作为一家大型企业的资深产品经理，Carmen正在想方设法管理端点设备不断增加的复杂性和数据范围。她曾考虑在她所在的企业产品中加入人工智能边缘（AI edge）能力，但却面临着无数该如何去做的选择。无论选择哪个方向，她都知道若要取得业务成功，就必须进行仔细的规划和极有条理的执行。
边缘人工智能（Edge AI或AI at the edge）指的是在物联网（IoT）端点、网关和其它设备嵌入用于在使用终端计算数据的人工智能技术应用。
Gartner研究副总裁Alan Priestley表示：“人工智能边缘设备为开发物理设备、软件应用程序或服务的产品经理带来了许多新的业务机会。”
到2023年，有50%以上企业生成的数据会在数据中心或云之外被创建或处理；而在2019年，这一比例连10%都不到。Priestley表示：“这意味着产品经理必须评估拟定解决方案的拓扑结构并使用半导体或云服务等合适的技术在最能满足人工智能功能设计目标的位置部署人工智能功能。”
在规划人工智能产品组合时应解决以下五个问题
Gartner概括了在规划人工智能产品组合时必须解决的五个关键问题，而所有此类决定都是建立在隐私、安全和较长使用寿命这些基础之上。这些基础要求常常被忽略，但一旦无法达到，就会产生深远影响。
1. 应获取和分析什么类型和多少数量的数据？
待获取和分析的数据类型和数据量以及低延迟或实时分析需求将对人工智能处理能力的部署位置产生重大影响。在评估数据量和存储需求时，产品经理应将决定延迟和通信可用性考虑在内。产品经理可通过使用本地分析来减少数据传输和通信需求。
2. 拟定的人工智能技术有多成熟？
产品经理必须了解他们拟定的人工智能技术的成熟度。需要考虑的主要因素包括是否有可以用于加快产品开发的预设置或预训练人工智能模型，并且尽可能利用此类模型。
3. 应在哪里使用人工智能算法？
许多产品经理都需要选择是在端点、边缘计算机、数据中心还是通过云部署人工智能。影响人工智能功能部署地点这一决定的因素包括所需的分析和处理资源以及用于数据传输的可用通信带宽。
4. 使用拟定的人工智能算法时有哪些要求？
在开发人工智能模型的过程中，产品经理必须确定在部署待使用的模型时所需的技术。在决定最佳的部署技术时，产品经理应仔细评估使用开发和训练人工智能模型时所使用的技术与使用其它自定义设计的人工智能芯片所带来的影响。
5. 在边缘或物联网端点使用人工智能算法时有哪些选项？
当分析新的数据时，人工智能算法所适用的技术范围十分广泛，比如边缘计算（中央处理单元、图形处理单元）和物联网端点（微控制器单元、应用程序处理器）。外形尺寸和功耗预算将影响可以使用的处理芯片类型，但在作出最终决定时，产品经理应确认已得到相应的支持并具有适当的调整余地。
声明：本文来自GartnerInc，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
