人工智能站在十字路口。一方面，AI使用速度比以往任何时候都更快，市场的增长速度为57.2％到2025年将近590亿美元，大查看研究项目。但是，随着人工智能的使用变得越来越普遍，人工智能的性质正在发生变化。一个主要的变化涉及从基于云的转变到设备AI应用程序。虽然云近年来为AI应用程序提供了关键的基础架构支持，但用户越来越多地转向直接在移动设备上运行的应用程序。效率和安全性都在帮助促进这一转变。以下是基于云的某些利弊，而在设备上的AI以及使用一个相对于另一个是有意义的。
基于云的AI
去年，科技巨头推出了基于云的人工智能应用程序大范围上。由于所需的计算资源数量，对于中小型公司而言，AI应用程序可能是昂贵的，为云提供商提供了满足负担得起的AI需求的服务的机会。亚马逊通过其AWS Amazon Cloud Service领先，推出了集成的Cloud AI开发环境以及AI工具，可以将音频语音转换为文本并将视频转换为七种语言。微软也投入了大量投资基于云的AI服务。
尽管云确实提供了使人工智能负担得起的计算资源，但它也受到了一些主要限制。一个是将大数据从本地资源转移到云和背部所需的时间，这可以使云中的AI应用程序成为缓慢的过程。此外，云的普及使其成为黑客的目标，导致数据泄露，例如去年的妥协1400万Verizon客户，基于云的错误配置文件存储库的结果。云服务特别容易受到Web应用程序攻击的影响。
设备AI的出现
为了克服云的局限性并使AI更高效，更安全，移动设备制造商已经开始推出可以直接运行AI应用程序的智能手机，而无需利用云。例如，高通通过其人工智能平台在其最新一代的智能手机组件中带领该领域。高通的人工智能平台使用处理器足够快，以允许智能手机运行资源密集型AI应用程序例如智能摄影集中，面部识别，语音识别和虚拟现实。
云与设备AI：优点和缺点
在设备上的AI比云AI具有一些不同的优势，这使其比某些应用更可取。由于“设备” AI不需要依靠远程资源，因此它可以比Cloud AI快得多地处理应用程序。对于需要实时数据处理的应用程序，这使得它更高。例如，依靠AI实时安全导航决策的自动驾驶汽车将取决于设备的AI。此外，设备AI代表安全优势。本地设备不必面对云曝光打开的远程风险，并且配备AI-Apegion设备可以采用由人工智能支持的实时自动入侵检测。
另一方面，Cloud AI还保留了某些应用程序的价值。涉及大型数据库分析的应用程序通常需要云提供的可扩展计算能力。例如，天文学家正在使用AI机器学习扫描伸缩数据为了识别可居住的行星。从医学到股票市场预测等等的领域中的类似大数据分析应用也需要计算资源超过智能手机限制的资源。
尽管云是当前提供AI服务的最流行方式，但云AI遭受了效率和安全性限制。机上AI通过允许AI在智能手机上安全地运行而无需等待远程资源来克服这些限制。随着未来五年内的设备AI变得无处不在，因此ANEVICE AI看起来有望成为AI应用的主要交付方法。
