隨著人工智能和機(jī)器學(xué)習(xí)（ML）的采用率上升，以算法形式處理大量數(shù)據(jù)以實(shí)現(xiàn)計(jì)算目的的能力變得越來(lái)越重要。為了讓數(shù)十億連接設(shè)備之間的數(shù)據(jù)應(yīng)用程序的使用變得更高效、更有價(jià)值，將處理從集中的第三方云服務(wù)器遷移到分散的、本地化的設(shè)備上處理（通常稱為邊緣計(jì)算）的趨勢(shì)越來(lái)越強(qiáng)。根據(jù)SARInsight&Consulting的最新AI/ML嵌入式芯片數(shù)據(jù)庫(kù)，在2019-2024年期間，全球擁有邊緣計(jì)算能力的AI設(shè)備的數(shù)量將以64.2%的年復(fù)合增長(zhǎng)率增長(zhǎng)。

邊緣數(shù)據(jù)計(jì)算，不需要網(wǎng)絡(luò)。EdgeAI采用算法并盡可能接近物理系統(tǒng)處理數(shù)據(jù)-在這種情況下，是在硬件設(shè)備上本地進(jìn)行的。優(yōu)點(diǎn)是數(shù)據(jù)處理不需要連接。數(shù)據(jù)的計(jì)算發(fā)生在開(kāi)發(fā)數(shù)據(jù)的網(wǎng)絡(luò)邊緣附近，而不是在集中式數(shù)據(jù)處理中心。對(duì)于設(shè)備、技術(shù)和組件供應(yīng)商來(lái)說(shuō)，在邊緣處理能夠和應(yīng)該完成的處理之間確定適當(dāng)?shù)钠胶鈱⒊蔀樽钪匾臎Q策之一。

考慮到產(chǎn)生深度學(xué)習(xí)預(yù)測(cè)模型的訓(xùn)練和推理引擎，邊緣處理通常需要Intel、高通、Nvidia和Google等供應(yīng)商提供的x86或Arm處理器，AI加速器;以及處理高達(dá)2.5GHz、10到14核速度的能力。

時(shí)間敏感型應(yīng)用程序的實(shí)時(shí)結(jié)果?？紤]到不斷擴(kuò)大的市場(chǎng)以及對(duì)計(jì)算數(shù)據(jù)和能力的不斷擴(kuò)大的服務(wù)和應(yīng)用需求，有幾個(gè)因素和好處推動(dòng)了邊緣計(jì)算的增長(zhǎng)。

由于對(duì)可靠、適應(yīng)性強(qiáng)和上下文信息的需求的不斷變化，大部分?jǐn)?shù)據(jù)都在本地遷移到設(shè)備上處理，從而提高了性能和響應(yīng)時(shí)間（不到幾毫秒）、更低的延遲、更高的電源效率。因?yàn)閿?shù)據(jù)保留在設(shè)備上，所以提高了安全性，并且由于數(shù)據(jù)中心傳輸被最小化而節(jié)省了成本。

邊緣計(jì)算的最大好處之一就是能夠確保對(duì)時(shí)間敏感的實(shí)時(shí)結(jié)果。在許多情況下，可以直接收集、分析和通信傳感器數(shù)據(jù)，而不必將數(shù)據(jù)發(fā)送到時(shí)間敏感的云中心?？绺鞣N邊緣設(shè)備的可伸縮性有助于加快本地決策的速度。提供即時(shí)可靠數(shù)據(jù)的能力可建立信心，增加客戶參與度，并在許多情況下可挽救生命。