以前海量資料是從資料中心產生的（如**瀏覽記錄），若想將這些資料加以利用去訓練神經網路（大資料和ai的結合可以1、有效利用大資料，2、蓬勃發展ai），則需要在資料中心旁搭建自己的大資料處理平台，或者租用雲計算伺服器。
而未來隨著物聯網的發展，大部分資料將從邊緣使用者裝置上產生（智慧型手環監測資料、各類感測器），此時若想使用ai對這些大量的資料加以挖掘利用，則最好在網路邊緣（使用者或接入網節點）對這些資料加以利用，而不是還要再傳到遠端的資料中心進行利用。即希望利用邊緣網路裝置或使用者裝置的計算能力進行ai訓練（或至少參與到分層訓練當中）。總之，邊緣智慧型主要是讓邊緣網路裝置或使用者裝置也可以參與到神經網路的訓練和推理工作中。
由於邊緣節點（使用者或接入網節點）上的計算能力沒以前資料中心那麼強，直接用以前ai訓練或推理的演算法，可能會消耗大量能量，且時間較長。所以要設計新的分布式訓練/推理演算法，例如federated learning（這個不新了）就是讓多個邊緣節點協作進行ai訓練，多個節點在本地訓練一會兒神經網路，然後傳給中心節點匯合，然後中心節點再下發經匯合的神經網路引數，本地節點再繼續訓練，迴圈往復，直到收斂。
邊緣智慧型計算相關知識
使用原因深度學習因其計算複雜並且引數冗，在一些場景和裝置上限制了相應模型的部署，需要借助模型壓縮 優化加速 異構計算等方法突破瓶頸。優勢模型壓縮演算法能夠有效降低引數冗餘，從而減少儲存占用 通訊頻寬和計算複雜度，具體可分為以下三種方法 線性或非線性量化 1 2bits，int8，fp16等 結構或非...
智慧型工廠用到的技術 邊緣計算，這個技術不「邊緣」
重慶市近日出台了 新型基礎設施重大專案建設行動方案 2020 2022年 提出 支援企業建設面向行業應用需求的邊緣計算節點 邊緣計算的名字不禁讓人感覺有點 非主流 但其實作為新型基礎設施之一，它早已是產業熱點了。例如，國家工業和資訊化部自2017年開始每年都會組織邊緣計算產業峰會，並明確表態 要加大...
邊緣計算來了 「感知」智慧型城市
無論是德國首府柏林，還是歐洲名城巴塞隆拿，被譽為正規化的智慧型城市構建，都不乏綠色 低碳 智慧型元素的參與，三者相輔相成，相得益彰。在中國，智慧型城市是城市化發展的高階階段，智慧型城市建設是推進符合中國特色的城市資訊化樣本，兼具戰略和現實意義。智慧型城市構想是創造 宜居 舒適 安全 的城市生活環境，...