全文約3000字
導讀
AI模型有着多樣化的部署方式，常見的模型部署形态分為兩種：伺服器部署和嵌入式部署。本文在智能工地（數字工地）背景下，對視訊AI算法的邊緣計算和雲計算進行比對。
AI部署方式
AI模型有着多樣化的部署方式，常見的模型部署形态分為兩種：
伺服器部署 嵌入式部署
伺服器部署指的是将模型部署在CPU/GPU上，形成可調用的API接口，根據需要可選擇雲伺服器部署和本地伺服器部署；
嵌入式部署指的是部署到邊緣側或端側的嵌入式裝置中，進行單機離線運作。
下表對比了這兩種部署方式的特性。當使用者的模型應用場景沒有網絡覆寫，或是業務資料較為機密，或是對預測延時要求較高時，往往會選擇嵌入式部署方式。
嵌入式部署方式具有實時響應、網絡開銷低、隐私保護、能耗比高等優勢；但同時，由于邊緣裝置種類繁多，适配部署難度較高。
在一項百度和波士頓咨詢公司的聯合調研中，發現在有定制業務模型需求的客戶中，超過35%的場景有離線邊緣計算的需求。而如上文所述，端計算由于裝置的多樣性，研發和部署成本相比雲部署更高，且往往實際業務場景對在端上運作的模型的時延和穩定性也會有極高的要求。是以，如何将定制好的模型部署到各類端裝置上是一個技術難題。
雲計算的主要優勢是海量計算和海量存儲、計算效率高、廣域覆寫，适合計算密集型、非實時性的計算任務和海量資料的并行計算與存儲，能夠在長周期維護、業務決策支撐等領域發揮優勢，并且計算硬體都集中在雲計算中心，實行集中式的管理，是以無需在本地維護計算硬體、資料存儲和相關軟體。
邊緣計算的主要優勢是廣泛分布的邊緣節點提供了實時的資料處理，邊緣計算的過程是一個以使用者和應用為中心的過程，彌補了雲計算中時延和移動性的缺陷，适合非計算密集型、實時性、移動性資料的處理分析和實時智能化決策，并且作為一種新的網絡範式能夠滿足5G時代計算需求的空前增長和使用者體驗品質的不斷提高，資料的本地化處理相較于雲端也更安全。
智能工地（數字工地）視訊AI邊緣計算 VS 雲計算
近年來，随着人工智能技術的不斷發展，視訊監控也逐漸迎來了AI時代。AI算法可以運用在視訊監控攝像頭上，将不同的監控内容進行分析和處理，提高監控系統的智能程度和監控效率。
在AI算法應用的過程中，AI邊緣計算和AI雲計算分别成為兩種不同的技術路線。兩種技術路線都有各自的優勢和劣勢，對于，具體該如何選擇，下面本文将逐一剖析智能工地（數字工地）場景下，視訊監控AI邊緣計算和雲計算。
一、依靠AI邊緣計算技術的視訊監控
AI邊緣計算是指AI算法在裝置端進行推斷和決策。對于視訊監控來說，采用AI邊緣計算技術的裝置需要包括監控攝像頭和算法晶片，以及存儲和處理資料的裝置。與AI雲計算相比，AI邊緣計算會大量減少對網絡傳輸的依賴，能夠快速處理大量的監控資料。邊緣計算裝置采用AI算法可以幫助監控攝像頭完成以下任務：
- 對視訊圖像内容進行人體、車輛等物體的檢測和跟蹤，支援視訊流與事件資料處理；
- 監控攝像頭的運作狀态監測，提高監控裝置的可靠性；
- 原始資料加密解密，增強資料的安全性；
- 将攝像頭資料輸入到儲存設備進行存儲和分類，實作AI算法在監控系統本地快速的分類和分析。
邊緣計算技術對于數字建築工地的監控效果尤為顯著。AI邊緣計算可以在本地對建築工地進行實時的視訊監控，對人員和機器進行檢測和跟蹤，可以提高工地的安全性，同時還可以監測建築物的結構安全性和機器裝置的運作情況。
此外，相對于雲計算，邊緣計算還能夠大大節省網絡帶寬，優化整個系統的效率。數字化公司網絡出了提供視訊監控使用，還需要運用于門禁、環境監測、施工監測等。而邊緣計算下，即使網絡傳輸帶寬不足、峰值流量突然增加且延時要求高的特殊情況下，AI邊緣計算技術也能在裝置内部處理視訊監控資料，確定監控系統的正常營運。
