的确，现在的火爆程度不亚于任何一项IT新技术的宣传力度，我们也毋庸置疑，人工智能背后所依靠的就是的具体需要依靠云计算平台当中边缘计算去完成，但是，现在AI在应用部署过程中仍然受限制于边缘计算的成本层面以及设备只能分析能力等很多方面。

  不管是从现在的国家政策扶持方面，还是企业在业务应用推动等方面，我们都能够正常的看到人工智能现在到底有多火，根据权威市场分析机构的研究数据表明，在未来，全球AI市场规模年均增长率达到15%。到2030年，AI将助推全球生产总值增长12%左右，近10万亿美元。如此庞大的一个市场规模足以让慢慢的变多的企业投身其中。

  正是因为边缘计算对于人工智能以及对于云服务的重要意义，我们才更要清楚的了解到底什么才是边缘计算。所谓的边缘计算就是在靠近物理设备或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，来满足快速连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求技术。

  边缘计算相对来说更加聚焦于实时、短周期数据的分析层面，边缘计算能够非常好的支撑本地业务的实时智能化处理数据及对任务的具体执行。由于具有靠近数据源的特点，边缘计算能够在本地网络当中进行运算，所接触到的数据不用上传到云端，减少了数据往返云端和本地的时间以及带宽成本。

  边缘计算现在在自动驾驶领域应用较为广泛，我们都知道，由于考虑到安全等方面，无人驾驶领域数据传输与交互必须把数据延迟尽可能的降到最低，因为如果不这样做的话，所导致的问题和结果有很大的可能是很严重的，在这一领域，边缘计算无疑会比云计算更具优势。因此，边缘计算成为AI相关、设备集成商的布局重点也就不足为奇了，更直接带动边缘计算在2017年的快速崛起。

  虽然边缘计算拥有前文我们所说的那些有点，但是由于当前在智能分析能力及数据应用的法律合规性等方面的限制，使得边缘计算现在仍然还处于一个缓慢发展的阶段，采用边缘计算的AI设备单价比较高，一般的终端电子科技类产品一旦搭载AI芯片、提升存储空间后，会大幅度的提升设备的造价成本，令终端的整体性价比不高。众多企业在面临负担如此高昂的技术成本后，显然会阻碍有关产品的普及与推广。

  边缘计算终端的计算力如何，可否能起到“智能”分析的作用。据国际数据公司的预测，到2020年将有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析、处理与储存。

  在比较依赖边缘计算技术的医疗、无人驾驶、国防等领域，由于数据获取难度大、法规松绑程度偏低，实际导入人工智能时风险就会变得较高，而对于风险的承受度就会走低。

  对于人工智能AI来说，对于海量数据的解决能力以及呈现能力方面仍然需要一个智能化的计算方式，云计算则能够最终靠将数据中心集成化，利用不一样的算法进行整合处理，从而帮助广大新老用户实现数据处理层面的服务需求。

  同时，对于现在仍然处于起步阶段的边缘计算来说，云计算技术能够很有效的降低开发者的门槛，还可以让用户以一个低成本的方式将人工智能服务快速的转化为生产力。

  边缘计算兴起不仅带动了AI芯片的销量，也会促使相关的硬件市场规模逐步扩大。能预见，一旦所有终端设备都能实现边缘计算的话，其市场必会远远超越云计算。

  声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉边缘计算边缘计算+关注

  文章出处：【微信号：D1Net08，微信公众号：AI人工智能D1net】欢迎添加关注！文章转载请注明出处。

  功能，可以把现场各类仪表、工业设施、采集设备、 传感器等不同协议的智能设备接入，通过以太网方式实现智能设备和服务器平台之间的数据交 互，并同时提供多路的 IO 用来

  具有高安全性规范的工作负载而言并非理想选择。若企业要处理敏感数据或有特殊的合规性要求，则具有集中式服务器的标准云

  的嵌入式FPGA平台卷积神经网络的构建 通过设计卷积神经网络函数中的网络层间可复用的加速器核心以减少硬件资源实现性能优化卷积神经网络硬件。