加州科罗娜(Corona)一家生产芬达(Fender)标志性吉他Stratocaster和Telecaster的工厂的设备经理比尔•霍姆斯(Bill Holmes)记得非常清楚，他拿着一个粗糙的手持振动分析仪在工厂车间里走，然后把仪器插到电脑上，以获取设备状况的数据。
虽然Leo Fender成立时，所有木工都是用手完成的挡泥板75年前的今天，吉他的琴颈和琴身是用电脑控制的木工路由器生产的，然后交给工匠制造最终产品。霍姆斯说，他一直在寻找最新的技术进步来解决问题(他使用机器人帮助给吉他上漆)，没有什么问题比设备故障更让人烦恼。
他说，在预定的时间表上引起注意的预防性维护，没有足够的时间。“百分之九十的故障是关闭流程的即时失败。这对业务很难。如果您可以在发生之前发现失败，您就不会关闭生产，维护团队不会在推出火灾周围运行。”
挡泥板在177,000平方英尺的设施中有1,500件设备，是一种经典候选人，用于将传感器放在机器上并使用AI分析预测失败。这正是挡泥板正在做什么，但是有了扭曲 - 公司正在使用亚马逊的基于云放射监视器服务，因此所有数据处理都在亚马逊云中取出。
对于像挡泥板这样的较小公司，亚马逊的全托管服务很有吸引力，因为亚马逊提供了连接到亚马逊的无线传感器无线上网近场通信（NFC）的网关。亚马逊的网关被预先配置为将相关数据发送到Amazon Cloud以进行分析。亚马逊开发机器学习算法，处理数据，并将警报直接发送给孔。
“它们基本上将价格降低到足够低的地方，在妈妈和流行的商店可以在他们的一件设备上放在其中一个设备上，并且在没有训练的情况下很容易进行监控。这是巨大的。每个制造商都有一个威胁的设备如果失败，则关闭生产，“霍尔姆斯说。
到目前为止，福尔摩斯有九台任务批判机器，并计划在墨西哥伊斯兰教的第二次制造工厂部署系统。使用云提供从两个站点启用孔的额外的福利，以获得其他分析。此外，他预计能够跟踪从单个仪表板的两个站点跟踪。
边缘计算如何启用AI
Dave McCarthy，Edge策略的研究总监IDC.据说，在制造，运输，物流，医疗保健，零售，石油和天然气等行业中，基本上有任何具有物理资产的行业 - 机器生成的数据是“帆在边缘计算中的风”。他补充道，“在那些机器的数据中找到有意义的洞察力，并自动化对该数据的响应是AI故事。”
Tilly Gilbert，高级顾问表示，拇指在边缘执行AI处理最适合实时的延迟敏感的应用程序，该应用程序不会有效地运行。在STL合作伙伴．除了延迟问题，边缘计算降低回程成本，并帮助公司遵守可能被侵犯的隐私法规和安全政策，如果敏感数据被发送出境。
McCarthy表示，人工智能驱动的边缘数据处理正在超越小范围的情况，并变得更加主流，这主要是受提高正常运行时间和提高性能这两方面业务需求的驱动
许多因素都在一起，使Edge / Ai更容易部署，包括用物理传感器预先配置的物理资产的扩散，以及提供边缘技术的供应商数量越来越多的供应商。这些包括系统集成商，第三方初创公司，高度云提供商以及传统的基础架构玩家，它将边缘定位为数据中心的扩展。雷竞技电脑网站
对于企业来说，让他们在最合适的位置运行工作负载，无论是在云中还是在云中。或者组合 - 随着挡泥板示例演示，有多种方法可以混合和匹配技术和方法，以获得最佳边缘和云世界。
就像大多数企业一样，这几天正在运作混合云McCarthy指出，基于人工智能的边缘应用程序不会孤立运行。即使人工智能处理是在边缘进行的，机器学习算法很可能是在云中开发出来的，模型也是在云中训练出来的。实时数据可以被卷起来并聚集到云中，以便对历史数据集进行分析，从而指导长期规划。
Ai在零售边缘
Gilbert说，Edge / AI Combo的最令人兴奋的方面是它可以实现新的应用程序。
由于许多企业没有开发AI分析能力的技能，或者甚至可能甚至不了解一些可能的用例，启动第三方正在开发和部署现成的系统方面的主要作用．例如，主要零售商喜欢沃尔玛和kroger.这两家公司都在其商店的自助结账通道推出了基于人工智能的边缘系统，以减少由于消费者无意或有意未为购物车中的所有商品付款而造成的损失。
爱尔兰初创公司战略增长副总裁Alex SiskosEverseen这家为沃尔玛和克罗格提供技术的公司表示，他的公司已经能够解决零售商以前面临的一个棘手问题:萎缩或亏损。他说在自助式零售商知道他们赔钱,但没有办法知道它被客户从诚实的错误,通过“甜心宝贝”,员工赠送商品的朋友,或聪明的窃贼,例如,可能一块口香糖在一个更大的地方,更贵的商品，所以扫描仪只向顾客收取口香糖的费用。
