大家好，感谢邀请，今天来为大家分享一下基于人工智能的边缘计算的问题，以及和基于人工智能的边缘计算技术的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！
本文目录
边缘计算将如何从5G技术中受益？
从我们技术人员的角度看，5G最大的技术创新应该是新空口技术和切片网络。
基于这两种技术，就可以有很多种新玩法，不过具体玩法要想兴起还是得靠一些商业化的产品做推动。目前，大家讨论的最多的还是三个典型场景：eMBB（大流量）、uRLLC（低延迟）和mMTC（大连接）。
从大连接和低延迟来看，应该会极大地促进物联网的发展和在工业场景的使用，也会急速促进边缘计算的发展。同时AI技术的发展会和边缘计算碰撞，在边缘上会有越来越多的机器学习的计算模型跑起来，让物联网和工业场景更加智能。
其实边缘计算是一个新生事物，资料很少，甚至行业规范都没形成，现在大家做边缘计算也是在摸索中前进。
边缘计算主要解决的问题有两个，降低带宽成本和解决延迟敏感的问题。
边缘计算的「边缘」也包含两个：云边缘和设备边缘。
这里，我分别就这两部分谈一谈在5G时代会怎么发展。
云边缘在5G时代典型的就是MEC。但MEC可能是由运营商主导的MEC，可能是运营商和云厂商合作的MEC，也可能是云厂商自己的MEC（比如OC点升级改造）。5G的大流量场景会导致更多数据要上云端处理，这对中心云机房来说是一个挑战，对成本来说也是一个负担。
所以会有越来越多的数据会在边缘就进行处理，比如监控类视频数据可能在云边缘就用一个机器学习模型进行计算，然后把有价值的推算结果类小数据上传到云中心，进行全网共享或全网融合。
举个栗子，我有一个摄像头，摄像头会把视频数据上传到云端进行存储，如果有用没用的视频都上传上来，浪费流量带宽又浪费云存储。如果在摄像头上能做一些简单的计算，知道哪些是该上传的，哪些是不用上传的，可能95%以上的数据都在本地挡下来了。
另外，现在边缘计算的实际大消耗场景如直播，也会有很多编解码的计算在边缘进行，还有一些美颜或者其他的智能模型也会在边缘上进行计算。
5G的低延迟场景会加速云游戏和物联网的发展。
拿云游戏来说，在5G时代，用户端到运营商的接入端可以做到1ms，然后再直接导流到云边缘机房，云边缘机房进行渲染和计算，输出游戏结果的视频流直接回传给用户，这就可以做到很好的用户体验。
至于设备边缘，典型举例就是用一个边缘网关设备来管理一堆物联传感设备。
低延时和大连接会让物联网跟随5G发展起来，物联的本质还是为人服务，所以更加智能的体验是一个强诉求，边缘网关或者一些计算能力稍强一点的设备，以后都可以跑一些智能模型，进行边缘智能计算。
自动驾驶也是一个边缘强计算的典型例子，有一些计算结果类数据可以上传用于附近的车辆共享。同样的一些工控场景，需要快速在设备边缘做快速的计算和发出控制动作。这个可能的应用场景和例子会比较多。
综上，我认为，5G的商用和快速发展不会弱化边缘计算，反而会促进并依赖于边缘计算的发展。
边缘计算和云计算有什么区别？
当今的科技领域，新事物和新概念层出不穷，诸如云计算、边缘计算和雾计算等。众多的概念已经让人混淆不清，何谈技术的发展与应用。今天，笔者将为你介绍边缘计算和云计算，以及二者到底有何区别。
到2017年，全球物联网设备已经达到84亿台，物联网正在快速走进我们的生活和工作。事实上，物联网也是云的一部分。目前，用户面临的一个关键挑战是，你怎样才能从众多的设备中获得已经处理过的数据。
根据思科公司的预测，到2020年，云流量将增长4倍，从2015年每年的3.9ZB增长到2020年的每年14.1ZB。最终，通过物联网的快速发展，我们可以让云计算获得更完美的进步。毕竟，物联网是产生有意义的数据处理装置，而云计算则是关于从中央计算和存储中利用数据。两者的增长很容易变得不可管理。
