边缘人工智能（Edge AI）是人工智能领域中一个备受关注的新兴领域。其主要目标是让用户能够运行人工智能流程，而无需担忧隐私问题或数据传输速度慢带来的影响。要深入理解边缘人工智能，首先需要对边缘计算有一个基础的认识。
边缘人工智能与边缘计算
边缘人工智能（Edge AI）结合了人工智能技术与边缘计算的优势，允许用户在不依赖云平台的情况下，对输入数据迅速作出反应。这一快速定义并不足以涵盖边缘人工智能的全部内涵，因此有必要进一步探讨其技术及应用案例。
要了解边缘人工智能，首先需掌握边缘计算的概念，最佳方法是将其与云计算进行对比。云计算通过公共互联网提供计算能力，而边缘计算则在内部设备上运行，通常不连接云端。这些设备可能是专用的边缘计算服务器、内部部署的设备或者物联网（IoT）设备。边缘计算具有许多优势，例如互联网/云平台的计算处理受限于网络延迟和带宽，而边缘计算能够摆脱这些限制。
掌握了边缘计算的基本概念后，接下来就可以深入理解边缘人工智能。边缘人工智能将人工智能算法部署在能够进行边缘计算的设备上，这样可以实现实时数据处理，无需连接云端。
大多数复杂的人工智能流程在云端运行，因为它们通常需要大量计算资源。这使得这些流程容易受到网络延迟或停机的影响。边缘人工智能系统在边缘计算设备上运行，使得必要的数据操作可以在本地完成，并通过公共互联网进行传输，从而节省了大量时间。此外，深度学习算法能够在数据源的设备上直接运行。
随着越来越多的设备需要在没有云平台的情况下使用人工智能，边缘人工智能的重要性日益凸显。在自动化机器人或配备计算机视觉算法的智能汽车中，数据传输的延迟可能导致严重后果。自动驾驶汽车在检测道路上的行人或障碍物时，不能容忍任何延迟，因此需要边缘人工智能系统来实现实时分析和图像分类，而不依赖于云计算。
当边缘计算设备承担通常由云端处理的信息任务时，可以实现低延迟或实时处理。此外，通过传输最重要的信息，能够减少数据传输量，最大限度降低通信中断的风险。
边缘人工智能与物联网
边缘人工智能可以与5G及物联网（IoT）等其他数字技术相结合。物联网为边缘人工智能系统提供数据支持，而5G技术则是边缘人工智能和物联网持续发展的关键。
物联网指的是通过公共互联网相互连接的各种智能设备。所有这些设备都会生成数据，这些数据可以输入到边缘人工智能设备中，同时这些设备也可以充当数据的临时存储单元，从而增强数据处理的灵活性。
5G技术对于边缘人工智能和物联网的发展至关重要。5G能够以最高20Gbps的速度传输数据，而4G则只能提供1Gbps的速度。5G还支持更多并发连接并具有更短的延迟。这些优势在物联网迅速发展的背景下尤为重要，因为数据量的增加对传输速度提出了更高的要求。5G使得更多设备之间能够进行更多交互，其中许多设备都可以应用边缘人工智能技术。
边缘人工智能的应用案例
边缘人工智能的应用案例几乎涵盖了所有在本地设备上进行数据处理比通过云平台更为高效的场景。一些常见的应用包括自动驾驶汽车、无人机、面部识别和数字助理。
自动驾驶汽车是边缘人工智能的典型应用之一。自动驾驶汽车需要不断扫描周围环境并评估行驶状况，以便根据突发事件及时调整行驶轨迹。在这种情况下，实时数据处理至关重要，车载的边缘人工智能系统负责数据的存储、处理和分析。因此，边缘人工智能技术是推动三级及四级（完全自主）车辆进入市场的关键。
无人机的需求与自动驾驶汽车非常相似，因为它们同样需要实时控制。如果无人机在飞行中失去控制或发生故障，可能会导致坠毁，危及公共安全。此外，无人机可能会超出互联网服务范围，因此它们必须具备边缘人工智能功能。边缘人工智能系统对于亚马逊PRiMeAIR等通过无人机交付包裹的服务来说是不可或缺的。
面部识别系统是边缘人工智能的另一个重要应用。这种系统依赖计算机视觉算法分析摄像头收集的数据，即便没有连接到云平台，面部识别应用程序在安全等任务中也需稳定运行。
数字助理，如Google Assistant、Alexa和Siri等，亦是边缘人工智能的常见应用。这些数字助理需要在智能手机和其他数字设备上运行，即使在没有连接公共互联网的情况下。在设备上处理数据后，无需将数据上传至云端，这有助于减少网络流量并确保用户隐私。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