everseen战略地将GPU供电的计算机视觉相机放在自核上，并开发了与零售商的扫描系统集成的软件，因此如果扫描仪“胶杆”，但相机看到“套筒”盒子，'各种各样可以实时触发行动。客户可能会在退房显示屏幕上获得一个弹出警报，如图所示，“机器可能会扫描最后一个项目”。这个想法是为客户提供疑问的好处，并在需要在员工进行干预之前自我纠正。作为最后的手段，系统能够在自核显示屏屏幕上重播问题上的问题的视频。
西斯科斯表示:“我们能够将非结构化数据转化为洞察力、行动，并最终转化为利润。”他估计，由于盗窃减少和库存准确性的提高，每家商店每周可以节省2500至4500美元。
everseen系统在边缘处理数据，因为如siskos所说，“这就是动作的地方，这就是真相的时刻。”完全集成的产品包括运行everseen软件的Dell PowerEdge服务器，它写在GPU-Provider创建的开发平台之上nvidia.．但也有云组件;该模型在云中培训，并且管理和监控发生在云中。
此外，Everseen目前监控着美国和欧洲超过10万的结账队伍，从那些被错误扫描的“关键时刻”中挑选出4-5秒的片段。选择的数据被发送到云中用于报告目的，以及帮助训练算法。“人工智能是饥饿的动物，”西斯科斯说。“你喂得越多，它就变得越好。”
AI在医疗保健中获得牵引力
医疗保健是边缘计算是推动AI的另一个区域。
Andrew Gostine博士是一家麻醉师和企业家，他创建了一家适用AI来优化医院资源的公司，以提高效率并省钱。
医院拯救生命，但它们也是一家商业。正如餐馆的需要在一天中尽可能多地转动桌子和座位一样，医院需要与外科套房做同样的事情。Gostine的公司，艺术，使用安装在外科房中的多个无线摄像机充当“空中交通管制”。例如，患者被转移入手术的那一刻，麻醉师和外科医生被自动通知。在手术室外的走廊里还有一个大型展示屏幕，类似于您在机场所看到的，告诉传单他们的航班状态以及哪门大门，有助于确保医院的员工在正确的地方和正确的时间。
听起来很简单，但Gostine表示，他的系统在部署的芝加哥地区的医院提供了16％的生产率。艺术系统是基于nvidia的克拉拉的守护用于医院的Edge / AI平台，并在戴尔服务器和存储上运行的预打包捆绑包中提供。在现场进行处理，因为数据量 - 西北纪念医院每天生产1.2个Petabytes的视频 - 发送到云端太昂贵，也将创造延迟问题，也就是说，Gostine说。
艺术系统擦洗人们的身份以保留其隐私。它还记录了操作的关键部分，以便外科医生可以返回并研究其性能并与同行中的视频共享以获得反馈。
Gostine说，这项技术可以用于越来越多的边缘应用案例。例如，摄像头可以监控病人的房间，以检测病人是否下床和跌倒。作为容量管理程序的一部分，该系统还可以监控病房——换句话说，当一个房间被腾出时，该系统会立即通知客房部，保持可用房间的库存，确保床单已经更换，房间里有正确的医疗设备。
所有关注人工智能的人都知道IBM的大胆预测，即沃森有一天会治愈癌症，结果该项目未能取得成果。戈斯廷认为，过度承诺“奇迹般的治疗方法”已经让人工智能倒退。他说，更重要的是，将人工智能应用于可能更平凡但更实用的应用，可以提高效率和削减成本，最终释放医院资源，用于扩大患者护理。
虽然IBM正在为月球射击，但发展数字疗法是一个医疗机构启动，它正在使用机器学习的目标目的 - 在云中汇总患者数据，并应用机器学习“为您设计的护理计划，旨在提高生活质量，减少我们认为的并发症的可能性本公司首席执行官罗伯德戈德伯格罗伯特戈德伯格说，您是最大的风险。“
例如，如果一个病人被诊断为癌症，正在接受化疗，病人可能会收到一封电子邮件，告诉他们ProsperDTX已经被他们的雇主的健康计划选择，以帮助他们导航他们的治疗。ProsperDTX不行医或写处方，它更像是医疗保健团队的“伴侣或扩展器”。例如，ProsperDTX可以帮助化疗患者处理恶心、体重减轻或抑郁等副作用。戈德堡说，如果模型显示病人可能容易贫血或脱水，该系统可以“鼓励人们根据我们的提示养成良好的习惯”。
所有数据建模都发生在基于Oracle云的数据仓库中，允许公司在一个地方进行所有建模和可视化。
随着可穿戴物品和家庭患者监测系统变得更加普遍，PullingDTX可以与患者保持最大变化，并如果某些事情似乎似乎是不对劲的，请提醒患者的医生。“如果你让我们，我们可以在冰箱里面看看，”Goldberg补充道。