除此之外，采用邊緣計算技術的視訊監控系統的一個關鍵優勢是保護使用者資料隐私。由于算法在裝置本地運作，不需要将資料上傳至雲端，是以邊緣計算技術可以保護數字建築工地的重要資料隐私不被洩漏。
二、采用AI雲計算技術的視訊監控
與AI邊緣計算不同，AI雲計算是指AI算法在雲端進行處理。采用雲計算技術，視訊監控攝像頭需要上傳視訊資料至雲端進行分析和處理。這樣的技術路線具有以下優勢：
- 大規模的監控系統可以直接利用雲計算資源進行處理，直接彌補邊緣計算裝置能力不足的問題；
- 雲端可以存儲大量的資料，借助雲計算技術可以快速處理海量資料；
- 雲端的資源共享和統一管理，可以提高算法的并行計算水準。
但是，與優點相對應的，采用雲計算技術的視訊監控系統，也會面臨一系列的局限性：
- 視訊監控資料需要通過網絡傳輸大量流量，如果帶寬不足時會導緻延遲和等待，甚至是資料傳輸中斷等問題；
- 由于雲計算依賴于網際網路，是以面臨着由網絡故障、資料安全問題等帶來的風險。
在數字工地中，可能會出現網絡故障等問題，這樣會對視訊監控造成極大的影響，甚至可能導緻監控系統無法正常運作。是以，在網絡條件實在無法保障的情況下，雲計算技術的性能表現不理想。
三、廠商産品、理論研究
随着數字建築工地的發展，越來越多的工廠商和研究者開始将AI算法應用于視訊監控中，許多成熟的廠商公司包括華為、海康威視等，都推出了視訊監控領域快速而專業的AI技術。同時，業界也有不少研究性的論文支援采用邊緣計算和雲計算兩種技術路線。
比如，華為的ASCend晶片和AI視訊解決方案可以提供機器學習和深度學習能力，為視訊監控裝置提供邊緣計算的性能增強。華為公司的視訊監控AI技術可以實時識别小區外或商戶門口的人和車，還能根據不同的場景設定不同的政策，進而保證安全性。
海康威視也是該領域的領先廠商之一。其基于邊緣計算的多層人臉識别系統有效地解決了傳統人臉識别技術中的準确性和穩定性問題。該系統可以應用于智能安防、金融、零售等領域。海康威視還推出了AI雲計算平台，實時進行視訊内容的分析，提供針對性的安全預警和應急響應，更好的保護數字建築工地的安全。
此外，許多研究者也對采用邊緣計算和雲計算兩種技術路線進行過具有參考資料價值的研究。《 The Impact of Edge Computing on Industrial Communications: A Review》一文中，作者對利用邊緣計算技術服務于未來智能工廠的可能性進行了研究，并發現利用邊緣計算能夠降低資料傳輸時間，優化監控系統性能。而《A Video Surveillance System Based on Cloud Computing and Cloud Storage》的相關研究表明，基于雲計算和雲存儲的視訊監控系統能夠大大提高響應速率和監控效果，以更好地保護數字建築工地的安全。
四、總結
對于智能工地（數字工地）的視訊監控，采用邊緣計算和雲計算兩種技術路線都可以提高監控的智能性和安全性，但是兩種方案各自存在不同的優劣。
采用邊緣計算技術，該技術能夠将AI算法在監控裝置本地實作，需要處理的資料量較少，在計算的過程中沒有過多的網絡傳輸和等待時間，更能夠快速處理監控的資料。這對于智能工地（數字工地）視訊監控的實時性有着積極的影響。但在性能增強的同時，邊緣計算可能對裝置端的性能和計算能力的要求較高，尤其是在大規模引入AI算法時，對裝置端的資源消耗會比較大。
采用雲計算技術，可以運用大規模的計算和存儲資源對海量資料進行處理和分析，監控資料的處理能力更為強大。但同時，雲計算技術依賴于網際網路，一旦網絡狀況不良或故障，會影響整個監控系統的正常運作。此外，由于上傳的資料需要進行伺服器的托管和災難性備份，是以在保護使用者隐私方面有一定風險。
是以，在智能工地（數字工地）監控中，建議多方考慮，根據實際特點和需求進行搭配和選擇，并盡量利用好兩種技術路線的優勢，進而更好的保障數字智能工地（數字工地）的安全和高效的營運。
（全文完）