边缘智能激发人工智能许多潜力

在边缘进行数据计算，不需要网络

Edge AI将算法和处理数据尽可能地接近物理系统，在这种情况下，本地需在硬件设备上进行处理。其优点是数据处理不需要连接。数据的计算发生在网络的“边缘”，也就是数据被开发的地方，而不是集中数据处理中心。对于设备、技术和组件提供商来说，在边缘处理的能力和应该能力之间取得适当的平衡将成为最重要的决策之一。

在生产深度学习预测模型的训练和推理引擎中，边缘处理通常需要来自Intel、Qualcomm、Nvidia和谷歌等供应商的x86或Arm处理器，以及一个AI加速器，并且能够处理10-14个核心高达2.5 GHz的速度。

为时间敏感的应用程序提供实时结果

随着市场的扩大，计算数据和计算能力的服务和应用需求也在不断扩大，这会对推动边缘计算发展起到积极作用。由于可靠、可适应性强的情境资讯的需求不断变化, 大多数数据都迁移到本地的设备上处理，从而获得更快的性能和响应时间(少于几毫秒)、更低的延迟、更低的电源效率。此外，通过在设备上保留数据提高了安全性，以及通过最小化数据中心传输而节省了成本。

边缘计算的最大好处之一是能够为时间敏感的需求确保实时结果。在许多情况下，传感器数据可以直接收集、分析和交流，而无需将数据发送到时间敏感的云中心。

关键是，跨各种边缘设备的可伸缩性能够帮助加速本地决策。为提供即时和可靠数据的能力建立了基础，也提高了客户参与度，在许多情况下，还挽救了生命。想想家庭安全、航空航天、汽车、智能城市、医疗保健等这些行业——这对诊断和设备性能的即时解释至关重要。

人工智能优势的发展

亚马逊、谷歌、苹果、宝马、大众、特斯拉、Airbus, Fraunhofer, Vodafone, Deutch Telekom, Ericsson, 和Harting等创新机构，现在都在为AI下着巨大的砝码。此外，许多这样的公司正在建立行业协会，如欧洲边缘计算联盟(EECC)，它可帮助教育和激励中小型和大型企业，以推动制造业和其他工业市场采用边缘计算。

欧洲边缘计算产业联盟旨在支持欧洲和世界各地的大中小型企业采用相关技术，尤其侧重于 OT 技术与 ICT 技术的融合。ECCE将推动在制造业，运营商以及企业与 IoT 等相关领域解决方案中采用边缘计算技术，注重发现和推动现有的技术，标准的应用并持续贡献，使得联盟成员的产品更加符合用户对边缘计算解决方案的需求。联盟成立的目标包括：边缘计算参考架构模型(ECCE RAMEC)、边缘计算全栈技术实现(边缘计算节点)、识别产业发展的短板并通过对不同路径的评估比较找到最佳实践(ECCE Pathfinders)，与相关产业/标准化组织积极互动，对联盟的成果进行推广。