- 综合排序
- 最热优先
- 最新优先
- 来自专栏信息化运维
混合、边缘与AI
云计算实施专家Amido的CTO Simon Evans看到各个领域的CIO都应用或计划使用边缘计算：“边缘与位置有关——你把东西放在哪里，使它们与云计算互补。”他认为，联网设备为企业增加了机会。 Evans认为边缘的应用得益于企业认为战略应聚焦于“云优先”，因此Amido也发现企业内部的云原生工具数量的增加。 边缘计算的兴起将提高组织收集数据的能力。 展望未来 Evans认为，云计算的应用将使“人工智能(AI)和机器学习(ML)获得动力”。 尽管围绕于这项技术的是不断的媒体报道、争论和炒作，但Evans表示，这项技术和边缘计算一样，正在成为CIO的战略实际。 那些需要理解结构与非结构化数据以帮助自身进行决策和分析的公司正在使用云供应商提供的嵌入式AI和ML来获得相应能力。 他预测，“2019年，这一趋势将继续扩大，主流企业会将AI纳入其数字战略中。”
66400发布于 2019-11-16 - 来自专栏数据派THU
原创 | 一文了解边缘计算和边缘AI
这个9月，AI芯片独角兽地平线发布了自诩最强边缘 AI 芯片地平线「旭日3」，一时间引起轰动。 事实上，当前边缘AI芯片已不再是个小众领域，除地平线以外，包括谷歌、英伟达、英特尔、高通、华为、寒武纪均于近两年推出边缘AI芯片，AI芯片的战火已经由云端蔓延到了边缘。 边缘 AI 芯片组市场将超过云AI芯片组市场。 预期在未来五年，AI训练与推论会在网关或是各种边缘装置进行，甚至往下到传感器节点。那么，边缘AI到底是什么，靠什么能解决这些行业痛点呢？ 三、边缘AI的使用场景 边缘AI因其流量占有少、时延低、隐私性强等特征，在各行各业具有广泛的应用前景。 智能手机 这或许是我们最熟悉的边缘AI设备。
2.4K51发布于 2020-10-26 边缘AI硬件优化策略解析
这些流畅交互的核心是边缘AI——直接运行于智能手机、可穿戴设备和物联网设备上的AI技术，提供即时直观的响应。什么是边缘AI？ 边缘AI指将AI算法直接部署在网络"边缘"的设备上，而非依赖集中式云数据中心。该方法利用边缘设备（如笔记本电脑、智能手机、智能手表和家用电器）的处理能力进行本地决策。 基于云的AI模型可依赖具有强大算力的外部服务器，而边缘设备只能利用现有资源。这种向边缘处理的转变从根本上改变了AI模型的开发、优化和部署方式。 幕后工作：为边缘优化AI能在边缘设备上高效运行的AI模型需大幅缩减体积和计算量，同时保持可靠结果。该过程通常称为模型压缩，涉及神经架构搜索（NAS）、迁移学习、剪枝和量化等先进算法。 每年都在架构、制造和集成方面取得进展，确保硬件与AI趋势保持同步。边缘AI的发展之路边缘AI模型部署因生态系统的碎片化而更加复杂。由于许多应用需要定制模型和特定硬件，缺乏标准化。
24700编辑于 2025-09-15- 来自专栏燧机科技-视频AI智能分析
视频ai智能分析边缘计算盒
视频ai智能分析边缘计算盒可以配备为在施工工地现场监测到违规事件时开启即时警报，并伴随時间的变化收集数据，将其展示为历史时间数据图表、图型或热点图。 视频ai智能分析边缘计算盒与传统的的视频监管方式对比，传统式的视频监管方式 通常必须手动式分析很多的视频流，视频ai智能分析边缘计算盒可以协助工作员在必须付诸行动时过虑有关事情并发送报警。 视频ai智能分析边缘计算盒还能够与人脸识别技术和身体鉴别技术相结合。 视频ai智能分析边缘计算盒接入前端第三方监控摄像头视频流数据开展分析，视频ai智能分析边缘计算盒会将分析出来的结果向三方平台推送预警信息照片、视频和警报统计数据，完成各种各样连接。
1.8K20编辑于 2022-09-12 - 来自专栏VoiceVista语音智能
AI on the Edge - 苹果手收购边缘处理AI公司Xnor
