在边缘计算的背景下，边缘设备仅指在网络边缘运行并采集、处理和分析数据的设备。例如智能手机、安防摄像头、智能扬声器以及各种其他设备。近年来，随着边缘人工智能技术的兴起，在机器学习功能的加持下，这些设备变得更加智能。

边缘人工智能^*2是通过人工智能在边缘设备上采集、处理和分析数据相关技术的统称。通常，实现人工智能需要大量数据和强大的计算能力，因此往往都运行在基于云的服务器上。而借助边缘人工智能技术，数据能够在设备内部进行处理，减少了与数据传输相关的延迟和成本，并且也更能保障隐私安全。

边缘设备与边缘人工智能技术相结合，不断拓宽物联网 (IoT) 的应用领域。自动驾驶汽车、工厂自动化和医疗设备管理等应用场景，这些都是边缘设备在需要实时数据处理和决策的环境中发挥关键作用的典型示例。

TinyML正在挑战物联网的极限

边缘人工智能以往都是在具备强大处理能力的设备上实现，例如智能手机和平板电脑。然而，随着物联网的迅速普及，一种名为 TinyML（微型机器学习）^*3 的技术日益引起大家的广泛关注和浓厚兴趣，借助该技术，原先能力有限的小型设备也能够执行板载机器学习的功能。

一般而言，机器学习都是在高性能计算机或云服务器上执行的，这需要大量内存和高速处理器，从而产生相应的电力消耗。因此，可以基于大量数据集执行大规模机器学习模型，从而实现高度精确的图像识别、自然语言处理等工作任务。然而，工作流程的每一环节（包括数据采集、模型开发和验证）通常都需要由各专业领域经验丰富的工程师负责处理。

TinyML 是一种专为小型设备开发的机器学习技术，利用该技术，即使在处理能力有限的微控制器 (MCU) 上也能实现边缘人工智能。随着该技术的推出，预计很快会有更小巧的低功耗物联网设备问世。现在，几乎任何具有传感器和边际计算能力的设备上都可以运行机器学习推理，为这些设备赋予更高的智能。

Qeexo 的解决方案极大地促进了边缘机器学习

Qeexo 是一家硅谷初创公司，于 2023 年加入 TDK 集团，致力于开发针对边缘设备的机器学习解决方案，重点关注 TinyML 技术。Qeexo AutoML 是一款端到端“无代码”（即不需要以某种编程语言手写代码）平台，这样即便不是研发工程师，通过这款平台也能在小型边缘设备上实现机器学习。用户在基于 Web 的直观界面中工作，可轻松执行构建机器学习系统所需的所有步骤：首先采集原始数据并进行预处理，然后训练和完善识别模型，最后创建完整的软件包，并安装到边缘设备上，最终基于机器学习的智能产品开始发挥作用。

TDK 目前正在研发 i3 微模块，这是一款超紧凑型传感器模块，内置边缘人工智能，用于实施预测性维护，即在工厂和类似设施在异常和故障发生前进行预测，并率先采取行动。各类传感器（包括振动、温度和气压传感器）以及边缘人工智能和网状网络功能都集成到一个紧凑型封装中，无需依赖人力亦可监控设备状况，从而有助于充分减少停机时间并提高生产力。
（照片：超紧凑型传感器模块—— i3 微模块）