截至2020年，全球约有270亿台IoT设备。根据Statista的预测，到2025年，这一数字将增长到750亿。借助物联网，我们可以远程调用门锁，恒温器，冰箱，电视，视频门铃和监控摄像头。智能产品更易于使用，并且可以由其他家庭成员进行远程管理。随着移动终端和物联网设备的高度普及，如何在资源受限的终端设备上有效地部署深度学习模型，以使智能更接近用户并解决“最后一英里”问题。人工智能着陆问题引起了业界的高度关注。集中式数据处理的缺点。智能设备无处不在。他们将提供关键的物理数据。通过在云中处理和分析这些数据，他们可以获取改善我们生活和工作的关键指导。但是，如果所有数据都在云中集中存储和处理，将面临以下问题。 ●更多的数据管理会导致有限资源上的更多成本。 ●将数据发送到云将导致延迟，这将限制某些应用程序的有效性。 ●信息转换将带来隐私和安全风险。在家中或办公室中的智能设备收集的数据将显示大量信息，甚至包含个人隐私内容，这给信息安全带来了挑战。边缘智能的优势随着收集数据并将其传输到云中进行处理的IoT设备的数量不断增加，边缘智能应运而生。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，从而提高了人工智能应用程序的性能，成本和隐私性。作为云计算向网络边缘和最终用户的扩展，边缘计算将云中的计算资源和服务从用户那里转移到网络边缘，从而有效地减少了网络延迟和带宽消耗，并增强了隐私保护。与传统应用程序相比，物联网场景中基于视频分析，图像和语音识别技术的新兴人工智能应用程序对计算和数据的要求更高，对延迟和隐私保护的要求也更加严格。基于此，边缘智能的应用变得越来越紧迫，目前正处于快速发展的萌芽阶段。边缘智能的应用具有更好的交互体验：大多数人类交流不仅通过语言进行。语调，面部表情，手势等是我们用来交流或理解彼此的其他表达形式。智能边缘技术在物联网设备中的应用将使这些信号更有效地传达给用户，并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，突然摔倒，碎玻璃或水龙头滴落。它可以感知有问题的情况并警告用户，以便他们可以做出相应的反应。简而言之，边缘智能是使物联网设备能够实现更复杂，友好和安全的应用的基础。边缘智能物联网设备的应用将为我们开辟人机交互的新阶段。