一、從人工智能到邊緣人工智能

　　為此，邊緣智能問世了。邊緣智能是指終端智能。它是一個集成網絡、計算、存儲和應用程序核心功能的開放平臺，并提供邊緣智能服務，可滿足敏捷連接、實時業務、數據優化、應用程序智能、安全性和隱私保護等方面的關鍵要求。在邊緣設備上部署智能可以使智能更接近用戶，并可以更快更好地為用戶提供智能服務。

　　隨著網絡技術的發展和移動設備的普及，邊緣智能技術自提出以來就引起了國內外政府，學術界和行業的極大關注。但是，邊緣智能仍處于開發的早期階段，并且面臨著巨大的挑戰。

　　二、邊緣人工智能與物聯網

　　邊緣人工智能可以與其他數字技術相結合，例如5G和物聯網(IoT)。物聯網為邊緣人工智能系統生成數據供使用，而5G技術對于邊緣人工智能和物聯網的持續發展至關重要。

　　物聯網是指通過公共互聯網相互連接的各種智能設備。所有這些設備都生成數據，可以將其輸入到邊緣人工智能設備中，并且這些設備還可以用作數據的臨時存儲單元。數據處理方法具有更大的靈活性。

　　5G技術對于邊緣人工智能和物聯網的發展至關重要。 5G可以以高達20Gbps的更高速度傳輸數據，而4G只能以1Gbps的速度傳輸數據。 5G還比4G支持更多的并發連接和更短的延遲。與4G相比，這些優勢非常重要，因為隨著物聯網的發展，數據量也會增加，傳輸速度也會受到影響。 5G可以在更多設備之間進行更多交互，其中許多設備可以使用邊緣人工智能技術。

　　三、邊緣人工智能的發展存在哪些阻礙

　　(一)精確性與實時性

　　邊緣智能的延遲包括計算延遲和通信延遲。前者取決于邊緣節點的容量和計算模型的規模，而后者則受傳輸的數據量和網絡帶寬的影響。 由于深度學習的發展，當前的智能模型大多使用深度神經網絡算法。 大型神經網絡模型提高了計算結果的準確性，同時也增加了邊緣節點的計算時間。如何確保計算結果的準確性滿足邊緣智能計算的實時性要求是邊緣智能研究的重要挑戰。

　　(二)精確性與能量消耗

　　當以分散的方式訓練智能模型時，計算和通信過程都消耗大量能量。但是對于大多數終端設備而言，它們都是能量受限的。 能源效率主要受目標訓練模型的大小和邊緣設備資源的大小影響。 一般而言，計算結果的準確性越高，模型規模越大，邊緣節點消耗的能量就越大。邊緣智能的一個重要挑戰是如何在計算模型的準確性與邊緣節點的能耗之間取得平衡。

　　(三)服務質量與隱私保護

　　在用戶數據安全方面，由于邊緣節點靠近生成數據的用戶終端設備，因此使用邊緣節點存儲數據可以在一定程度上避免數據泄漏，達到保護用戶隱私的目的。但是，作為數據驅動算法的人工智能算法通常需要大量數據來支持其實現。 數據不足使智能算法無法執行完美的訓練，降低了算法的準確性，并最終影響了服務質量。 因此，迫切需要研究在不影響服務質量的情況下如何在邊緣智能場景中保護數據隱私和安全。