科创中国

行业领域

电子信息技术,软件,信息安全技术,通信技术

需求背景

1. 视频处理的需求爆炸式增长：随着视频内容的爆炸式增长，从视频中提取有价值信息的需求也日益增长。这需要强大的计算能力来进行视频处理和分析，而传统的中心化计算方式无法满足这种需求。因此，需要一种更加高效、灵活和分布式的计算方式来处理视频数据。
2. AI技术的广泛应用：人工智能技术的快速发展，使得AI算力成为处理视频数据的关键因素。通过AI技术，可以实现对视频的自动识别、分类、分析和理解等任务，从而大大提高视频处理的效率和准确性。然而，如何有效地管理和调度AI算力资源，以满足不同视频处理任务的需求，是一个亟待解决的问题。

需解决的主要技术难题

1. 数据处理问题：视频数据通常非常庞大，需要大量的存储和计算资源。在边缘计算环境中，处理这些数据可能会面临一些挑战，比如数据传输、存储和管理等方面的问题。
2. AI算力调度：在边缘计算环境中，AI算力的调度和分配是一个重要问题。由于边缘环境的资源和网络条件都是有限的，如何有效地利用这些资源，以及如何根据环境和任务需求动态调度AI算力，是一个具有挑战性的问题。
3. 容器技术应用：容器技术是一种轻量级的虚拟化技术，可以提供隔离的环境和一致的部署体验。但是在面向视频的AI应用中，如何使用容器技术来提高资源利用率、降低成本并保证系统的稳定性，是一个需要解决的问题。

期望实现的主要技术目标

基于Linux操作系统，支持：Tensorflow、Caffe、ONNX、PyTorch  等通用AI模型文件格式，支持rknn，rknn2，Jason Xavier NX等通用边缘计算平台。

通用边缘容器调度平台能够自动发现，注册边缘网关资源，根据场景的需求下发任务，一方面能够根据网关的响应要求，远近距离等做出判定，寻找最合适的调度节点，另一方面，能够根据边缘侧的算力整体使用情况，自动分析、适配场景，实现算力级的资源调度能力。

处理进度