穀歌發文，推出物聯網應用的AI晶片——Edge TPU。
物聯網（IoT）為我們提供了巨大的機會，可以積極地影響我們周圍的世界 - 從提高空氣品質到緩解交通，節約用水和電力。我們可以用新的方式衡量世界，從而改善生活。但正如物聯網帶來的機會增加一樣，數據也是如此。
據IDC估計，到2025年，連接設備產生的數據總量將超過40萬億千兆位元組。這是高級數據分析和人工智慧系統可以提供幫助的地方，可以極速，輕鬆地從所有數據中獲取洞察力。
通過智能，即時的決策可以獲得許多好處 - 在這些設備連接到網路的位置 - 即所謂的“邊緣”。製造公司可以即時檢測高速裝配線中的異常。一旦擱置的物品缺貨，零售商就可以收到警報。汽車公司可以通過智能技術提高安全性，如防撞，交通路線和眼睛越野檢測系統。但是，由於成本，外形尺寸限制，延遲，功耗和其他考慮因素，物聯網系統中的即時決策仍然具有挑戰性。我們想改變這一點。
將機器學習帶入前沿科技
今天，我們宣佈推出兩款旨在幫助客戶大規模開發和部署智能連接設備的新產品：Edge TPU，一種新的硬體晶片，以及Cloud IoT Edge，一種將Google Cloud強大的AI功能擴展到網關和連接設備的軟體堆疊。這使您可以在雲中構建和訓練ML模型，
然後通過Edge TPU硬體加速器的功能在Cloud IoT Edge設備上運行這些模型。
Edge TPU是穀歌專用的ASIC晶片，專為在邊緣運行TensorFlow Lite ML模型而設計。在設計Edge TPU時，我們專注於優化“每瓦性能”和“每美元性能”。 Edge TPU旨在補充我們的Cloud TPU產品，因此您可以加速雲中的ML培訓，然後在邊緣進行閃電般的ML推理。您的感測器不僅僅是數據採集器 - 它們可以做出本地，即時，智能的決策。
Cloud IoT Edge是將Google Cloud強大的數據處理和機器學習功能擴展到網關，攝像頭和終端設備的軟體，使物聯網應用更智能，更安全，更可靠。它允許您在Edge TPU或基於GPU和CPU的加速器上執行在Google Cloud中訓練的ML模型。
Cloud IoT Edge可以在Android Things或基於Linux OS的設備上運行，其關鍵組件包括：
具有至少一個CPU的網關類設備的運行時，可以從邊緣數據本地存儲，轉換，處理和派生智能，同時與雲IoT平臺的其餘部分無縫互操作。
Edge IoT Core運行時更安全地將邊緣設備連接到雲，支持軟體和固件更新，並通過Cloud IoT Core管理數據交換。基於TensorFlow Lite的Edge ML運行時使用預先訓練的模型執行本地ML推理，顯著減少延遲並增加邊緣設備的多功能性。由於Edge ML運行時與TensorFlow Lite介面，因此它可以在網關類設備中的CPU，GPU或Edge TPU上執行ML推理，或者在終端設備（如攝像頭）中執行ML推理。
機器邊緣學習如何使企業受益
通過幾種不同的方式將機器學習帶到邊緣，企業可以從中獲益。
提高運營可靠性
由於您可以在邊緣數據本地儲存，處理和獲取智能，因此您可以在內部構建強大的物聯網解決方案，而無需擔心間歇性雲連接。這對於需要即時處理的視頻和音頻應用程式或設備無法可靠連接到外部網路或Internet的情況很有用。
更快的即時預測
通過運行設備上的機器學習模型，帶有Edge TPU的雲物聯網邊緣為關鍵物聯網應用提供比通用物聯網網關更快的預測 - 同時確保數據隱私和機密性。此外，Cloud IoT Edge和Edge TPU已經過廣泛測試，可以本地運行開源參考模型，如MobileNet和Inception V3。
提高設備和數據的安全性
Cloud IoT Edge可以在邊緣設備上本地處理和分析圖像，視頻，手勢，聲學和運動，而無需將原始數據發送到雲，然後等待回應。此本地處理可滿足特定於行業的某些合規性需求，並降低數據隱私風險。Cloud IoT Edge使用JSON Web令牌對邊緣設備進行身份驗證，以便私鑰永遠不會離開設備。
