截至2020年，全球物联网设备将达到约270亿台。据Statista称，到2025年，这个数字将增长到750亿。借助物联网，我们可以远程呼叫门锁、恒温器、冰箱、电视、视频门铃和安全摄像头。智能产品更易于使用，并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，如何在资源有限的终端设备上高效部署深度学习模型，让智能更贴近用户，解决人工智能落地的“最后一公里”问题，引起了广泛关注。业界高度关注。数据集中处理的弊端智能设备无处不在，它们会提供关键的物理数据，通过在云端对这些数据进行处理和分析，我们可以获得改善生活和工作的关键指南。但是，如果所有数据都在云端集中存储和处理，就会面临一些挑战。更多的数据管理会导致有限资源的成本增加。将数据发送到云会引入延迟，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。家庭或办公室智能设备采集的数据会展现大量信息，甚至包括个人隐私内容，对信息安全提出挑战。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的增加，边缘智能随之出现。边缘智能基于边缘计算的新计算模型，在更靠近用户和数据源的网络边缘训练和部署深度学习模型，从而提高人工智能应用的性能、成本和隐私性。边缘计算作为云计算向网络边缘和终端用户的延伸，将计算资源和服务从远离用户的云端下沉到网络边缘，从而有效降低网络延迟和带宽消耗，增强隐私保护.与传统应用相比，物联网场景下基于视频分析、图像和语音识别技术的新兴人工智能应用计算量和数据量更大，对时延和隐私保护的要求也更严格。基于此，边缘智能的应用越来越迫切，目前正处于快速发展的萌芽阶段。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通过语言来传递。语调、面部表情、手势等是我们用来交流或相互理解的其他一些表达方式。智能边缘技术在物联网设备中的应用，将使这些信号更高效地传递给用户，进一步形成更好的交互体验。提高安全性：可以训练智能家居识别危险信号，例如警报响起、突然跌倒、玻璃破碎或水龙头滴水。它可以感知有问题的情况并提醒用户，以便他们做出相应的响应。总之，边缘智能是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人机交互开辟新局面。
