零售商店、城市街道、倉庫和醫院中的數十億個物聯網感測器不停產生大量資料。如何更快、更有效善用這些資料,就能強化服務、簡化作業流程,並且拯救生命。欲實現此目標,企業必須在資料產生的網路邊緣部署人工智慧運算,以作出即時決策。
物聯網與行動裝置會在邊緣採用嵌入式處理器來收集資料。邊緣運算可將人工智慧直接導入這些裝置中,在擷取資料的地方直接處理資料,而不是在雲端或資料中心。能加快即時決策和自主機器的人工智慧流程。
在行動點處理資料可以減少或消除資料傳輸,加速執行人工智慧。
若能在本機處理敏感資料,就無需傳送至雲端,便能提高安全保障。
傳送資料至雲端需要頻寬與儲存空間。在本機處理能降低這些成本。
邊緣運算於本機執行,無需網路連線。這拓展了人工智慧能延伸的範圍。
DGX Spark 將 NVIDIA Grace Blackwell™ 的強大功能引入開發人員桌面。 GB10 超級晶片與 128 GB 統一系統記憶體結合,讓人工智慧研究人員、資料科學家和學生可以在本地處理具有多達 2000 億個參數的人工智慧模型。
人工智慧、雲端原生應用、具備數十億個感測器的物聯網,以及 5G 網路,讓人工智慧在邊緣端得以廣泛應用。探索企業邊緣、嵌入式邊緣和產業邊緣的 NVIDIA 解決方案,所有這些解決方案均可透過在作用點自動化智慧技術並即時推動決策,來提供實際結果。
獲得 NVIDIA 邊緣運算的相關最新資訊。
邊緣運算是在資料源頭或鄰近位置完成運算,因此能實現更適合智慧基礎架構的即時資料處理。雲端運算則是在雲端中完成運算。這類型的運算極具彈性與可擴充性,若客戶希望快速開始使用或需多種用途,就相當適合採取這種做法。這兩種運算模型都有其獨特優勢,這也是為什麼許多組織選擇混合式運算。
與傳統雲端或資料中心運算相比,邊緣運算可降低延遲、提高頻寬和資料自主性。許多組織希望能從人工智慧應用程式獲得即時見解。舉例而言,像自駕車、工廠智慧機器和工業檢查作業等方面,若未能針對擷取的資料快速並即時反應,會造成嚴重的安全問題。
邊緣運算不限於單一產業或應用程式。各行各業的公司組織都在使用這些解決方案來加速應用程式,並活用人工智慧在邊緣端帶來的益處。例如零售業的智慧購物體驗、智慧城市中的智慧基礎設施與工業製造自動化。