苹果以2000万美元收购边缘侧人工智能创业公司Xnor.ai。Xnor.ai专注于非云端的边缘侧低功耗机器学习技术(low-power machine learning)。 Xnor的物体识别(recognition AI)与其低功耗技术相结合，对于苹果非常有价值，比如在iPhone上更快的人脸识别速度，或者是在智能家居产品，由于无需连接至云端，从而可以更好地保护用户的隐私 Xnor尽管目前并不支持语音人工智能，但其底层的边缘处理是一致的，特别是在效率和隐私保护层面(efficiency and privacy)。 Sensory近日发布的脱离云端的可定制语音助手，与Picovoice平台均是边缘侧人工智能的应用案例。 又比如Knowles推出的首个边缘侧Amazon-approved Alexa headset development kit，以及Aspinity推出的边缘侧语音人工智能模拟电路系统。
62510发布于 2020-02-19 - 来自专栏云云众生s
边缘 AI：如何利用 Kubernetes 实现魔力
但是对于实际的关键业务推理工作，零售助手和其他 AI 工作负载可能不应该存在于云中。它们需要存在于边缘。事实上，我们认为大多数 AI 工作负载的自然家园将是网络边缘运行。 为什么？ ...并且 AI 放大了边缘的挑战 在边缘环境中添加 AI 引入了更多层次的复杂性。 在深入功能列表之前，EdgeAI 使您能够： 大规模将边缘 AI 堆栈部署和管理到边缘位置，从易于使用的硬件载入选项到包含您选择的AI引擎的可重复“蓝图”。 您的行业也有边缘 AI 使用案例。 但是只有当您能够解决边缘的挑战时，AI 的益处才会握在您手中。
35610编辑于 2024-03-28 边缘AI与端云协同架构
边缘AI与端云协同架构概述 边缘AI将人工智能模型部署在边缘设备（如手机、传感器、嵌入式设备）上，实现本地实时处理；端云协同通过边缘与云计算的协作，平衡计算负载、隐私与延迟。 案例分析 案例1：智能家居安防系统 架构设计： 边缘端：摄像头运行轻量级YOLOv5模型，实时检测入侵者，触发本地警报。 云端：上传可疑图像至云端进行高精度分析（如ResNet），并通知用户。 技术要点： 边缘设备使用TensorFlow Lite或PyTorch Mobile部署模型。 通过MQTT协议实现边缘与云通信。 案例2：工业设备预测性维护 架构设计： 边缘端：传感器采集设备振动数据，运行LSTM模型预测故障。 云端：聚合多设备数据，训练全局模型并下发更新至边缘。 技术要点： 边缘计算减少数据传输延迟。 动态卸载：根据网络条件决定计算在边缘或云端执行。 安全协议：采用TLS加密边缘-云通信。 通过案例与代码可见，边缘AI与端云协同能显著提升响应速度并降低带宽消耗，但需权衡模型精度与资源限制。
37010编辑于 2026-01-20FPGA，实施边缘 AI 的理想选择
将采用人工智能 (AI) 和机器学习 (ML) 算法的计算能力及具有 AI 功能的设备安排在边缘，可以在提升数据处理量的同时生成更多数据，从而实现更复杂的 AI 用例，进而获得更多可行洞察。 企业实施 AI 需要满足哪些要求？ 在整个企业内广泛实施 AI 时，务必要确保边缘设备、边缘基础设施和云三大基础设施要素均具备处理 AI 工作负载的足够性能。 实施 AI 的具体要求包括： - 高性能：AI 工作负载往往计算密集度较高，在进行 AI 训练或推理的地方，必须具备强大的计算性能； - 低时延：将 AI 工作负载转移到边缘位置（即使只是将部分 面向 Altera FPGA 和 SoC 的边缘就绪型 AI 工具套件 分布式 AI/机器学习边缘解决方案往往十分复杂，开发难度非常高。 边缘 AI 用例 许多数据中心以外的终端市场都很适合采用 FPGA 来实现应用和 AI 计算功能所需的逻辑，从而支持在本地处理数据。
10310编辑于 2026-03-23- 来自专栏GPUS开发者
如何选择一款边缘AI设备？
