結合邊緣計算所面臨的挑戰(zhàn)和機會，本文從硬件架構、算法設計和算法部署三個方面展開邊緣計算的開發(fā)和應用。人工智能算法如何有效地運行在嵌入式智能終端(即邊緣計算)是近年研究的熱點，本文從嵌入式人工智能技術研究的意義以及所面臨的問題入手，并從硬件平臺、算法設計以及算法部署三個方面展開，闡述嵌入式人工智能技術開發(fā)的思路，最后通過一個應用實例說明此開發(fā)過程。

隨著“AIoT(人工智能物聯(lián)網(wǎng))=AI(人工智能)+IoT(物聯(lián)網(wǎng))”的發(fā)展，若把算法都部署在云平臺上進行，會給網(wǎng)絡通信帶來不小的壓力，并且會面臨數(shù)據(jù)傳輸?shù)难舆t性以及安全性等問題，因此并不是所有的智能終端都需要利用云平臺來運行，因此如何在智能終端上直接運行算法的邊緣計算應運而生。

邊緣計算相對于云平臺有如下優(yōu)勢：(1)實時性高，不需要傳輸數(shù)據(jù)從而減少反應延遲;(2)可靠性高，即使網(wǎng)絡斷開也能正常工作;(3)安全性高，避免隱私數(shù)據(jù)被上傳;(4)部署靈活，可在各種終端靈活部署;(5)更加節(jié)能，嵌入式系統(tǒng)低功耗特性以及減少了傳輸過程的能耗等;(6)網(wǎng)絡流量低，有效抑制了網(wǎng)絡擁塞;(7)類人化，人就是作為獨立的智能體生存在社會網(wǎng)絡中。

當然邊緣計算不是為了代替云計算，而是作為云計算的一個補充。

據(jù)IDC預測，到2020年將有超過500億的終端與設備聯(lián)網(wǎng)，而有50%的物聯(lián)網(wǎng)網(wǎng)絡將面臨網(wǎng)絡帶寬的限制，40%的數(shù)據(jù)需要在網(wǎng)絡邊緣分析、處理與儲存。邊緣計算市場規(guī)模將超萬億，成為與云計算平分秋色的新興市場 [1] 。因此吸引越來越多的公司加入到邊緣計算開發(fā)當中。

邊緣計算就是在嵌入式平臺上能有效地運行各種智能算法，從而使終端具有類似人一樣的智能。智能算法大致可以歸為三類：(1)認知環(huán)境，其中包括物體識別、目標檢測、語義分割和特征提取功能，涉及了模式識別、機器學習和深度學習等技術;(2)顯示場景，其中包括復原算法、三維點云展示和場景生成，涉及了最優(yōu)化、虛擬現(xiàn)實、深度學習GAN網(wǎng)絡等技術;(3)控制機構，其中包括智能控制，涉及了強化學習、神經(jīng)網(wǎng)絡控制等技術。但是邊緣計算環(huán)境下嵌入式平臺的運算能力弱，因此如何能有效的運行各種智能算法是一個很挑戰(zhàn)的問題。

隨著人們對人工智能越來越深入的研究，邊緣計算也有了一系列發(fā)展的機會：(1)目前通用的計算機體系硬件體系結構并不符合人腦的結構構成，所以計算效能還有很大的提升潛力，因此這為邊緣計算平臺提供了彎道超車的可能性;(2)當前的智能算法還有很大改進的空間，例如通過深度學習訓練出的特征往往優(yōu)于人們傳統(tǒng)認識的特征(例如邊緣和角點特征等)，因此這為邊緣計算在算法改進上提供了很大空間;(3)邊緣計算平臺即嵌入式系統(tǒng)往往是實現(xiàn)某種特定的應用，因此可以根據(jù)需求對算法進行各種簡化，并且可提出合適的部署方案。