边缘计算的重要性 - 从音频和传感器功能谈起

全球领先的移动设备，听觉设备和IoT设备厂商都在持续的寻找可以驱动产品销售和消费者购买的产品差异化因素。

例如最近几年以来，消费者需要可以在社交网络分享高品质照片和视频，照相机成为了智能手机的主要差异化因素。这些照相机通常包含支持不同应用的镜头，支持高像素的抓拍(high megapixel capture)，和智能后处理软件。

接下来，消费者和手机制造商需要寻找下一个可以提升日常生活体验的功能，是什么呢？有可能是将你的手机及其他智能设备变成你的私人的个人助理(an intelligent yet private personal assistant)。

如何使设备成为私人智能助理呢？其一，设备需要具备感知能力，这样才可以获取正确的信息从而在日常生活的各个不同任务中帮助到你。设备需要可以听(Microphones)，看（摄像头和光感），说（麦克风），位置（GPS）和连接（Wifi/Bluetooth）。其次，设备需要实时的智能计算能力，同时可以保护隐私及确保长待机。

如何具备这些能力呢？需要采用低功耗，高安全性和客制化边缘AI处理器，使用机器学习高效执行各种智能任务(utilize machine learnings to performe intelligent tasks efficiently)，同时尽可能少的将数据发送到云端。

让我们进一步看看智能边缘多传感器处理器使如何使手机，听力设备和物联网设备成为更好和更安全的个人助理。

一个非常关键的例子是如今在手机和其他智能设备上的语音助理。现在消费者可以通过说出预先定义的(Pre-defined keyword)关键词，如Alexa或Ok Google，接下来说出需要执行的任务，如“天气情况”和“设置闹钟”。边缘处理器(Edge processor)可以检测到唤醒词，然后立即将命令信息发送到云端翻译和执行(immediately send the information to cloud to interpreted and act upon)。

问题在于一旦将你的音频数据发送的云端，就有可能会遭到黑客攻击获取，或以其他你不希望的方式被第三方使用(in an undesirable way)。如何即可享用到功能的便利性，同时又保护个人信息的隐私呢？答案是采用近期高速发展的边缘人工智能处理芯片，将命令的翻译和反馈逻辑在设备端本地执行。

这种方式拥有诸多优势，首先，敏感个人数据保持在本地设备。其次，因为无需通过蜂窝或WiFi网络发送数据到云端，更快的任务执行速度。这样的你的个人助理不仅反应更快，交互更加的自然(users interactions mch more natural），而且更加的安全。这是边缘人工智能处理器的一个完美的应用案例。

不仅如此，边缘人工智能处理器还可以提供更多的独特功能。更好的利用和理解设备传感器信息，边缘人工智能处理器可以理解你身处的环境，情景语境(Situational context)等，可以更自然的帮助你。一个例子是，通过感知声音线索（audio cues）或动作线索（motion cues），可以判定你是否身处车中，然后自动的运行导航程序或询问要去哪里。到达目的地后，边缘侧人工智能处理器会感知到，并自动记忆你的停车位置。

这样的例子还有很多。情境感知(Context awareness）功能必须运行在设备端，从而节约电池能量，提供及时反应并保护隐私。

设备端边缘侧人工智能处理能力是实现机器学习和语音处理能力的核心。