随着AI和机器学习(ML)的普及，为计算目的对大量数据进行算法处理的能力变得越来越重要。为了让数十亿连接设备之间的数据使用更高效、对应用更有价值，处理从集中式第三方云服务器迁移到设备上去中心化、本地化处理（通常称为边缘计算）的趋势越来越强烈。据SARInsight&Consulting最新AI/ML嵌入式芯片数据库显示，2019-2024年，全球具备边缘计算能力的AI设备数量将以64.2%的复合年增长率增长。无需网络的边缘数据计算EdgeAI采用尽可能接近物理系统的算法和处理数据——在这种情况下，在本地硬件设备上进行。优点是数据处理不需要连接。数据的计算发生在数据开发的网络边缘附近，而不是在集中式数据处理中心。在边缘处理能够和应该完成的任务之间确定正确的平衡将是设备、技术和组件供应商最重要的决策之一。拟议的边缘计算参考架构模型（图片来源：欧洲边缘计算联盟）考虑到生成深度学习预测模型的训练和推理引擎，边缘处理通常需要英特尔、高通、英伟达和谷歌等供应商的x86或Arm处理器。人工智能加速器；以及处理速度高达2.5GHz、10到14个内核的能力。时间敏感型应用程序的实时结果考虑到不断扩大的市场以及不断扩大的服务和应用程序对计算数据和功能的需求，有几个因素和好处推动了边缘计算的增长。由于对可靠、适应性和上下文信息的需求不断变化，大多数数据都在本地迁移到设备上处理，从而提高了性能和响应时间（小于毫秒）、更低的延迟、更高的能效、更高的安全性，因为数据保持在-设备，并且由于数据中心传输最小化而节省了成本。边缘计算的最大好处之一是它能够确保实时、时间敏感的结果。在许多情况下，可以直接收集、分析和传输传感器数据，而无需将数据发送到时间敏感的云中心。跨各种边缘设备的可扩展性有助于加快本地决策制定。提供即时可靠数据的能力可以建立信心，增加客户参与度，并在许多情况下挽救生命。想想所有行业——家庭安全、航空航天、汽车、智能城市、医疗保健——在这些行业中，即时诊断和解释设备性能至关重要。人工智能优势发展亚马逊、谷歌、苹果、宝马、大众、特斯拉、空中客车、弗劳恩霍夫、沃达丰、德国电信、爱立信和浩亭等创新企业现在正在拥抱和对冲他们的人工智能优势智能赌注。其中一些公司正在组建行业协会，例如欧洲边缘计算联盟(EECC)，以帮助教育和激励中小企业和大型企业推动边缘计算在制造业和其他工业市场中的采用。EECC倡议的目标包括为边缘计算指定参考架构模型、开发参考技术堆栈（EECC边缘节点）、通过在多个场景中评估方法来识别差距和推荐最佳实践，以及与相关倡议/标准化组织同步。从边缘往下看人工智能和机器学习的进步为创造能够感知周围环境的智能设备提供了大量机会。对智能机器的需求将受益于多感官数据的增长，这些数据可以以更高的精度和性能进行计算。边缘计算为几乎每个行业提供了将人工智能数据转化为实时价值的机会。SmartAdvantage是AI技术发展和成功的下一阶段。
