人工智能和边缘计算

面对物联网大流量等场景，为了满足更广泛的连接更低时延更好的控制等需求，边缘计算网关正在向更全局化分布式节点组合的形式进阶，边缘计算成为其向边缘侧分布式扩展的新触角举例来说，物联网设备生成大量数据，上载到云进行处理，会给云带来很大压力，为了分担云上的压力，边缘计算节点负责范围内的数据计算与此同时，处理过的数据从边缘节点汇集到中心云，云计算做了大规模数据分析挖掘，数据共享，同时进行算法模型的训练与升级，将升级后的算法推送到边缘，使边缘设备得以更新与升级，从而实现自主学习闭环整体上对边缘AI的需求主要是高性能低成本和高灵活性它的技术发展趋势可以概括如下程序设计通用化可扩展性，相同的模式支持不同的场景

空前数量的数据，再加上最近人工智能AI的突破，使得使用深度学习技术成为可能边缘计算支持机器学习算法部署在网络的边缘把深度学习推向边缘计算的主要动机是允许快速访问边缘设备生成的大量实时数据，用于快速AI模型训练和推理，使设备类人员具有对实时事件的反应对设备进行分析，在设备上运行AI应用程序，对所收集的数据进行本地处理由于很多人工智能应用要求高计算能力，这远远超过了能源受限资源和边缘设备的能力所以，缺乏性能和能源效率是边缘计算人工智能的共同挑战多层边缘计算智能大多数边缘计算智能的概念都集中在推理阶段运行AI模型，假设AI模型的训练在云数据中心进行，这主要是因为训练阶段的资源消耗较大但是，边缘计算智