那么，我们能做什么？这个答案有时被称为“边缘计算”。我们已经知道，边缘计算将大部分的数据处理推送到网络的边缘，靠近数据源。那么这就是划分边缘和集中式系统之间的处理问题，这意味着一个公有云，比如AWS、谷歌云以及微软Azure。
这听上去像一个客户端/服务器架构，也涉及到在客户端和服务器上做什么。从物联网和任何高度分布式应用，你基本上已经有了一个客户端/网络边缘/服务器架构，或者你的设备无法进行自己的处理，则可以使用网络边缘/服务器架构。
它的目标是快速地处理接近设备的数据，如行动。有几百个使用情况，反应时间是物联网系统的关键价值，同时一致性的将数据发送回集中式的云防止该值发生。
你可能仍然会使用云进行处理，当时间不敏感或设备不需要，例如来自都对所有设备的数据进行大数据分析。
另外一个方面是：边缘计算和云计算是两个截然不同的事情，其中一个不会取代另一个。但目前太多的文章混淆了IT专业人士，提出边缘计算将取代云计算，这就相当于说PC会取代数据中心。
实际上，创建专门的基于边缘计算的应用程序是非常有意义的，例如将数据处理放在传感器中以快速处理对报警响应的应用程序。但是，你不会将库存控制数据和应用程序置于边缘——将所有计算机移动到边缘将导致分布式，不安全和无法管理的混乱。
目前，所有公有云提供商都具有包含或将边缘计算的物联网战略和技术栈。边缘计算和云计算可以在一起工作，但边缘计算是用于特殊需求的专用系统。云计算是一种更通用的平台，也可以在旧的客户端/服务器模型中与专用系统配合使用。
边缘计算大爆发，会对AI+安防造成怎样的影响？
用通俗的话先把几个概念介绍明白：
1，传统安防是：摄像机将视频传输到后端平台，后端平台由人对视频和录像进行查看、比对、处理，从而起到安全防范的作用。
2，AI+安防是：摄像机将视频传输到后端平台，后端平台由具有人工智能算法的服务器对视频和录像进行分析、比对、处理，从而极大地解放人力并提高效率。
3，将边缘计算应用于AI+安防是：提高摄像机芯片的性能和增加人工智能算法，摄像机本身自己对视频进行分析、比对、处理。然后摄像机将自己处理完成的结果传输到后端平台，后端平台根据摄像机反馈的结果进行各项应用。
将边缘计算应用于AI+安防具有以下几方面优缺点：
1，充分发挥了前端摄像机各项性能。
2，节省了智能分析时延，前端直接对实时视频进行分析比对并提供结果给后端平台。
3，前端摄像机成本将成倍增加。
4，受摄像机性能制约，摄像机不可能完成计算量较大的智能分析，只能进行基础智能分析功能。
边缘计算只会有限地提升AI+安防效率，并不会对AI+安防有实质的影响。
边缘计算将如何影响人工智能？
边缘计算对人工智能的影响将会非常显著。传统的人工智能通常需要大量的计算资源和高速的网络连接才能完成，而边缘计算则可以在本地完成一部分的计算任务，从而可以实现更快的响应速度和更好的隐私保护。下面列举了边缘计算对人工智能的几个影响：
提高响应速度：边缘计算可以将一部分的计算任务放在离数据源更近的位置，从而可以更快地完成计算任务并进行实时响应。这对于需要快速响应的人工智能应用场景，如智能家居、智能医疗、自动驾驶等，将会非常有用。提高隐私保护：边缘计算可以在本地完成一部分的计算任务，从而减少将敏感数据传输到云端的风险，提高了数据的隐私保护性。这对于需要保护用户隐私的人工智能应用场景，如智能健康监测、智能家居安全等，将会非常有用。支持实时数据分析：边缘计算可以在本地对数据进行处理和分析，从而支持更实时的数据分析和响应。这对于需要实时分析的人工智能应用场景，如智能制造、智能交通等，将会非常有用。支持离线运行：边缘计算可以在本地运行，即使没有互联网连接也可以继续工作，从而增加了人工智能应用的可靠性和鲁棒性。总之，边缘计算将为人工智能应用带来更快的响应速度、更好的隐私保护、更实时的数据分析和响应以及更高的可靠性和鲁棒性。这将有助于推动人工智能应用的发展和普及。
文章分享结束，基于人工智能的边缘计算和基于人工智能的边缘计算技术的答案你都知道了吗？欢迎再次光临本站哦！