前不久，知名云服務提供商 Rackspace 調查了 1870 名全世界各行各業的 IT 主管，了解企業在 AI 和機器學習方面的進展情況。結果顯示：阻礙企業實施 AI 的最大困難，是缺少而且難以招聘相應人才。

　　與此同時，物聯網和邊緣計算正在成為 AI 應用的重要陣地。IT 業界著名的 Eclipse 基金會下屬的 IoT 調研組研究發現：在邊緣計算的負載中，人工智能最為常見，占到 30%。未來 5 年，機器學習將會推動 AI 物聯網市場達到每年 27.3% 的復合增長率。

　　由此可以，如果你能掌握 AI 邊緣計算的開發，無論是前途還是錢途，都是一片光明。

　　不過，邊緣計算開發涉及無數硬件組合，以及各種各樣的軟件、算法、模型，同時還要考慮復雜莫測的網絡結構，作為普通開發者，真是“老虎吃天，無從下口”。這也讓企業的智能邊緣解決方案難以及時上市，從而失去市場競爭的先機。

　　不久前，英特爾發布了邊緣軟件中心 Intel Edge Software Hub（下簡稱 ESH）。它是一站式的資源平臺，開發人員可選擇針對特定垂直行業的軟件包，根據需要自定義配置，然后確定部署的目標硬件， 從而將解決方案的開發過程從數周縮短至數小時，快速實現原型化和產品集成，節省開發時間與開發成本。

　　從硬件產品，開發工具到集成的軟件堆棧

　　英特爾提供完備的開發資源

　　ESH 提供的軟件工具和開發包，都經過預先測試和驗證，滿足商業部署要求，其中整合了各類邊緣軟件堆棧，包括視覺邊緣洞見平臺、融合邊緣洞見平臺、工業邊緣洞見平臺以及工業邊緣控制平臺。利用這些邊緣軟件資源與參考架構，開發者可以聚焦于業務層、應用層的實現，避免大量的底層開發與架構設計工作。同時，英特爾提供了廣泛的可擴展、可兼容的硬件產品，再加上豐富的行業生態系統，包括來自開源社區、生態合作伙伴、云服務廠商的支持，所有這些都讓邊緣計算變得更加簡單。

　　從案例入手，開發更快更輕松

　　有軟件開發經驗的小伙伴都知道：任何一項技術，想要快速上手，步驟詳盡、范圍廣泛的參考案例必不可少。像邊緣計算這么龐大、復雜的技術領域更如是。有鑒于此，英特爾邊緣軟件中心提供了豐富的參考用例。它們基于邊緣軟件堆棧構建，集成 Open Model Zoo 深度學習模型與其他第三方軟件模塊，可完整實現各類具體邊緣 AI 應用。開發者不但可以從中學習，還能基于這些參考用例二次開發，快速構建邊緣 AI 應用原型與解決方案。

　　讓我們來看兩個例子。

　　01、智能交通管理：

　　打開該用例，你可以下載相應軟件組件，包括：Docker CE、Docker Compose 和 OpenVINO Container，然后直接運行示例代碼，就能實現智能交通中的檢測、跟蹤、碰撞檢測、興趣范圍、數據存儲和可視化等功能。

　　02、多攝像頭社交距離檢測：

　　該用例可以檢測人員，并根據多個輸入源計算人員之間的社交距離，標記、計數違規人員，并在瀏覽器中實時可視化。用例中用到特征檢測模型，經過一些簡單配置后加以運行，就能看到如下圖所示的結果：藍框表示安全距離，紅框表明違反了安全距離。

　　值得指出的是：所有軟件資源，包括面向各類垂直行業的邊緣軟件堆棧與針對各種實際應用場景的參考用例，只需 Web 瀏覽器的簡單操作，就可以輕松下載安裝腳本。使用命令行接口執行腳本，就可以自動安裝與部署軟件。安裝完成后，還可以繼續利用命令行來對軟件資源進行查詢、更新以及卸載。這讓開發體驗變得更加簡單、快捷。當然，配套的文檔說明和入門手冊必不可少；同時，英特爾開發人員專區也有專門設立的 ESH 技術支持論壇。

　　通過邊緣軟件中心輕松獲取軟件資源

　　創造未來，和我們一起

　　有了英特爾邊緣軟件中心，無數中小企業和第三方開發者的奇思妙想，不會再因為資源受限而難以落地。借助 ESH，這些創意有了施展空間，不但使得企業和個人有機會蓬勃發展，更能讓整個社會從中受益。

　　如果你也有一雙善于發現機會的眼、一顆不安于平凡的心，不妨趕緊加入英特爾邊緣軟件中心，和我們一起實現技術改造世界的理想。