邊緣計算。
邊緣意味著更接近數據源的處理技術，數據在數據源節點處理。常規的雲計算是將數據傳輸到雲中，通過雲處理，返回結果到邊緣，這是一種綜合的處理方法。雲處理方式要求設備實時聯機，需要傳輸大量數據，而對於無法經常上網或網絡資源瓶頸的業務，則需要在數據源節KOL。
邊緣化包括最廣泛的基礎設施，包括蜂窩傳感器網絡，自組織，互惠對等，分散雲/霧，虛擬邊緣化，數據存儲和恢複，自主修複網絡，分布廣泛的基礎設施。
邊緣計算和雲計算。
邊緣意味著當地(或近當地)服務，而不是去網絡的某個地方。這可能是一個獨立的物理計算機，如自動冰箱或服務器，位置盡可能靠近來源(即服務器位於該區域而非地球的另一端)。
如果需要低延遲或網絡本身可能不總是訪問，可以利用邊緣實時選擇。
大多數雲應用程序會在本地接收數據，並將數據傳輸到雲中進行處理和返回。邊緣化就是雲不需要邊緣化，而邊緣化人工智能算法仍然能夠測量邊緣化部署和操作。
為什麼需要邊緣計算。
在某些地方，網絡連接的費用很高(帶寬，能量消耗很大)，而實時連接是瓶頸，在這種環境下，邊緣計算就可以解決。在某些需要實時響應的應用中，比如自動駕駛汽車，短時間的網絡延遲可能導致災難。對於一些重要的數據，如公司機密數據，很容易在雲中受到攻擊。專門設計的優化程序能夠實現卓越的邊緣測量性能。
邊緣計算的類型。
設備邊緣:邊緣計算包括在消費者現有環境的例子中。例如，微軟AzureIoTEdge和AWSGreengrass。雲邊：這種邊緣計算平台是公有雲的延伸。在地理邊界處緩存並傳遞靜態內容的內容分發網絡就是這一拓撲的典型例子。
邊緣人工智能。
其中，人工智能算法可以局部處理，不需要與硬件計算機進行任何接觸。用系統產生的數據進行毫秒級的處理，實時獲取信息。
邊緣化人工智能的優勢
(1)降低成本。
邊緣人工智能將降低連接和網絡傳輸效率，而發送更少的網絡。可降低網絡通信成本，降低成本。
(2)安全。
使用人工智能監監視攝像頭、獨立車輛、飛機等與用戶的信息有關。由於邊緣人工智能管理本地數據，流媒體可以避免問題，不存儲大量雲數據，降低隱私受到攻擊的風險。改進保護應用，確保邊緣人工KOL。
(3)反應敏感。
與集中物聯網模型相比，邊緣人工智能系統地處理數據。這些都需要實時操作，如數據開發、決策、幹預等。，因為觀測數據直接傳輸到同一個硬件，非常適合毫秒級應用，比如自動駕駛汽車。
(4)易於管理。
人工智能系統的邊緣性是獨立的，不需要數據科學家和人工智能開發者來管理。信息和觀察結果可以通過高度可視化的界面和儀表板自動發布。
