经常上网的朋友一定知道，最近许多城市已经开始在公共交通中逐渐接受导盲犬。

一组广为流传的数据显示，截至2017年，中国导盲犬的数量只有116只，低于大熊猫的数量，而需要导盲犬服务的盲人人数高达800万。

一系列的高难度和高成本，如饲养、训练、实习和预约，决定了导盲犬是盲人旅行的“奢侈品”。每只导盲犬的价格在12万到15万元之间，寿命只有10年多。即使有一个也够幸运的了，当它退休的时候，视力受损的人怎么能出去呢？这可能是一个值得文明社会思考和不断完善的话题。

最近，土耳其的一位盲人，基于Arm的最新处理器和NPU，发明了一种人工智能盲人拐杖，它可以为更多的视障人士打开一扇窗户，从而吸引我们的注意力。

那么，人工智能需要什么样的技术条件来帮助视障人士长期安全地融入公共生活呢？

人工智能盲人工作人员：很难和导盲犬相比。

人工智能盲人拐杖能否帮助盲人顺利行走，我们不妨利用导盲犬的几种重要工作能力来推测。

首先，导盲犬需要准确识别障碍物。

它不仅包括避开大型坑、汽车、行人、栏杆等。在路上，还要识别红绿灯等关键交通信息，以达到让盲人能够顺利出行的目的。熟悉人工智能的朋友当然知道，基于机器视觉相机传感器检测环境障碍并不难。因此，在人工智能盲人拐杖中，科拉特塞兰植入了地图导航、障碍物检测算法、发光二极管警示灯、麦克风等。变成了传统的盲人拐杖。通过超声波探测器，可以成功地探测到160厘米高的障碍物。

同时，导盲犬还需要引导盲人安全地避开障碍物。

执行任务的导盲犬会穿上一件带有拉杆的小背心，引导主人正确行走或停止。此外，导盲犬会根据实时信息做出自己的判断，有时甚至“在智力上不服从”。当他们发现前进的命令不安全时，即使主人要求继续前进，他们也会拒绝服从。

盲人工作人员是不同的。主动权完全掌握在盲人自己手中。即使语音助手的人工智能推理芯片能够进行独立的安全警告，这双“眼睛”也很难限制主人的活动，自然存在一定的安全风险。但是，如果由于设备的技术原因造成人身危险，全社会对由此产生的一系列责任和伦理问题没有相应的计划和准备。

重要的是导盲犬也需要融入盲人的生活。

在与主人生活一段时间后，导盲犬会非常熟悉主人的日常安排。例如，记住他的通勤路线、行为习惯、他经常去的超市以及他与之交流的朋友等等。这种个性化记忆能力也可以通过人工智能对神经网络的深入学习来实现。

然而，应该注意的是，机器学习训练通常需要大量的计算能力，这决定了人工智能盲拐杖算法只能通过将数据上传到云中来完成。一次操作将不可避免地导致时间延迟和信息隐私的潜在安全隐患。

至于导盲犬与主人建立特殊情感联系和信任的能力，以及帮助他们扩大社交圈子的能力，人工智能导盲犬在实现超人工智能之前显然无法与人工智能相比。

总的来说，人工智能盲人拐杖已经可以在视听层面上完成导航和避障功能，但在判断、推理和情感层面上还不能与导盲犬相提并论。在有限的范围和相对安全的环境中使用(如办公楼等)。)可能是人工智能盲人拐杖发挥其价值的最初场景。

因此，我们还需要考虑一个新的问题——，它声称是可以拯救AIoT的边缘智能。为什么我们没有如期改变我们的生活？

寻路雾计算：边缘智能的一个着陆问题

自5G人工智能云计算提出以来，边缘计算一直被认为是一个很好的辅助工具。如果云计算是所有事物的“终极大脑”，那么边缘计算就是一个巨大的“神经末梢”，承载着许多“潜意识”反应。

例如，人工智能向导人员是边缘计算应用的绝佳场景。导杆应实现实时交互和判断，如看到交通灯变绿，自动判断“可通过”。路灯信息不需要上传到云端，步行提醒只有在云端服务器逐层判断后才会发出。这无疑极大地降低了延迟带来的旅行风险，也减少了云计算的过载。

但让“云脑”偷懒边计算，也能帮助业界解决泛智能过程中的三重矛盾：

一是计算力和成本之间的矛盾。

为了满足终端人工智能推理操作的实时性和可用性要求，需要对大量数据进行本地处理。要么是在终端本身部署高性能人工智能芯片，这在成本控制方面显然是不现实的。在物理场景中部署足够的边缘人工智能。

当然，为了满足AIoT对海量物联网的计算需求，有必要对网络管道进行改造，如建立5G边缘数据中心、高性能算法培训、对计算资源的竞争(如NPU和GPU)，这些都不是一蹴而就的。

第二是瞬时和功耗之间的矛盾。

对于盲导杆等设备，不仅要保证实时性，还要处理复杂的人工智能任务，如目标检测、语音识别、手势监控、甚至人脸识别等，传感处理范围越大，直接导致功耗越高。电池寿命只有5个小时，换句话说，盲人在早上出门，晚上没电，可能很难回家。

