截至2020年，全球约有270亿台物联网设备。据Statista预测，到2025年，这一数字将增长到750亿。在物联网的帮助下，我们可以远程调用门锁、恒温器、冰箱、电视、视频门铃和安全摄像头。智能产品使用起来更简单，而且可以由其他家庭成员远程管理。
随着移动终端和物联网设备的高度普及，如何将深度学习模型高效地部署在资源受限的终端设备，从而使得智能更加贴近用户、解决人工智能落地的“最后一公里”问题，已经引起了业界的高度关注。
数据集中处理的弊端
智能设备无处不在，它们将提供关键物理数据，而通过在云中对这些数据进行处理、分析，能够得到改善我们生活和工作的关键指引。但如果所有数据都集中在云中存储和处理，则要面对以下难题。
- 更多的数据管理导致在有限的资源上花费更多的成本。
- 向云端发送数据会导致延迟，这会限制某些应用程序的有效性。
- 转换信息会带来隐私和安全风险，智能设备在家里或办公室收集的数据会显示大量信息，甚至包含个人隐私内容，给信息安全带来挑战。
边缘智能的优势
随着收集数据并将其转换到云端进行处理的物联网设备数量增加，边缘智能应运而生。基于边缘计算这一新型的计算模式，边缘智能在更加靠近用户和数据源头的网络边缘侧这一位置训练和部署深度学习模型，从而改善人工智能应用的性能、成本和隐私性。
作为云计算向网络边缘和终端用户的扩展，边缘计算将计算资源和服务从远离用户的云端下沉到网络边缘侧，从而有效降低网络延迟和带宽消耗，并加强隐私保护。相比于传统应用，物联网场景下的基于视频分析、图像和语音识别技术等新兴人工智能应用的计算和数据都更为密集，对延迟和隐私保护要求也更为严苛。基于此，边缘智能的应用越来越迫切，目前正处于迅猛发展的技术萌发阶段。
边缘智能的应用
- 更好的交互体验：人类的大部分交流不仅仅是通过语言来传递的。语调、面部表情、手势等是我们用来交流或理解对方的一些其他表现形式。在物联网设备中应用智能边缘技术，将使这些信号更高效地传达给用户并进一步形成更好的交互体验。
- 提升安全性：可以通过对智能家居进行培训，以识别危险信号，比如警报响起、人员突然摔倒、玻璃破裂或水龙头滴水。它可以感知有问题的情况并警告使用者，使他们能够做出相应的反应。
简而言之，边缘智能是让物联网设备实现更复杂、友好和安全应用的基础，应用边缘智能的物联网设备将为我们打开人机交互新局面。
