目前大部分方式是通過云端聯(lián)網(wǎng)和數(shù)據(jù)中心來進(jìn)行大規(guī)模計(jì)算，從而實(shí)現(xiàn)人工智能，比如整個(gè)城市的智能交通。云端具備連結(jié)多方大數(shù)據(jù)，擁有超強(qiáng)計(jì)算力的優(yōu)勢，在人工智能的發(fā)展中占據(jù)著不可替代的作用。但是真正要讓人工智能走進(jìn)生活，成為我們身邊看得見摸得著的智能，就需要將AI從云端拉向終端。

云計(jì)算這一術(shù)語已經(jīng)在大多數(shù)消費(fèi)者的消費(fèi)理念中占據(jù)了一席之地，邊緣計(jì)算可以看做是無處不在的云計(jì)算和物聯(lián)網(wǎng)（IoT）的延伸概念。我們可以將邊緣計(jì)算看作是遠(yuǎn)離核心的移動(dòng)計(jì)算。從根本上來講，邊緣計(jì)算是智能和計(jì)算從云網(wǎng)絡(luò)中的集中式數(shù)據(jù)服務(wù)器到網(wǎng)絡(luò)邊緣硬件的移動(dòng)，傳感器不是在某個(gè)位置收集數(shù)據(jù)，然后將數(shù)據(jù)發(fā)送回中央服務(wù)器進(jìn)行處理，而是在本地可用的硬件上對數(shù)據(jù)進(jìn)行處理，只把處理結(jié)果發(fā)送到云端，以便確保信息的即時(shí)可用性并進(jìn)行操作，而不需要進(jìn)一步對數(shù)據(jù)加以處理。

將計(jì)算遷移到邊緣具備以下幾個(gè)優(yōu)勢，能夠促進(jìn)更理想的計(jì)算：

• 能夠近乎實(shí)時(shí)地處理數(shù)據(jù)

• 處理的數(shù)據(jù)可以從各個(gè)邊緣節(jié)點(diǎn)并行收集

• 消除了在帶寬有限的網(wǎng)絡(luò)上發(fā)送原始數(shù)據(jù)的負(fù)擔(dān)

• 消除計(jì)算量大的原始數(shù)據(jù)對數(shù)據(jù)中心的壓力

• 降低云網(wǎng)絡(luò)從數(shù)據(jù)中獲得信息的依賴性

• 可以幫助管理在本地處理而不是共享的敏感數(shù)據(jù)

e-AI (嵌入式人工智能) 就是在人工智能領(lǐng)域出現(xiàn)的、需要在本地終端進(jìn)行計(jì)算的應(yīng)用場景。相比云端智能，嵌入式人工智能要做的，是能夠在本地進(jìn)行實(shí)時(shí)環(huán)境感知、人機(jī)交互與決策控制。由此，一場由邊緣向中心進(jìn)發(fā)的革命正在醞釀、爆發(fā)，這正式邊緣計(jì)算火熱的根源。

瑞薩電子的e-AI技術(shù)是在本公司生產(chǎn)的MCU或MPU上生成AI算法，運(yùn)用算法在嵌入式設(shè)備上進(jìn)行操控，從而使嵌入式設(shè)備進(jìn)行AI操控。然而，我們需要讓人工智能持續(xù)學(xué)習(xí)。很多人認(rèn)為，在機(jī)器學(xué)習(xí)和算法生成時(shí)，現(xiàn)有價(jià)格低廉的MCU和MPU存在運(yùn)算速度緩慢和內(nèi)存小的缺陷，因而無法立即實(shí)現(xiàn)。然而，瑞薩電子的e-AI技術(shù)可以通過以下兩步攻克這一難題：

(1) 算法在后臺(tái)生成，而在MCU和MPU中保持下載更新最新算法;

(2) 在MCU或MPU上加載一個(gè)特別運(yùn)算電路，通過這個(gè)運(yùn)算電路進(jìn)行高速、低功耗的AI判別。由此，瑞薩電子可在嵌入式設(shè)備中支持AI運(yùn)行。