什么是边缘人工智能？

边缘人工智能（有时称为“边缘AI”）指的是在本地设备（传感器、摄像头、智能手机、工业网关等）上运行人工智能和机器学习模型，而非在远程数据中心。换句话说，网络的“边缘”——数据产生的地方——负责计算。这使设备能够在数据采集时立即进行分析，而不必不断将原始数据发送到云端。

边缘人工智能实现了无需依赖中央服务器的实时本地处理。例如，配备边缘AI的摄像头可以即时检测和分类物体，提供即时反馈。通过本地处理数据，边缘AI即使在网络连接不稳定或断开时也能正常工作。

— IBM研究

总之，边缘人工智能将计算更靠近数据源——在设备或附近节点部署智能，加快响应速度，减少向云端传输的需求。

边缘AI与云端AI：主要区别

与传统的云端AI（将所有数据发送到集中服务器）不同，边缘AI将计算分布在现场硬件上。下图展示了一个简单的边缘计算模型：终端设备（底层）将数据传输给边缘服务器或网关（中间层），而非仅发送到远端云端（顶层）。

边缘AI与云端AI架构对比

在此架构中，AI推理可在设备或本地边缘节点完成，大幅减少通信延迟。

边缘AI的优势

边缘AI为用户和组织带来多项实际优势：

边缘AI实施的主要优势

边缘AI将高性能计算能力带到边缘，实现实时分析和效率提升。

— 红帽与IBM联合报告

边缘AI的挑战

尽管优势明显，边缘AI仍面临诸多挑战：

边缘AI实施的主要挑战

边缘AI的应用场景

边缘AI已在多个行业得到应用，产生实际影响：

边缘AI在各行业的实际应用

支撑技术与趋势

边缘AI的发展得益于硬件和软件的进步：

推动边缘AI发展的关键技术

这些技术持续推动边缘AI的能力边界，共同助力实现“AI推理时代”——将智能更靠近用户和传感器。

结论

边缘AI通过将计算移至数据源，正在改变我们使用人工智能的方式。它补充云端AI，在本地设备上实现更快、更高效、更私密的分析。

这种方式解决了云中心架构固有的实时性和带宽挑战。实际上，边缘AI驱动了从智能传感器和工厂到无人机和自动驾驶汽车的多种现代技术，实现了现场智能。

随着物联网设备的普及和网络的提升，边缘AI将持续增长。硬件（高性能微芯片、TinyML）和技术（联邦学习、模型优化）的进步使得AI无处不在变得更容易。