边缘计算可以为 IoT 网络增加极大的灵活性、速度和智能性，但重要的是要了解边缘 AI 设备并不是应对智能网络应用程序面临的所有挑战的灵丹妙药。 在本文的结尾，在确定边缘技术是否适合您的应用程序后，我们将讨论买家在评估边缘 AI 设备时应寻找的主要功能和注意事项。 什么是边缘计算？ 评估边缘人工智能选择能够执行边缘处理的平台（可能包括运行 AI 算法或 ML 推理引擎）需要仔细评估。简单的传感器和执行器，即使是物联网的一部分，也可以使用相对适中的集成设备来实现。 边缘计算的优势 02 现在在技术上可以将 AI 和 ML 应用到边缘设备和智能节点中，从而带来重大机遇。这意味着不仅处理引擎更接近数据源，而且该引擎可以用它收集的数据做更多的事情。 边缘处理可以克服这一点。通过在边缘处理数据，不需要离开设备。数据隐私在便携式消费设备中越来越重要；手机上的面部识别使用本地 AI 处理相机图像，因此数据永远不会离开设备。
77030发布于 2021-09-22 - 来自专栏后端
智简模型，边缘智能：AI 轻量化与边缘计算的最佳实践
摘要边缘计算与 AI 模型的结合，能够在资源受限的环境中提供实时智能服务。通过模型轻量化技术（如量化、剪枝和知识蒸馏），我们可以显著减少 AI 模型在边缘设备上的计算需求，提升运行效率。 本篇文章将介绍 AI 模型轻量化的基本方法，并展示一个将轻量化模型部署到边缘设备的案例。引言近年来，边缘计算的应用场景逐渐增多，例如智能家居、无人机、物联网设备等。 然而，传统 AI 模型通常体积庞大，计算复杂，难以在计算资源有限的边缘设备上运行。模型轻量化技术正是为了解决这一问题，使得 AI 算法能够高效运行于边缘设备之上。 总结通过模型量化、剪枝和知识蒸馏等技术，可以在性能和效率之间找到平衡，使得 AI 模型能够运行在边缘设备上，为更多场景带来智能化支持。 未来边缘计算硬件的持续进步和模型轻量化技术的优化，将进一步推动 AI 技术的普及。更多复杂算法将得以部署于资源受限的设备中。
1.6K12编辑于 2024-12-08 - 来自专栏深度学习自然语言处理
薪资不逊 NLP 算法岗，边缘 AI 火了！
为了全面系统的培养高性能神经网络人才，贪心学院重磅推出《高性能神经网络与AI芯片应用研修课程》，为想进入边缘AI行业的同学们提供一个可以大幅提升自身就业竞争力的选择。 感兴趣的请添加咨询顾问 对申请人的要求： 1 统招一本以上学历； 2 算法在职工程师或想要在边缘计算行业求职的同学； 3 计划未来6-12个月内挑战高薪边缘AI算法岗位； 01 适合人群 大学生 • 编程及深度学习基础良好，为了想进入边缘AI行业发展 在职人士 • 想进入边缘AI行业的算法或IT工程师 • 想通过掌握硬件技术，拓宽未来职业路径的AI算法工程师 入学基础要求 • 掌握python、C 02 你将收获 • 掌握最前沿的边缘AI算法技术，顺利敲开边缘AI行业求职大门； • 掌握神经网络高性能实现的算法及工具； • 掌握通用芯片及专用AI芯片架构及网络加速技术； • 掌握通用芯片及专用AI 芯片神经网络部署应用的实际案例； • 短期内对边缘AI技术有全面深入认知，大大节省学习时间； • 进入边缘AI算法圈子，认识一群拥有同样兴趣的人。
68240编辑于 2022-03-16 - 来自专栏机器学习AI算法工程
薪资不逊NLP算法岗，边缘AI火了！
为了全面系统的培养高性能神经网络人才，贪心学院重磅推出《高性能神经网络与AI芯片应用研修课程》，为想进入边缘AI行业的同学们提供一个可以大幅提升自身就业竞争力的选择。 感兴趣的请添加咨询顾问 对申请人的要求： 1 统招一本以上学历； 2 算法在职工程师或想要在边缘计算行业求职的同学； 3 计划未来6-12个月内挑战高薪边缘AI算法岗位； 01 适合人群 大学生 • 编程及深度学习基础良好，为了想进入边缘AI行业发展 在职人士 • 想进入边缘AI行业的算法或IT工程师 • 想通过掌握硬件技术，拓宽未来职业路径的AI算法工程师 入学基础要求 • 掌握python、C 02 你将收获 • 掌握最前沿的边缘AI算法技术，顺利敲开边缘AI行业求职大门； • 掌握神经网络高性能实现的算法及工具； • 掌握通用芯片及专用AI芯片架构及网络加速技术； • 掌握通用芯片及专用AI 芯片神经网络部署应用的实际案例； • 短期内对边缘AI技术有全面深入认知，大大节省学习时间； • 进入边缘AI算法圈子，认识一群拥有同样兴趣的人。
86940编辑于 2022-03-15 - 来自专栏CloudBest
