边缘计算和云计算相比有什么区别 2023年7月5日， 瑞芯微 (603893SH)接受投资者调研，针对最近市场比较多在关注边缘计算，所以想向公司请教一
来源：雪球App，作者：AI人工智能ETF，（https://xueqiu.com/1543879181/254847496）
2023年7月5日，瑞芯微(603893.SH)接受投资者调研，针对最近市场比较多在关注边缘计算，所以想向公司请教一下什么叫边缘计算，和云计算相比有什么区别？
对此，瑞芯微回答称，边缘计算，是指在靠近物或数据源头的一侧，具备网络、计算、存储、应用核心能力的开放平台，就近提供服务。其应用程序在边缘侧发起，由边缘计算提供比云计算更快、更稳定的服务响应，满足行业在实时性、可靠性、应用智能、安全与隐私保护等方面的关键需求。
随着AI视频边缘计算等更多高并发、低延时、多样化数据处理的复杂计算场景成熟应用，边缘计算将助力智能交通、智慧医疗、智能安防、智慧社区等多个领域数字化转型。
相较云计算的服务器芯片，边缘计算的部署环境更为多样化，在需要较强CPU、GPU、NPU等综合算力的同时，对芯片能耗比的要求也更高。
边缘计算是不是公司会重点发力的领域？公司如何看待边缘计算市场的发展？
公司回答：边缘计算是公司比较重要的产品线之一。公司在边缘计算领域已有多年的积累，从RK3288、RK3399、RK3568到最新旗舰芯片RK3588，公司多款产品与众多头部企业已有合作。
公司十分看好边缘计算市场的发展前景。随着人工智能、物联网的快速发展以及智能终端应用的广泛普及，边缘计算在近几年发展得较快。根据国际电信咨询公司STLPartners今年2月份发布的边缘计算关键数据统计，预测到2030年，边缘计算潜在市场将从2020年的90亿美元，增长到4450亿美元，行业复合年增长率高达48%。
现在一些公司开始推出AI小模型，公司对小模型在端侧或边缘侧的发展怎么看？
公司回答：现代AI的三个最主要着力点分别是语音处理、图像处理、语言处理，均走向Transformer类的技术架构，后面也会逐步看到更多AI模型落地。AI的最底层主要是芯片内部负责运算的NPU，公司有自研NPU及相关的算法、工具链等，经过几年不断升级迭代，公司已迭代至第四代NPU，产品的设计里已经考虑并较好地支持Transformer等模型，赋能各种特定场景的端侧或边缘侧应用。
在模型小型化、专业化的过程中，最重要的是如何发展出各种适合特定场景的端侧或边缘侧应用。公司一直在关注相关技术发展，并和AIoT的下游客户保持紧密的沟通，探索模型在边端侧运用。
以上信息仅供参考，不构成投资建议
BY：有连云
瑞芯微是AI人工智能ETF(SH512930)的成分股之一。
AI人工智能ETF(SH512930)成分股包含通用软件、芯片设计、IT服务等多个AI重要领域，涵盖科大讯飞、中际旭创、金山办公、中科曙光、浪潮信息、新易盛、三六零、德赛西威、寒武纪、昆仑万维等被市场高度关注的上市公司。
风险提示：文中上市公司仅做列示，不做投资建议。任何在本文出现的信息（包括但不限于评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，投资人须对任何自主决定的投资行为负责。另，本文中观点、分析及预测不构成对阅读者任何形式的投资建议，本公司亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险，基金的过往业绩并不代表其来表现，投资须谨慎。
免责声明：转载内容仅供读者参考，版权归原作者所有，内容为作者个人观点，不代表其任职机构立场及任何产品的投资策略。本文只提供参考并不构成任何投资及应用建议。如您认为本文对您的知识产权造成了侵害，请立即告知，我们将在第一时间处理。
$AI人工智能ETF(SH512930)$$科大讯飞(SZ002230)$$德赛西威(SZ002920)$
#大消费集体回调，该加仓还是减仓##赛道基金的春天来了吗##你觉得人工智能还会是下半年的主角吗#
@今日话题@平安ETF之家@平安基金
什么是AI边缘计算（边缘计算的好处在哪里）
另一方面，云计算可以通过云计算强大的计算能力来实现远程设备上的处理。虽然云提供了更多的设计和架构选项，但它降低了高级处理所需的功耗。
边缘人工智能如何工作？
边缘计算应用场景
一台机器要查看、检测物体、理解语音、驾驶汽车或复制其他人类技能，它们将不得不模仿人类智能。这就是人工智能的用武之地。人工智能使用一种称为深度神经网络的数据结构来复制认知。通过接受不同版本的问题及其答案，这些被训练来回答特定问题。
由于训练模型需要大量数据，因此也称为“深度学习”的训练过程在数据中心内运行。一旦训练完成，算法就变成了一个可以回答问题的“推理引擎”。
在边缘人工智能部署的情况下，这个推理引擎在医院、汽车、工厂、家庭和卫星等不同地点的设备上运行。一旦AI发现问题，数据就会上传到云端进行训练，从而取代推理引擎。这个循环对改善模型性能产生了重大影响；一旦部署了AI边缘计算模型，它们就会变得更加智能。
边缘人工智能有什么好处？边缘计算AI具有一系列优势。现在，无论这些是什么，它们都倾向于更好的流程和客户体验。
1.数据的实时处理
AI边缘计算的最大好处是该技术为物联网设备和传感器所在的边缘带来了高性能计算能力。
人工智能边缘计算技术可以直接在现场设备上添加人工智能用例。最常见的AI边缘计算示例可以从软件如何在自动AI边缘计算应用程序（如自动驾驶汽车）中借助深度学习算法处理数据和机器学习中看到。
当结合到自动驾驶汽车中时，该技术可以在几毫秒内处理数据，实时防止事故发生。
2.更好的隐私
在边缘人工智能的情况下，数据处理活动在边缘计算机的本地执行。正因为如此，更少的数据被发送到云端，从而降低了数据处理不当或被盗用的风险。
现在，由于数据是在设备附近收集和处理的，因此传输更少，从而提高了数据安全性。
3.降低互联网带宽
由于边缘计算人工智能在本地进行数据处理，因此企业可以在互联网带宽上节省大量资金，因为通过互联网传输的数据更少。
如果您使用AmazonAWSAI服务来满足您的业务需求，您就会知道在云中执行AI流程的成本有多大。借助AI边缘计算，可以将云保留为仅用于分析所需的后处理数据的存储库。
4.耗电量少
使用边缘人工智能解决方案，因为数据是在本地处理的，企业可以节省大量能源成本，因为他们不必保持与云的连接以在边缘平台和云之间来回传输数据。此外，大多数边缘计算设备都具有功耗和效率特性。
这里需要考虑的重要一点是，由于大多数边缘应用程序部署在远程环境中，边缘计算机有必要平衡性能和功率。
5.响应速度更快
边缘人工智能技术倾向于在本地处理数据，与设备收集数据、将数据发送到云端进行处理并等待发回的云计算相比，它的响应速度要快得多。
所有这些都发生在毫秒的处理时间内。这导致边缘人工智能解决方案采取加速行动并做出更快的决策。这导致需要即时反馈的应用程序，如智能自动化、自动驾驶汽车和机器人技术。返回搜狐，查看更多