作者
Ali Ors
Ali专门负责领导各跨职能团队，为机器学习和视觉处理领域提供创新产品和平台。他目前在恩智浦负责全球AI机器学习战略和技术工作。Ali曾在恩智浦汽车业务部负责ADAS和自主产品的AI战略、战略伙伴关系和平台设计。加入恩智浦之前，Ali曾担任CogniVue公司的工程副总裁，负责开发视觉SoC解决方案和认知处理器IP内核。Ali持有加拿大渥太华卡尔顿大学的工程学学位。
云边协同：恩智浦和AWS合作解决方案
边缘人工智能和云端人工智能并不是对立的，而是通过关键资源(数据)联系在一起的。边缘人工智能/机器学习能够有效管理在边缘采集的数据，并因此带来了成本、用户交互和整体性能方面的关键优势，这些优势对于取得成功至关重要。
云端可以实现大规模数据收集和相关的模型开发环境，从而提升模型的推理可信度和性能。恩智浦和AWS携手开发出基于AWS服务的新方法，可优化边缘人工智能应用的开发和部署。模型在云端构建，然后通过恩智浦的应用处理器部署到边缘。这种方法灵活实用，体现了两个业界领导者协同合作的优势，助力节约时间和降低工程成本，同时开发以客户为中心的解决方案。
入门云端边缘人工智能项目可能让人感到困惑。为了提供帮助，恩智浦与AWS联合打造了恩智浦+AWS协作空间，为开发人员提供一系列指南，让他们能够快速掌握基本架构和实现方式。
简化云/边缘混合部署。快来体验一站式中心，恩智浦+AWS协作空间。
我们的专家为您详细解答
我们为您精心准备了一系列指南，帮助您节省时间，简化开发流程，轻松使用恩智浦+AWS协作空间来打造与众不同的产品。每个指南逐步讲解如何为专用应用搭建混合计算模型。
第一个指南《构建云端到边缘机器学习管道》已经上线。边缘机器学习可以在脱离云端的情况下运行算法，但云端依然是部署的关键环节，因为云端资源为您提供了一个平台，用于开发、训练、分发、保护和维护机器学习模型，以及管理边缘机器学习设备。
当边缘机器学习部署有一个从云端到边缘的强大、可扩展管道来支撑时，云端资源可以随着部署的扩大而增加，按需扩展，以满足迭代训练、地域拓展、新产品发布和持续变化的安全要求。
在访问指南之前，请确保登录恩智浦官网和AWS账户，便于进行交叉参考，并轻松下载软件栈。
恩智浦和AWS的最新培训和新闻一览
我们承诺继续简化云/边缘混合部署的集成，为汽车、工业和物联网(IoT)等多个热门市场领域提供优质服务。我们携手支持开发人员使用云端和边缘资源的混合模式，部署能够收集、分析和响应关键数据的应用。欢迎访问恩智浦+AWS协作空间，了解恩智浦和AWS的最新指南、培训和新闻动态。