目前大部分方式是通過云端聯網和數據中心來進行大規模計算，從而實現人工智能，比如整個城市的智能交通。云端具備連結多方大數據，擁有超強計算力的優勢，在人工智能的發展中占據著不可替代的作用。但是真正要讓人工智能走進生活，成為我們身邊看得見摸得著的智能，就需要將AI從云端拉向終端。

云計算這一術語已經在大多數消費者的消費理念中占據了一席之地，邊緣計算可以看做是無處不在的云計算和物聯網（IoT）的延伸概念。我們可以將邊緣計算看作是遠離核心的移動計算。從根本上來講，邊緣計算是智能和計算從云網絡中的集中式數據服務器到網絡邊緣硬件的移動，傳感器不是在某個位置收集數據，然后將數據發送回中央服務器進行處理，而是在本地可用的硬件上對數據進行處理，只把處理結果發送到云端，以便確保信息的即時可用性并進行操作，而不需要進一步對數據加以處理。

將計算遷移到邊緣具備以下幾個優勢，能夠促進更理想的計算：

• 能夠近乎實時地處理數據

• 處理的數據可以從各個邊緣節點并行收集

• 消除了在帶寬有限的網絡上發送原始數據的負擔

• 消除計算量大的原始數據對數據中心的壓力

• 降低云網絡從數據中獲得信息的依賴性

• 可以幫助管理在本地處理而不是共享的敏感數據

e-AI (嵌入式人工智能) 就是在人工智能領域出現的、需要在本地終端進行計算的應用場景。相比云端智能，嵌入式人工智能要做的，是能夠在本地進行實時環境感知、人機交互與決策控制。由此，一場由邊緣向中心進發的革命正在醞釀、爆發，這正式邊緣計算火熱的根源。

瑞薩電子的e-AI技術是在本公司生產的MCU或MPU上生成AI算法，運用算法在嵌入式設備上進行操控，從而使嵌入式設備進行AI操控。然而，我們需要讓人工智能持續學習。很多人認為，在機器學習和算法生成時，現有價格低廉的MCU和MPU存在運算速度緩慢和內存小的缺陷，因而無法立即實現。然而，瑞薩電子的e-AI技術可以通過以下兩步攻克這一難題：

(1) 算法在后臺生成，而在MCU和MPU中保持下載更新最新算法;

(2) 在MCU或MPU上加載一個特別運算電路，通過這個運算電路進行高速、低功耗的AI判別。由此，瑞薩電子可在嵌入式設備中支持AI運行。