为什么需要边缘计算？

边缘计算（Edge Computing）是一种将数据处理和计算功能移到接近数据源头的边缘设备上进行的计算模式。相比传统的云计算模式，边缘计算能够在接近数据源头的地方进行实时的数据处理，这为计算机视觉的实时处理提供了一些优势，具体原因如下：

降低网络延迟：边缘设备通常位于数据源头附近，可以直接在设备本地进行计算，无需将数据发送到远程的云服务器进行处理。这样可以减少数据传输的时间和网络延迟，实现更快速的实时响应。

减少数据传输量：计算机视觉任务通常需要处理大量的图像或视频数据。在传统的云计算模式下，将这些大规模数据传输到云端进行处理会消耗大量的带宽和时间。而边缘计算可以在本地设备上进行一部分数据处理，只将必要的结果或摘要传输到云端，减少了数据传输的负担。

隐私和安全性：一些计算机视觉应用需要处理敏感的数据，如视频监控。使用边缘计算可以在本地设备上进行数据处理，避免将敏感数据传输到云端，从而提供了更高的隐私和安全性。

节约云端资源：云计算通常会面临大量的计算请求，而边缘计算可以在本地设备上进行一部分计算任务，将一些负载从云端转移到边缘设备上。这样可以减轻云端的计算压力，提高整体系统的性能和可伸缩性。

 

哪些场景要用到边缘计算？

物联网（IoT）：物联网应用中的大量设备（如传感器、工业设备等）产生了大量的数据。通过在边缘设备上进行数据处理和分析，可以减少数据传输到云端的需求，减轻云服务器的负担，并提供更快速的实时响应。

实时监控与视频智能分析：视频监控系统需要实时分析视频流以进行目标检测、人脸识别、行为分析等。边缘计算可以在摄像头或视频监控设备上进行这些分析，以减少网络延迟和带宽压力，并快速响应事件。

边缘设备的低延迟要求：某些应用对低延迟要求非常高，例如自动驾驶汽车、远程手术等。通过在边缘设备上进行数据处理和决策，可以减少数据传输和处理的时间，实现实时性能。

数据隐私与安全：一些应用处理的数据具有敏感性，如医疗健康记录、个人身份信息等。边缘计算允许在本地设备上进行数据处理，减少了将敏感数据传输到云端的风险，提供更高的数据隐私和安全性。

网络有限性和可靠性：在一些环境中，网络连接可能不稳定或带宽有限，例如远程地区、海上或空中的应用。使用边缘计算可以将计算功能放在设备本地，减少对网络连接的依赖性，并提高应用的可靠性。

​边缘计算适用于需要实时性能、低延迟、数据隐私和安全性、网络有限性以及高度分散的场景。通过将计算能力移到接近数据源头的边缘设备上，可以改善应用程序的性能、可靠性和用户体验。