边缘计算可以过滤和分析终端的巨大数据流量，减少从设备到云的传输路径，并自然地改善功耗问题。

第三是方便与安全的矛盾。

众所周知，物联网的合作可以极大地提高生活的便携指数，但在这个智能门锁、摄像头等黑客频繁出现的时代，数据很容易被别有用心的人所利用。许多企业甚至要求人工智能必须部署在他们的私有云上，这限制了许多尖端技术的应用，并增加了操作和维护的难度。

边缘计算的解决方案是将数据处理和存储放在本地，既能保护隐私和安全，又能实现高效的实时交互和迭代。尤其是携带用户生活和健康信息的物联网产品，如盲人拐杖、心脏起搏器、智能手表等，如果没有边缘计算的广泛普及，就无法大规模应用。

从这个角度来看，人工智能指导人员只是人工智能创新的一个案例。根据国际数据中心的预测，到2025年，物联网连接的数量将增长到270亿，物联网设备的数量将达到1000亿。可以想象，随着云和终端之间的边缘计算系统在未来的成熟，越来越多的创新将被发现，以帮助残疾人的正常生活，帮助城市阻止微观发展，并注入人工智能成千上万的行业。

边缘智能的未来仍然需要等待合适的时机。

边缘智能的充分发展自然会带来巨大的工业财富和新的商业机会。每个人都在争取机会。

然而，应该注意的是，尽管边缘智力是时代的趋势，它也有成长的节奏和时机。盲目录取可能导致空的结果。

目前，边缘智能似乎还需要等待工业环境的完全成熟：

一是改善基础设施。

对于云供应商来说，作为一个有前途的未来趋势，边缘计算的硬件和软件已经基本到位。例如，ARM发布了用于人工智能应用的DynamIQ技术和相关处理器，旨在构建从网络节点到云的分布式智能。英伟达的开发板捷森TX2也可以在终端设备上更好地运行深度学习功能。

然而，这还不够。边缘计算和5G智能网络可能是真正的“原始匹配”

一方面，目前的4G网络建设一般以核心网为中心，通常很难实现本地疏导，导致数据必须经过很长的物理距离才能到达应用端。换句话说，在4G网络上建立边缘智能不能保证低延迟要求。

此外，边缘计算不仅仅是简单地分配计算任务，合理利用本地空闲，以及将任务分配给不同数量的计算节点。这些都需要智能网络来安排部队和实现负载平衡，从而确保每个边缘节点的有效使用。在这一点上，5G智能网络也更加可靠。

然而，由于疫情和供应链的影响，5G建设的步伐将比预期的慢，这将进一步延迟边缘计算节点(如探针、处理设备、数据中心等)的迭代升级。)。

二是工业应用的联动。

由于它是人工智能，自然需要多个边缘节点通过技术集成来协作和发挥人工智能的最大价值。

例如，当一个盲人使用人工智能导向杆旅行时，许多节点，如电线杆、超速车辆、垃圾箱、交通灯等。向边缘节点共享实时数据。人工智能引导杆能根据这些数据做出比视觉识别解决方案更有效、更可行的准确避障判断吗？

其他节点也可以通过数据共享、培训和掌握出行大数据来优化和影响整个城市的交通管理。

然而，这种边缘协作的应用联动仍处于理想状态。更现实的解决方案是通过智能公园、智能建筑、智能城市等的片状更新，不断积累和培训相关模型。最后，将工业级的边缘智能和消费者级的物联网集成在一起，形成无所不在的智能，以便随时随地调用人工智能。

三是发展生态养殖。

没有规则就没有方圆。全面情报联盟的未来自然需要统一的标准和规范。但是尽管许多云供应商已经提供了许多边缘计算工具。但到目前为止，我们还没有看到开发人员的创造力和大脑空洞在AIoT中爆炸。

例如，2018年7月，谷歌推出了两款用于智能连接设备大规模开发和部署的产品：边缘TPU和云物联网边缘。早在2016年，亚马逊公司还决定将AWS扩展到间歇性连接的边缘设备。微软的Azuriot Edge还允许将云工作负载进行容器化，并在从覆盆子Pi到工业网关的智能设备上本地运行。

除了在更新迭代中的传统硬件制造商之外，很少有创新颠覆像人工智能引导棒这样的传统功能。

核心原因是发展门槛仍然太高。除了软件使用的技术门槛和训练机器模型的成本之外，缺乏软硬件集成系统和统一可靠的行业标准都要求开发人员注意跨平台兼容性、异构数据处理、不同技术和生态的集成等。在创新过程中，无疑会消耗太多的精力和时间，让许多开发人员望而却步，并限制了更多创造力的出现。

从现在开始培养开发者生态可能成为云供应商引领行业标准、结束混乱并在未来展开竞争的关键。

科技产业的铁律是技术为应用服务，新的应用创造新的市场主人。4G优于移动互联网，人工智能优于数字产业。

如果智能社会仍然是一个原始的丛林，有峡谷和无数的场景，它是神秘的，但它也有无数的宝藏需要挖掘。那么边际计算可能是通向未来的“导杆”。