將物流自動(dòng)化集成到任何環(huán)境中都會(huì)帶來挑戰(zhàn)，它可以像動(dòng)力傳送帶替換重復(fù)過程一樣簡單，也可以像將協(xié)作和自主機(jī)器人引入工作場所一樣復(fù)雜。

流水線　　

　　隨著解決方案的互連以及流程中其他階段的了解越來越深入，每個(gè)自動(dòng)化元素的效率也會(huì)提高。使用邊緣人工智能重新定義了物流自動(dòng)化。將人工智能置于網(wǎng)絡(luò)邊緣的好處必須與資源可用性保持一定平衡，例如電力，環(huán)境操作條件，物流位置和可用空間在邊緣實(shí)施推理。系統(tǒng)中的網(wǎng)絡(luò)延遲將使分揀過程更慢，但是邊緣計(jì)算可以消除這種潛在的瓶頸。引入人工智能對物流自動(dòng)化中使用的硬件和軟件將產(chǎn)生重大影響并存在越來越多的潛在解決方案。

　　通常用于訓(xùn)練人工智能模型的解決方案不適合在網(wǎng)絡(luò)邊緣部署模式；培訓(xùn)處理資源是服務(wù)器設(shè)計(jì)的，其中電源和內(nèi)存等資源幾乎無限。

　　相反，開發(fā)人員正在為邊緣人工智能部署和優(yōu)化的異構(gòu)硬件解決方案提供特殊服務(wù)。如今，沒有單一的架構(gòu)可以真正為人工智能應(yīng)用程序提供最佳解決方案。

　　這種趨勢指向異構(gòu)架構(gòu)，其中許多不同的硬件處理解決方案配置為協(xié)同工作，而不是使用多個(gè)設(shè)備的同結(jié)構(gòu)。所有設(shè)備都是基于相同的處理器，可以將正確的解決方案引入給定任務(wù)或集成特定設(shè)備上的多項(xiàng)任務(wù)，從而提供了更可擴(kuò)展和優(yōu)化每瓦特/$ 1性能的機(jī)會(huì)。

　　從同構(gòu)系統(tǒng)架構(gòu)到異構(gòu)處理需要巨大的解決方案生態(tài)系統(tǒng)，以及在硬件和軟件級別配置這些解決方案的成熟能力。這些供應(yīng)商為邊緣計(jì)算提供解決方案并與他們合作開發(fā)可擴(kuò)展性和靈活性的系統(tǒng)。

　　在部署邊緣AI等新技術(shù)時(shí)，“升級”底層平臺(tái)（無論是軟件，處理器等）的能力尤為重要。每代新處理器和模塊技術(shù)通常為在網(wǎng)絡(luò)邊緣運(yùn)行的推理引擎提供更好的功率/性能平衡，因此它們可以快速利用這些性能和功率增益并降低整個(gè)物流自動(dòng)化系統(tǒng)的中斷。

　　為了提高靈活性并減少供應(yīng)商綁定，在硬件層面上開發(fā)了一種模塊化的方法，使任何解決方案中的硬件配置更加靈活。