Edge AI vs Cloud AI: Hangisi yalnız çalışan güvenliği için doğru?

Edge AI ve Cloud AI nedir?

İki yaklaşım, yapay zeka modelinin nerede çalıştığını belirler:

• Cloud AI: Model uzak veri merkezindeki sunucularda çalışır. Cihaz, sensör verisini buluta gönderir; bulut analiz eder, sonucu cihaza gönderir.
• Edge AI: Model cihazın kendi üzerinde, yerel işlemcide çalışır. Sensör verisi cihazdan dışarı çıkmadan analiz edilir, sonuç cihazda üretilir.

Son 5 yıl boyunca yapay zeka dünyasında baskın varsayım "model bulutta çalışsın, daha güçlü olur" yönünde gelişti. Bulut, neredeyse sınırsız hesap gücüne, sürekli güncellenen modellere ve daha büyük veri setlerine erişir. Mantıklı bir avantaj listesi.

Ama yalnız çalışan güvenliği gibi bir use case'te bu varsayım çöküyor. Çünkü acil durum, internet bağlantısının olmadığı yerde olur.

5 Boyutta Karşılaştırma

1. Latency (Gecikme)

Cloud AI'da bir sensör verisinin cevap döndürme süresi tipik olarak 100-500 ms arasındadır. Bu sürenin büyük kısmı ağ gecikmesidir, modelin kendisi değil.

Edge AI'da inferans (model çıkarımı) süresi cihaz üzerinde çalıştığı için tipik 5-50 ms arasındadır. Yalnız çalışan güvenliği için 50 ms ile 500 ms farkı, "alarm anında tetiklendi" ile "alarm 0.5 saniye geç tetiklendi" demektir.

2. Bağlantı bağımsızlığı

Cloud AI'nın temel zayıflığı: çalışmak için sürekli internet gerekir. Maden ocağı, trafo merkezi, izole saha, kapalı tesis — kapsama dışı yerler. Bu noktalarda buluta bağımlı sistem sessizdir.

Edge AI'da model cihazın kendisinde olduğu için internet olmasa da çalışır. Olay tespit edildiğinde sonuç yerel hafızada saklanır, bağlantı geri geldiğinde otomatik senkronize edilir.

3. Gizlilik ve KVKK uyumu

Cloud AI yalnız çalışan güvenliği gibi bir uygulama için ham sensör verisini sürekli buluta göndermek zorundadır. Bu hem veri akışını hem de saklama maliyetini artırır. Daha kritik boyut: kişisel verinin sürekli işveren cihazından çıkıp üçüncü taraf bulutuna gitmesi KVKK riski oluşturur.

Edge AI ile sensör verisi cihazdan çıkmaz. Sadece olay tespit edildiğinde meta veri (alarm tipi, zaman, konum) operatör merkezine gönderilir. Bu yaklaşım KVKK Madde 4'teki "veri minimizasyonu" prensibinin teknik karşılığıdır.

4. Maliyet

Maliyet kalemi	Cloud AI	Edge AI
Donanım maliyeti	Düşük (basit cihaz)	Orta (özel chip + ML accelerator)
Bağlantı maliyeti	Çok yüksek (sürekli upload)	Düşük (sadece olay)
Bulut compute maliyeti	Yüksek (her cihaz başına)	Yok
Toplam 3 yıl TCO	~$120/cihaz	~$45/cihaz

Edge AI'nın donanım maliyeti ilk başta daha yüksek görünebilir, ama 3 yıllık toplam mülkiyet maliyeti (TCO) hesabında genellikle Cloud AI'dan ucuza geliyor — özellikle cihaz başına bağlantı maliyeti gerçek saha kullanımında yüksek tutuyor.

5. Güvenilirlik ve hata toleransı

Cloud AI'da iki tek nokta arızası vardır: ağ ve bulut. Birisi düşerse sistem çalışmaz. Edge AI'da model cihaz üzerinde, ek olarak bağlantı katmanı olay raporlama için kullanılır — ağ olmasa da temel fonksiyon çalışır. Bu, özellikle güvenlik kritik uygulamalarda graceful degradation sağlar.

