ระบบ AI แบ่งงานออกเป็นส่วนๆ และดำเนินการแต่ละส่วนในตำแหน่งที่เหมาะสมที่สุด

 

งานที่คำนึงถึงเวลา เช่น การตอบสนองต่อคำสั่งเสียงหรือการวิเคราะห์ฟีดของกล้อง จะทำงานภายในเครื่องเพื่อลดความล่าช้า การประมวลผลที่ซับซ้อนมากขึ้น เช่น การรวมข้อมูลจากหลายแหล่งหรือการอัปเดตโมเดล จะทำงานบนคลาวด์ซึ่งมีพลังการประมวลผลมากกว่า

 

ส่วนประกอบเหล่านี้แบ่งปันข้อมูลอย่างต่อเนื่อง ช่วยให้ระบบทำงานเป็นเวิร์กโฟลว์ที่มีการประสานงานเดียว

AI กำลังพัฒนาเป็นระบบที่สามารถให้เหตุผลและดำเนินการได้ ไม่ใช่แค่ตอบคำถามเท่านั้น

 

ในขณะเดียวกัน ความก้าวหน้าด้านฮาร์ดแวร์ทำให้ AI ทำงานได้อย่างมีประสิทธิภาพบนอุปกรณ์ต่างๆ ตั้งแต่อุปกรณ์สวมใส่ไปจนถึงศูนย์ข้อมูล สิ่งนี้ทำให้ AI เร็วขึ้นและเป็นส่วนตัวมากขึ้นโดยทำให้สามารถทำงานบนอุปกรณ์ได้โดยตรงโดยไม่ต้องเชื่อมต่ออย่างต่อเนื่อง

 

การเปลี่ยนแปลงเหล่านี้ร่วมกันทำให้ AI ตอบสนอง ปรับขนาดได้ และสามารถดำเนินการได้อย่างต่อเนื่องในสภาพแวดล้อมต่างๆ

Edge Computing คือกระบวนทัศน์การประมวลผลแบบกระจายที่นำการประมวลผลข้อมูลและการจัดเก็บข้อมูลมาใกล้กับตำแหน่งที่สร้างข้อมูลมากขึ้น โดยมักจะอยู่ที่ 'edge' ของเครือข่าย ความใกล้ชิดกับแหล่งข้อมูลนี้ช่วยให้ประมวลผลได้เร็วขึ้น ลดเวลาแฝง และตัดสินใจแบบเรียลไทม์ ซึ่งเป็นสิ่งสำคัญสำหรับแอปพลิเคชันที่ต้องการการตอบสนองในทันที เช่น อุปกรณ์ IoT และยานพาหนะอัตโนมัติ หรือคอมพิวเตอร์ Edge

 

ข้อได้เปรียบหลักของการประมวลผลแบบ Edge เหนือโมเดลการประมวลผลแบบคลาวด์แบบดั้งเดิมคือความสามารถในการลดเวลาแฝงได้อย่างมาก ด้วยการประมวลผลข้อมูลที่ใกล้กับแหล่งที่มามากขึ้น Edge Computing จะช่วยลดความล่าช้าระหว่างการสร้างและการประมวลผลข้อมูล ทำให้เหมาะสำหรับแอปพลิเคชันแบบเรียลไทม์​

• NPU: 40+ TOPS (ผ่านการรับรอง Copilot+)

• CPU: Intel Core Ultra, AMD Ryzen AI หรือ Qualcomm Snapdragon X

• RAM: ขั้นต่ำ 16GB (แนะนำ 32GB ขึ้นไปสำหรับผู้สร้างและนักพัฒนา)

• พื้นที่เก็บข้อมูล: ขั้นต่ำ 512GB PCIe NVMe SSD