エッジコンピューティングのパワーを発見：効率を高め、レイテンシを削減し、ローカルデータ処理でリアルタイムのAIアプリケーションを実現します。
エッジコンピューティングは、データ処理手法の根本的な転換を意味し、計算を中央集中型のクラウドコンピューティングサーバーから、データが生成される物理的な場所、つまりネットワークの「エッジ」に近づけます。エッジコンピューティングは、生データをデータセンターやクラウドに長距離伝送して分析する代わりに、ローカルデバイス、ゲートウェイ、またはサーバーを活用して、オンサイトで計算を実行します。この分散コンピューティングのパラダイムは、ネットワーク接続が断続的であっても、低い推論レイテンシ、ネットワーク帯域幅の効率的な使用、データセキュリティの強化、運用の回復力を必要とするアプリケーションに不可欠である。基本的な機械学習（ML）の概念に精通しているユーザーにとって、エッジコンピューティングは、モデルを展開し、データが発生する場所で直接実行するために必要なインフラストラクチャを提供します。
エッジコンピューティングは、人工知能（AI）とML、特にコンピュータビジョン（CV）の領域において、特に変革をもたらす。画像やビデオストリームの解析を含むような多くのAIアプリケーションでは、タイムリーな意思決定を可能にするために、センサーデータを即座に処理する必要があります。大量のデータをクラウドに送信すると、遅延（レイテンシ）が発生し、リアルタイム推論を必要とするシナリオでは受け入れられないことが多い。エッジコンピューティングは、次のような高度な物体検出モデルを含むMLモデルを可能にすることで、この課題に直接対処します。 Ultralytics YOLOのような高度なオブジェクト検出モデルを含むMLモデルを、データソース上またはその近くで直接実行することができます。これにより、レスポンスタイムが劇的に短縮され、ネットワーク帯域幅が節約されます。また、GDPRのような規制に合わせて、機密情報をローカライズしておくことで、データプライバシーを大幅に改善することができます。NVIDIA Jetsonシリーズのような特殊なGPUや、エッジデバイス用に特別に設計されたTPU（Google Coral EdgeTPU）のようなアクセラレーターなど、強力でありながらエネルギー効率の高いハードウェアの進歩は、この傾向にさらに拍車をかけている。エッジAIデバイスへのコンピュータ・ビジョン・アプリケーションの展開については、こちらをご覧ください。
エッジ・コンピューティングとエッジAIを区別することは重要だ。
基本的に、エッジAIはエッジコンピューティングパラダイムのサブセットまたは特定のアプリケーションであり、集中型データセンターの外部にAI機能を展開することに焦点を当てています。実際のエッジAIアプリケーションの詳細については、こちらをご覧ください。
エッジコンピューティングは、ローカル処理に依存する多様な革新的AI/MLアプリケーションを可能にする：
AIモデルをエッジにうまく導入するには、特定の技術やツールが必要になることが多い：
JA
EN
ZH
KO
RU
DE
FR
ES
PT
IT
AR
TR
VI
