)中心就擁有50，000到80，000臺(tái)服務(wù)器�？偠�言之，據(jù)觀察人士評(píng)估，亞馬遜網(wǎng)絡(luò)服務(wù)可能擁有300萬到500萬臺(tái)服務(wù)器。而其它主要云服務(wù)商，如谷歌，微軟，VMware，Citrix等，都增加到了數(shù)百萬臺(tái)服務(wù)器。

亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）為企業(yè)提供廣泛而深入的機(jī)器學(xué)習(xí)和人工智能服務(wù)。實(shí)際上，該服務(wù)為所有開發(fā)人員提供機(jī)器學(xué)習(xí)，使他們能夠快速構(gòu)建，培訓(xùn)和部署機(jī)器學(xué)習(xí)模型。

為了消費(fèi)者的利益，亞馬遜網(wǎng)絡(luò)服務(wù)將專注于處理那些比較棘手的阻礙開發(fā)者使用機(jī)器學(xué)習(xí)的挑戰(zhàn)。所有功能基于全面的云平臺(tái)構(gòu)建，該平臺(tái)針對(duì)機(jī)器學(xué)習(xí)進(jìn)行了優(yōu)化，具備高性能且不會(huì)影響安全性和數(shù)據(jù)分析。

邊緣系統(tǒng)的優(yōu)勢(shì)

深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)計(jì)算無處不在。它們現(xiàn)在已經(jīng)在本地計(jì)算機(jī)，嵌入邊緣設(shè)備的系統(tǒng)中，甚至云端廣泛使用。

邊緣計(jì)算在視頻監(jiān)控市場(chǎng)中尤為重要，它使系統(tǒng)能夠在任何帶寬或延遲問題都會(huì)限制基于中央服務(wù)器系統(tǒng)有效性的情況下運(yùn)行。同時(shí)，基于邊緣的功能還降低了對(duì)信息隱私的擔(dān)憂和對(duì)網(wǎng)絡(luò)連接的依賴。

人工智能（AI）是一個(gè)計(jì)算密集型的過程，無論是在云端還是在本地計(jì)算機(jī)上，在邊緣進(jìn)行處理都無需集中進(jìn)行。特別是視頻監(jiān)控?cái)z像機(jī)，沒有足夠的帶寬來通過網(wǎng)絡(luò)基礎(chǔ)設(shè)施傳輸視頻數(shù)據(jù)以進(jìn)行處理。全球一半以上人口密集的地區(qū)互聯(lián)網(wǎng)速度低于8 mbps，這肯定無法處理新智能應(yīng)用所需的數(shù)據(jù)水平。

延時(shí)是采用邊緣智能的另一個(gè)優(yōu)勢(shì)。目前，大量的應(yīng)用越來越要求很小甚至沒有延時(shí)（小于200毫秒），并且將數(shù)據(jù)傳輸?shù)狡渌�地方再進(jìn)行處理則需要花費(fèi)時(shí)間。

邊緣計(jì)算還可以確保數(shù)據(jù)更加私密，而不是將數(shù)據(jù)留存在私有云或公共云中，甚至本地存儲(chǔ)。 更高的計(jì)算能力和邊緣嵌入式系統(tǒng)的效率為具有智能的物理安全設(shè)備鋪平了道路，遠(yuǎn)遠(yuǎn)超出了業(yè)界現(xiàn)在使用的范圍。