边缘设备技术市场上可用的TOP边缘AI解决方案
由于边缘计算和人工智能的结合，边缘人工智能(Edge AI)正在成为当前科技市场的关键技术之一。Edge AI 通过多个边缘设备的潜在应用是无限的。 人工智能算法可以有效地利用这些边缘设备生成的足够的实时数据。因此，多种边缘 AI 解决方案以及应用因智能手表、智能扬声器、无人机、机器人等不同产品而异。 接下来，让我们探讨一些技术市场上适用于不同边缘设备的顶级边缘 AI 解决方案。 技术市场上可用的顶级人工智能解决方案 无人机：无人机是当前技术市场中新兴的顶级边缘人工智能解决方案之一。 Edge AI 帮助无人机实现多个目标——实时跟踪、预测性维护、标识检测等。 交通监控：Edge AI 结合边缘计算和人工智能，通过智能交通监控提供智能交通管理。 自动光学检测 (AOI)：自动光学检测是技术市场上流行的边缘 AI 解决方案之一，已开始取代传统的手动流程。AOI系统通过边缘计算和人工智能的集成，依赖于视觉系统和智能相机。
71920编辑于 2022-02-10 - 来自专栏云社区活动
AI不在“云端飘”：我在边缘跑AI的那些事儿
AI不在“云端飘”：我在边缘跑AI的那些事儿✍️ 作者：Echo_Wish｜边缘智算布道师，一线实战经验分享官在 AI 到处开花、模型越来越“大”的今天，不少人还沉浸在“云中心”算力带来的极致爽感中。 但我想说：AI，真的不用非得上云。尤其当我开始研究和实践边缘计算那一刻起，我意识到：让AI“落地”，边缘才是最坚实的土壤。 今天我就跟你唠唠，AI如何在边缘设备上扎根生长，讲点干货、分享实战，咱不整那些玄而又玄的理论，咱搞“真·接地气”的AI边缘协同。一、为啥 AI 要“下凡”去边缘？先说说背景。什么是边缘计算？ 四、边缘AI还可以做什么？ 六、我的总结：AI终将“下沉”，边缘才是落地的起点我常说一句话：AI真正的未来，不在云端的庙堂，而在边缘的田野里。边缘AI代表的是算力民主化，是决策“当场做”的可能性。
48510编辑于 2025-04-05 海洋科考船上的AI与边缘计算
某大学的一个海洋研究团队正将AI驱动的分类模型直接部署在研究船上，以应对气候变化对海洋生态系统影响的挑战。这一过程中，计算需求极其巨大。 在SC25大会上，Sullivan与某机构技术营销工程总监Seamus Jones讨论了边缘AI、高可靠性硬件以及学术与产业界的合作，正如何重新定义我们对地球最重要生态系统的研究方式。 利用边缘AI重新构想海洋科学Sullivan介绍，从公海上的自适应采样到校园内的AI辅助评估，驱动企业创新的同一套AI工厂现在正在重塑科学发现。 我们必须在边缘侧进行数据处理至关重要，因为船只在海洋中运行10天就要花费100万美元。如果我把设备投入海洋，回来时却没有带回任何数据，那将是一场灾难。
5010编辑于 2026-02-20- 来自专栏AI科技评论
边缘AI研发落地生态挑战调研报告
在落地过程中，我们发现，在连接海量边缘节点的边缘云时代，随着AI服务与边缘用户的距离缩短，通用AI原本部分挑战在边缘场景下变得更加尖锐。 因此除了技术挑战外，实验室一直密切关注边缘AI的生态挑战*。为了让更多边缘AI领域的朋友多快好省地完成技术研发落地和商业闭环，实验室启动了边缘AI研发落地生态挑战调研。 2.边缘AI算法开发者 本问卷中，边缘AI算法开发者是指研发联邦学习、协同推理乃至深度学习调度等边缘AI典型算法的角色。有80.46%调研对象填写了边缘AI算法开发者相关问卷调研选项。 3.边缘AI服务开发者 本问卷中，边缘AI服务开发者是指，在给定算法基础上开发工业、Re-ID、能源、机器人等边缘AI服务的角色。有74.90%的调研对象填写了边缘AI服务开发者相关问卷调研选项。 4.边缘AI技术布道者 本问卷中，边缘AI技术布道者是指开展边缘AI技术演讲布道，推广甚至销售现有边缘AI技术与服务的角色。有69.94%调研对象填写了边缘AI技术布道者相关问卷调研选项。
59220编辑于 2021-12-22 - 来自专栏SDNLAB
“AI加持边缘接入网络” 时代来临
