近年来，受益于算法、算力和数据集等方面的进步，深度学习技术得到了突飞猛进的发展，并在安防、电商、制造业、农业和智能家居等多个领域“大展拳脚”，极大地改善了人类生产生活的方式与效率。然而，对于深度学习技术而言，由于其需要进行大量的计算，因此目前基于深度学习的智能应用通常依赖于具有强大计算能力的云数据中心。考虑到当下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（AI）落地的“最后一公里”这一问题，目前已经引起了学术界与工业界的高度关注。
针对上述面临的一系列难题，“边缘智能”这一概念应运而生。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AI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A1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，因此，我们专门把在网络边缘侧支撑AI应用这一新场景称为边缘智能（Edge intelligence，也称Edge AI）“边缘智能”这一概念首次进入高德纳（Gartner）技术成熟度曲线，目前正处于迅猛发展的技术萌发（innovation trigger）阶段。
目前，各大T巨头企业均投入大量资源布局边缘智能这一新兴技术，并将这一技术在不同的场景落地实践。例如，百度与无人机制造商麦飞合作，利用农业无人机红外成像技术检测农作物病虫害，降低高达50%的农药使用量。微软开发实时视频分析技术对道路交通流量进行细粒度监测，实现智能交通管控（如自适应优化红绿灯时间），减少交通事故。在工业互联网领域，英特尔和阿里巴巴合作，将计算机视觉技术应用于零件铸造公司的质检线，在缩短质检周期的同时，将准确率从79%提升到了99%。此外，在智能零售领域，亚马逊、京东、阿里巴巴和腾讯都大力发展无人超市，实现“刷脸进门、感应结账、即买即走”的快速购物流程。此外，作为我国“突破卡脖子关键技术，实现核心技术自主创新”的关键进展，阿里巴巴“玄铁910”芯片和华为鸿蒙操作系统均面向未来智能万物互联的新场景。
虽然边缘智能在若干典型场景下取得了阶段性成功，然而值得注意的是，如何进一步优化边缘智能的成本和性能，从面将其推广至更多的应用场景并惠及更为广泛的行业和用户，仍是一个待解决的难题。这其中的根本挑战在于资源供需之间的严重失衡：边缘智能对算力资源有着巨大的需求，然而在边缘环境下，受限于物理尺寸和能源供给，设备资源通常非常有限。为了解决这一挑战，学术界不断地涌现出了一系列面向边缘智能的深度学习模型训练和推理优化技术，为边缘智能推广至更多的应用场景奠定了坚实的理论基础。
如果觉得《人工智能的新领域：边缘智能技术简介》对你有帮助，请点赞、收藏，并留下你的观点哦！