介紹Edge TPU開發套件
為了使用Edge TPU快速開始開發和測試，我們構建了一個開發套件。該套件包括一個系統模組（SOM），它結合了穀歌的Edge TPU，恩智浦CPU，Wi-Fi，和Microchip的安全元件採用緊湊的外形。今年10月它將面向開發者。要請求及早訪問Edge TPU開發套件，請通過此表單註冊。
我們還與物聯網生態系統合作夥伴合作開發智能設備，充分利用穀歌雲物聯網創新的優勢。半導體合作夥伴將使用Edge TPU晶片創建SOM。設備製造商將製造工業物聯網網關 - 如工廠，機車，石油鑽井平臺，還有更多 - 包括SOM和Edge TPU。
穀歌合作的合作夥伴包括：
半導體公司：恩智浦，ARM
Gateway設備製造商：Accton，Harting，Hitachi Vantara，Nexcom，Nokia
邊緣計算：ADLINK技術，Kelvin，Olea Edge Analytics，Smart Catch，Trax
“我們的智能視覺檢測解決方案使我們能夠在LG各製造部門的工廠運營中提供更高的品質和效率。借助Google Cloud AI，Google Cloud IoT Edge和Edge TPU，結合我們的傳統MES系統和多年的經驗，LG CNS的首席技術官Shingyoon Hyun表示，我們相信Smart Factory將變得越來越智能化和連接。 “通過智能視覺檢測，我們渴望創造一個更好的工作場所，提高產品品質，每年節省數百萬美元。具有LG CNS專業知識的Google Cloud AI和物聯網技術使這成為可能。“
“Smart Parking使我們的客戶能夠在街道和街外情況下部署和管理無摩擦泊車服務。我們非常高興能夠使用Cloud IoT Edge和Edge TPU為我們的客戶構建基於ML的停車體驗，“Smart Parking的首席技術官John Heard說。 “在Smart Parking，我們的使命是為每個解決方案用戶重新發明停車體驗。推出Cloud IoT Edge，Google Cloud IoT使我們能夠在SmartSpot網關產品中以新的方式實現這一承諾。“
“在XEE，我們正在努力使駕駛變得更簡單，通過我們的聯網汽車平臺更穩陣，更經濟，“XEE首席技術官Romain Crunelle解釋道。 “Cloud IoT Edge和Edge TPU將幫助我們以更加經濟高效和可靠的方式即時解決駕駛分析，道路交通狀況分析和輪胎磨損等使用案例。在邊緣啟用加速ML推理將使XEE平臺能夠更快地從連接的汽車分析圖像和雷達數據，檢測行駛中潛在的危險並以即時精確度提醒駕駛員。
“Trax正在幫助商戶為數字化轉型奠定堅實的基礎，”Trax的全球零售總經理David Gottlieb說， “Cloud IoT Edge和Edge TPU將有助於解決關鍵用例，例如改善貨架可用性（OSA），優化點擊和收集流程以及現代化購物體驗。這項Google技術將使邊緣加速的機器學習成為可能。商店圖像被捕獲並流經Trax平臺，在那裏，這些數位化的貨架圖像以越來越快的速度進行分析，為商戶提供即時回應問題的靈活性，並始終讓購物者滿意。“
Cloud IoT Edge, Edge TPU 以及 Cloud IoT Core正在為物聯網開闢全新的可能性。 憑藉強大的數據處理和ML功能，機器人手臂，風力渦輪機和智能汽車等設備現在可以即時處理來自感測器的數據並在本地預測結果。 對於物聯網來說，這就是未來 - 我們迫不及待想看看您使用Google Cloud IoT構建的內容。
此外，穀歌也越來越關注神經網路和人工智慧，以解決搜索、圖像處理和其他計算領域的問題。它也正在通過“AIY專案”這樣的計畫來促進開發人員和DIY社區對人工智慧的興趣，這些計畫本身代表了人工智慧。AIY Projects（AIY計畫），其目標是讓每個Maker（創客）都能DIY自己的 AI 人工智慧產品，讓更多人能學習、探索並體驗人工智慧。