人工智能AI时代的来临 人工智能AI现在在很多领域已经演变为一种驱动力，其本质是降低事情的技术门槛，通过AI去替代人工甚至去超越人工所不能完成的内容，降低人工操作的复杂度，增加事件的可视化，增加服务体验的人性化 说了这么多，接下来我们来看看AI是如何介入和驱动边缘接入网络的。抱着务实的态度，我们还是以当下最为广泛使用的无线接入网络来举例说明。 AI 能自动给出优化方案，例如增加AP来解决覆盖不足的问题。 ? AI加持之后网络原来还可以这么维护、用户体验还可以自动优化去保障，之前觉得很神奇的事情，现在通过AI赋能之后都可以逐步落地。这里还只是无线接入这一块，其他接入方式正在路上。 欢迎对边缘接入AI有兴趣和想法的小伙伴来交流和沟通，也欢迎对无线有痛点或有更多期望的用户来体验和探讨。本人邮件联系方式：simon4mao@qq.com／simonmao@juniper.net 。
88640发布于 2019-05-22 - 来自专栏Python项目实战
智能就在身边：AI如何优化边缘计算
于是“边缘计算”就火了起来。今天我们就聊聊：AI 是怎么在边缘计算中发挥作用的，尤其是在智能优化上。一、边缘计算的“痛点”先简单捋一下。 任务调度复杂（要在边缘和云之间平衡）。所以问题来了：如何让有限的边缘算力用得更值？ ——答案就是 AI 的智能优化。 二、AI + 边缘计算：优化的三个方向任务调度优化AI 可以预测哪个任务该留在边缘处理，哪个应该丢到云端。比如：监控视频中的人脸识别，先在边缘做“粗筛选”，只把疑似异常的画面传上云端。 “AI 边缘调度”逻辑。 七、未来趋势最后总结一下，AI 优化边缘计算的未来趋势：轻量化模型普及：模型越来越小，边缘设备能跑的 AI 越来越多。自适应调度：AI 不只是分配任务，还能预测任务的变化，做到“提前准备”。
49310编辑于 2025-09-13 - 来自专栏大龄程序员的人工智能之路
边缘AI烽烟再起之三国逐鹿
边缘AI（Edge AI）的术语来自边缘计算，这意味着计算发生在靠近数据源的位置。 题图 来自pixabay 边缘AI（Edge AI）依然是新兴领域，许多人不清楚该为他们的项目选择哪些硬件平台。本文将比较一些当前领先的边缘AI平台。 大约3年前，谷歌宣布他们设计了Tensor Processing Unit（TPU）来加速数据中心的深度学习推理速度，这引发了成熟的科技公司和初创公司为数据中心和边缘推出专用AI芯片的热潮。 我们今天要讲的是边缘AI的平台。那么，边缘AI究竟是什么？边缘AI的术语来自边缘计算，这意味着计算发生在靠近数据源的位置。在当前的AI世界中，它意味着计算不发生在数据中心或大型计算机中。 随着像Alexa这样基于语音的智能系统的兴起，边缘AI芯片在语音方面还存在巨大发展空间。
97910发布于 2019-08-23 - 来自专栏Dance with GenAI
人人都能看懂的边缘AI科普
边缘智能就是解决这个问题的。它允许你的设备在靠近你的地方（也就是网络的“边缘”）进行智能处理，这样就能快速、安全地处理数据。 随着深度学习的发展，AI应用和服务迅速增长，如个人助理、推荐系统和监控。 移动计算和物联网（IoT）设备数量激增，产生大量数据，需要在网络边缘进行智能处理。边缘计算将计算任务从网络中心推向边缘，与AI结合形成边缘智能，以充分利用边缘大数据的潜力。 在边缘设备上进行深度学习模型的推理，有四种主要的架构模式：基于边缘、基于设备、边缘-设备和边缘-云端。 几个重要的指标，比如延迟、准确性、能量消耗、隐私保护和通信开销。 未来，我们需要更好的编程平台和软件工具来支持边缘智能服务。 我们需要设计更加高效的AI模型，使其能够在资源有限的环境中运行。 网络技术需要更加智能，以便更好地支持分布式AI应用。 我们需要找到最佳的模型性能指标权衡，以提高AI应用的效率和准确性。 服务和资源的管理需要更加智能化，以适应动态变化的需求。 安全和隐私是边缘智能应用中的重要问题，我们需要找到更好的解决方案。
57210编辑于 2024-09-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号