Hangi durumda Cloud AI doğru tercih?

Yine de Edge AI her senaryoda iyi tercih değildir. Cloud AI'nın anlamlı avantajları olduğu durumlar:

• Çok büyük modeller: Görüntü tanıma, doğal dil işleme gibi yüz milyonlarca parametre içeren modeller cihaza sığmaz, buluta gerek var.
• Sürekli iyileşen model: Üretici modeli haftada güncelliyor, anında her cihaza ulaşması gerekiyorsa.
• Latency kritik değilse: Aylık rapor çıkartma, batch analiz, e-ticaret öneri sistemi — saniyeler önemli değil.
• Düşük donanım maliyeti şart: Çok ucuz cihazlar (örn. tüketici sensörü) Edge AI için ML chip taşıyamaz.

Hibrit yaklaşım: çoğu sistemin gerçeği

Modern IoT sistemleri çoğunlukla saf Edge ya da saf Cloud değildir; ikisini birleştiren hibrit mimaridir.

Tipik bir hibrit yaklaşım şöyle çalışır:

• Cihazda (Edge): Düşük gecikmeli, güvenlik kritik kararlar. Düşme tespiti, hareketsizlik algılama.
• Bulutta (Cloud): Toplam istatistikler, uzun dönem trend analizi, model yeniden eğitimi (yeni veriyle Edge modelini iyileştirme).
• OTA güncellemeler: Bulutta yeniden eğitilen yeni model, OTA (Over-The-Air) ile cihaza inip eskisinin yerini alır.

Sentinel'in mimarisi: gerçek bir Edge AI vakası

VolTure Tech'in geliştirdiği Sentinel cihazı saf Edge AI mimarisi üzerine kuruludur:

• Donanım: STM32 ARM Cortex-M serisi mikrodenetleyici, FreeRTOS gerçek zamanlı işletim sistemi. Düşük güç tüketimli, ML inferansı destekleyen ARM çekirdek.
• Model: 800.000+ gerçek düşme profilinden eğitilmiş, quantize edilmiş bir sinir ağı. 6 eksen IMU sensör verisini 6 saniyelik kayan pencerede analiz eder. %99,6 doğruluk oranı.
• Latency: Düşme algılama 50 ms altında. Saniyenin yirmide birinden hızlı.
• Bağlantı: NB-IoT (V1.1.0) primary, fallback olarak 4.5G LTE / 3G / 2G. Bağlantı yokken bile algılama çalışır, olay yerel hafızada bekler.
• Veri minimizasyonu: Ham sensör verisi cihazı terk etmez. Sadece "olay tetiklendi + meta veri" bulut paneline gönderilir.

Edge AI'nın 2026'daki yükselişi

Önümüzdeki 2-3 yılda Edge AI'nın özellikle aşağıdaki alanlarda hızla yayılması bekleniyor:

• Kişisel güvenlik IoT cihazları: Yalnız çalışan, yaşlı, çocuk takibi.
• Endüstriyel sensörler: Vibrasyon analizi, motor sağlığı, predictive maintenance.
• Otonom araçlar: Otomotiv, drone, robotik — milisaniye gecikmesi kabul edilemez.
• Sağlık takip cihazları: Smartwatch ECG, giyilebilir glikoz monitörü.

Edge AI'nın gücü, bulutsuz çalışmasıyla teknik bir tercih olmaktan çıkıp, gizlilik ve güvenilirlik açısından stratejik bir mimari karar haline geliyor.

Sonuç

Yalnız çalışan güvenliği gibi real-time + bağlantısız + güvenlik kritik bir use case için Edge AI tek geçerli seçenektir. Bulut'un sınırsız compute gücü çekici görünebilir, ama acil durumun internet bağlantısının olmadığı yerde oluşması gerçeği bu hesabı ters çevirir.

Sentinel'in Edge AI mimarisi, bu prensibin pratik bir uygulamasıdır. Daha fazla bilgi için Sentinel ürün sayfasını inceleyebilir veya demo talebi oluşturabilirsiniz.