物聯網（IoT）為我們提供了巨大的機會，可以積極地影響我們周圍的世界 - 從提高空氣品質到緩解交通，節約用水和電力。我們可以用新的方式衡量世界，從而改善生活。但正如物聯網帶來的機會增加一樣，數據也是如此。
據IDC估計，到2025年，連接設備產生的數據總量將超過40萬億千兆位元組。這是高級數據分析和人工智慧系統可以提供幫助的地方，可以極速，輕鬆地從所有數據中獲取洞察力。
通過智能，即時的決策可以獲得許多好處 - 在這些設備連接到網路的位置 - 即所謂的“邊緣”。製造公司可以即時檢測高速裝配線中的異常。一旦擱置的物品缺貨，零售商就可以收到警報。汽車公司可以通過智能技術提高安全性，如防撞，交通路線和眼睛越野檢測系統。但是，由於成本，外形尺寸限制，延遲，功耗和其他考慮因素，物聯網系統中的即時決策仍然具有挑戰性。我們想改變這一點。
將機器學習帶入前沿科技
今天，我們宣佈推出兩款旨在幫助客戶大規模開發和部署智能連接設備的新產品：Edge TPU，一種新的硬體晶片，以及Cloud IoT Edge，一種將Google Cloud強大的AI功能擴展到網關和連接設備的軟體堆疊。這使您可以在雲中構建和訓練ML模型，
然後通過Edge TPU硬體加速器的功能在Cloud IoT Edge設備上運行這些模型。
Edge TPU是穀歌專用的ASIC晶片，專為在邊緣運行TensorFlow Lite ML模型而設計。在設計Edge TPU時，我們專注於優化“每瓦性能”和“每美元性能”。 Edge TPU旨在補充我們的Cloud TPU產品，因此您可以加速雲中的ML培訓，然後在邊緣進行閃電般的ML推理。您的感測器不僅僅是數據採集器 - 它們可以做出本地，即時，智能的決策。
Cloud IoT Edge是將Google Cloud強大的數據處理和機器學習功能擴展到網關，攝像頭和終端設備的軟體，使物聯網應用更智能，更安全，更可靠。它允許您在Edge TPU或基於GPU和CPU的加速器上執行在Google Cloud中訓練的ML模型。
Cloud IoT Edge可以在Android Things或基於Linux OS的設備上運行，其關鍵組件包括：
具有至少一個CPU的網關類設備的運行時，可以從邊緣數據本地存儲，轉換，處理和派生智能，同時與雲IoT平臺的其餘部分無縫互操作。
Edge IoT Core運行時更安全地將邊緣設備連接到雲，支持軟體和固件更新，並通過Cloud IoT Core管理數據交換。基於TensorFlow Lite的Edge ML運行時使用預先訓練的模型執行本地ML推理，顯著減少延遲並增加邊緣設備的多功能性。由於Edge ML運行時與TensorFlow Lite介面，因此它可以在網關類設備中的CPU，GPU或Edge TPU上執行ML推理，或者在終端設備（如攝像頭）中執行ML推理。
機器邊緣學習如何使企業受益
通過幾種不同的方式將機器學習帶到邊緣，企業可以從中獲益。
提高運營可靠性
由於您可以在邊緣數據本地儲存，處理和獲取智能，因此您可以在內部構建強大的物聯網解決方案，而無需擔心間歇性雲連接。這對於需要即時處理的視頻和音頻應用程式或設備無法可靠連接到外部網路或Internet的情況很有用。
更快的即時預測
通過運行設備上的機器學習模型，帶有Edge TPU的雲物聯網邊緣為關鍵物聯網應用提供比通用物聯網網關更快的預測 - 同時確保數據隱私和機密性。此外，Cloud IoT Edge和Edge TPU已經過廣泛測試，可以本地運行開源參考模型，如MobileNet和Inception V3。
提高設備和數據的安全性
Cloud IoT Edge可以在邊緣設備上本地處理和分析圖像，視頻，手勢，聲學和運動，而無需將原始數據發送到雲，然後等待回應。此本地處理可滿足特定於行業的某些合規性需求，並降低數據隱私風險。Cloud IoT Edge使用JSON Web令牌對邊緣設備進行身份驗證，以便私鑰永遠不會離開設備。
介紹Edge TPU開發套件
