截至2020年，全球約有270億臺物聯網設備。據Statista預測，到2025年，這一數字將增長到750億。在物聯網的幫助下，我們可以遠程調用門鎖、恒溫器、冰箱、電視、視頻門鈴和安全攝像頭。智能產品使用起來更簡單，而且可以由其他家庭成員遠程管理。

隨著移動終端和物聯網設備的高度普及，如何將深度學習模型高效地部署在資源受限的終端設備，從而使得智能更加貼近用戶、解決人工智能落地的“最后一公里”問題，已經引起了業界的高度關注。

數據集中處理的弊端

智能設備無處不在，它們將提供關鍵物理數據，而通過在云中對這些數據進行處理、分析，能夠得到改善我們生活和工作的關鍵指引。但如果所有數據都集中在云中存儲和處理，則要面對以下難題。

●更多的數據管理導致在有限的資源上花費更多的成本。

●向云端發送數據會導致延遲，這會限制某些應用程序的有效性。

●轉換信息會帶來隱私和安全風險，智能設備在家里或辦公室收集的數據會顯示大量信息，甚至包含個人隱私內容，給信息安全帶來挑戰。

邊緣智能的優勢

隨著收集數據并將其轉換到云端進行處理的物聯網設備數量增加，邊緣智能應運而生。基于邊緣計算這一新型的計算模式，邊緣智能在更加靠近用戶和數據源頭的網絡邊緣側這一位置訓練和部署深度學習模型，從而改善人工智能應用的性能、成本和隱私性。

作為云計算向網絡邊緣和終端用戶的擴展，邊緣計算將計算資源和服務從遠離用戶的云端下沉到網絡邊緣側，從而有效降低網絡延遲和帶寬消耗，并加強隱私保護。相比于傳統應用，物聯網場景下的基于視頻分析、圖像和語音識別技術等新興人工智能應用的計算和數據都更為密集，對延遲和隱私保護要求也更為嚴苛。基于此，邊緣智能的應用越來越迫切，目前正處于迅猛發展的技術萌發階段。

邊緣智能的應用

更好的交互體驗：人類的大部分交流不僅僅是通過語言來傳遞的。語調、面部表情、手勢等是我們用來交流或理解對方的一些其他表現形式。在物聯網設備中應用智能邊緣技術，將使這些信號更高效地傳達給用戶并進一步形成更好的交互體驗。

提升安全性：可以通過對智能家居進行培訓，以識別危險信號，比如警報響起、人員突然摔倒、玻璃破裂或水龍頭滴水。它可以感知有問題的情況并警告使用者，使他們能夠做出相應的反應。

簡而言之，邊緣智能是讓物聯網設備實現更復雜、友好和安全應用的基礎，應用邊緣智能的物聯網設備將為我們打開人機交互新局面。
責任編輯：YYX