本文将简单介绍什么是边缘计算，并讨论为什么比边缘计算如此重要，并将部分云计算的处理替换为边缘计算。同时也概要介绍边缘人工智能。

边缘计算

边缘意味着更加靠近数据源的处理技术，即将数据在数据来源的节点进行处理。传统的云计算，是将数据传输到云上，由云计算来处理，将结果再返回到边缘，这是集成处理的方法。云计算的处理方式，要求设备实时在线，且需要传输大量的数据;但对于不能经常联网，或者网络资源存在瓶颈的服务，就需要将数据在数据来源节点处理。

边缘计算包括最广泛的基础设施，包括蜂窝传感器网络、自组织、相互对等、分散云/雾、虚拟边缘计算、数据存储和恢复、自主自愈网络、分布式云应用、增强现实等等。

边缘计算与云计算

边缘意味着本地(或近本地)服务，而不是去网络中的某个地方。它可以是一台独立的物理计算机，如自动冰箱或服务器，其位置尽可能靠近源(即服务器位于该区域而不是地球的另一端)。

当需要低延迟或网络本身可能不总是可访问时，可以利用边缘，并实时做出选择。

大多数云应用程序在本地接收数据，将数据传输到云，处理并返回。边缘意味着云计算不是必须的，云端的边缘人工智能算法仍然可以在边缘测部署，在边缘操作。

为什么需要边缘计算

对于一些地区，网络连接成本高(带宽、能源成本高)，实时连接是瓶颈，这种环境下可以通过边缘计算解决。

对于一些实时响应要求高的应用，比如自动自动驾驶汽车，很短的网络延迟都可能会酿成灾难。

对于一些重要的数据，比如公司机密数据，在云上容易受到攻击。

专门设计的优化程序，可以实现边缘测的卓越性能。

边缘计算的类型

设备边缘：边缘计算包含在消费者现有环境的范例中。例如，微软Azure IoT Edge和AWS Greengrass。

云边：这个边缘计算平台是一个公共云扩展。内容分发网络是这种拓扑结构的典型示例，它在地理边界处缓存和传递静态内容。

边缘人工智能

在边缘人工智能中，人工智能算法在硬件计算机上不需要接触就可以进行局部处理。它使用从系统生成的数据，并在毫秒级时间响应对其进行处理，以实现实时洞察。

例子：

根据设计，便携式电动工具处于网络边缘。边缘智能程序框架通过微处理器上的电动工具数据实时运行。在驱动工具中，程序边缘智能生成数据并将数据存储在本地计算机上。本地机器在工作时间连接到互联网，只将数据传输到云端进行检索和分析。电池寿命长是以上应用的主要特点之一。如果动力机器不断地将数据下载到云中，电池将很快耗尽，通过边缘计算，可以降低数据连接的时间，延长电池寿命。

边缘人工智能的优势

(1) 降低成本

边缘人工智能可以降低连通性和网络传输的效率，而发送的网络更少。可以降低网络通讯成本而降低正本。

(2) 安全

通过在监控摄像头、独立车辆、飞机等情况下利用人工智能，信息变得与用户相关。由于边缘人工智能在本地管理数据，流媒体可以防止问题的发生，而不会存储大量云数据，从而降低隐私受到攻击的风险。改进的保护应用程序可以用来保证边缘人工智能系统的安全。

(3) 反应灵敏

如您所知，与集中式物联网模型相比，边缘人工智能系统可以非常快速地处理数据。这需要实时操作，如数据开发、决策和干预，因为观测数据直接在同一硬件内传输，非常适合于毫秒级的应用，例如自动驾驶汽车。

(4) 易于管理

边缘人工智能系统是独立的，不需要由数据科学家或人工智能开发者管理。信息和观察可以自动分发，也可以通过高度可视化的界面或仪表板在现场提供。