為了使用Edge TPU快速開始開發和測試，我們構建了一個開發套件。該套件包括一個系統模組（SOM），它結合了穀歌的Edge TPU，恩智浦CPU，Wi-Fi，和Microchip的安全元件採用緊湊的外形。今年10月它將面向開發者。要請求及早訪問Edge TPU開發套件，請通過此表單註冊。
我們還與物聯網生態系統合作夥伴合作開發智能設備，充分利用穀歌雲物聯網創新的優勢。半導體合作夥伴將使用Edge TPU晶片創建SOM。設備製造商將製造工業物聯網網關 - 如工廠，機車，石油鑽井平臺，還有更多 - 包括SOM和Edge TPU。
穀歌合作的合作夥伴包括：
半導體公司：恩智浦，ARM
Gateway設備製造商：Accton，Harting，Hitachi Vantara，Nexcom，Nokia
邊緣計算：ADLINK技術，Kelvin，Olea Edge Analytics，Smart Catch，Trax
“我們的智能視覺檢測解決方案使我們能夠在LG各製造部門的工廠運營中提供更高的品質和效率。借助Google Cloud AI，Google Cloud IoT Edge和Edge TPU，結合我們的傳統MES系統和多年的經驗，LG CNS的首席技術官Shingyoon Hyun表示，我們相信Smart Factory將變得越來越智能化和連接。 “通過智能視覺檢測，我們渴望創造一個更好的工作場所，提高產品品質，每年節省數百萬美元。具有LG CNS專業知識的Google Cloud AI和物聯網技術使這成為可能。“
“Smart Parking使我們的客戶能夠在街道和街外情況下部署和管理無摩擦泊車服務。我們非常高興能夠使用Cloud IoT Edge和Edge TPU為我們的客戶構建基於ML的停車體驗，“Smart Parking的首席技術官John Heard說。 “在Smart Parking，我們的使命是為每個解決方案用戶重新發明停車體驗。推出Cloud IoT Edge，Google Cloud IoT使我們能夠在SmartSpot網關產品中以新的方式實現這一承諾。“
“在XEE，我們正在努力使駕駛變得更簡單，通過我們的聯網汽車平臺更穩陣，更經濟，“XEE首席技術官Romain Crunelle解釋道。 “Cloud IoT Edge和Edge TPU將幫助我們以更加經濟高效和可靠的方式即時解決駕駛分析，道路交通狀況分析和輪胎磨損等使用案例。在邊緣啟用加速ML推理將使XEE平臺能夠更快地從連接的汽車分析圖像和雷達數據，檢測行駛中潛在的危險並以即時精確度提醒駕駛員。
“Trax正在幫助商戶為數字化轉型奠定堅實的基礎，”Trax的全球零售總經理David Gottlieb說， “Cloud IoT Edge和Edge TPU將有助於解決關鍵用例，例如改善貨架可用性（OSA），優化點擊和收集流程以及現代化購物體驗。這項Google技術將使邊緣加速的機器學習成為可能。商店圖像被捕獲並流經Trax平臺，在那裏，這些數位化的貨架圖像以越來越快的速度進行分析，為商戶提供即時回應問題的靈活性，並始終讓購物者滿意。“
Cloud IoT Edge, Edge TPU 以及 Cloud IoT Core正在為物聯網開闢全新的可能性。 憑藉強大的數據處理和ML功能，機器人手臂，風力渦輪機和智能汽車等設備現在可以即時處理來自感測器的數據並在本地預測結果。 對於物聯網來說，這就是未來 - 我們迫不及待想看看您使用Google Cloud IoT構建的內容。
此外，穀歌也越來越關注神經網路和人工智慧，以解決搜索、圖像處理和其他計算領域的問題。它也正在通過“AIY專案”這樣的計畫來促進開發人員和DIY社區對人工智慧的興趣，這些計畫本身代表了人工智慧。AIY Projects（AIY計畫），其目標是讓每個Maker（創客）都能DIY自己的 AI 人工智慧產品，讓更多人能學習、探索並體驗人工智慧。
請按此登錄後留言。未成為會員? 立即註冊