近年来，人工智能一直是技术界的热点。近年来，Megvii Technology，SenseTime Technology，Jilian Technology Video ++，Yitu Technology等优秀的初创公司在中国诞生了。但是，随着5G，人工智能和物联网时代的到来，传统的云计算技术已经不能满足人工智能终端对“大连接，低延迟和大带宽”的需求。尽管当前的云计算功能越来越强大，但是面对大量的个人隐私数据，传统的云计算仍然无法有效地支持基于物联网的应用服务程序。边缘大数据处理时代的边缘云计算碰巧是解决这些问题的好方法。什么是边缘计算？边缘云是基于云计算技术的核心和边缘计算功能在边缘基础架构上构建的云计算平台。形成一个灵活的云平台，在边缘具有全面的计算，网络，存储和安全功能，并与中央云和物联网形成“云边缘-端三体协同”的端到端技术架构终端。通过网络转发，存储和计算，可以在边缘处理智能数据分析和其他任务，以减少响应延迟，降低云压力，降低带宽成本，并提供云服务，例如网络范围的调度和计算能力分配。简而言之，边缘计算是指一种分布式平台，该平台在靠近事物或数据源的网络边缘集成了网络，计算，存储和应用程序处理功能，并在附近提供智能服务。边缘计算可以理解为云计算的逆运算。云计算强调边缘或台式机的计算和存储功能的集中，而边缘计算则将这种计算和存储功能重新吸收到边缘。边缘计算的原因边缘计算的主要原因是缺少云计算服务。大多数云计算使用集中式管理方法，这使云服务可以创造更高的经济效益。在万物互联的背景下，应用程序服务需要低延迟，高可靠性和数据安全性，但是传统的云计算无法满足这些需求。首先，在物联网环境中，边缘设备生成大量实时数据，而云计算性能逐渐达到瓶颈。根据IDC的预测，到2020年，全球数据总量将超过40ZB。随着边缘设备上数据量的增加，网络带宽逐渐增加。成为云计算的另一个瓶颈。其次，当用户使用电子购物网站，搜索引擎，社交网络等时，该用户的私人数据将被上传到包含该用户的私人数据的云中心。如果将视频数据直接上传到云数据中心，则视频数据的传输不仅会占用带宽资源，还会增加泄露用户隐私数据的风险。边缘计算模型只是为此类敏感数据提供了更好的隐私保护机制。最后，鉴于云数据中心的能耗，随着越来越多的用户应用程序在云计算中心中运行，未来大型数据中心的能耗需求将难以满足。为了解决该能耗问题，边缘计算模型提出了对运行在原始云数据中心上的一些计算任务进行分解，然后将分解后的计算任务迁移到边缘节点进行处理的方法，从而减轻了云计算中心的计算量。以达到降低能耗的目的。边缘计算的应用场景边缘计算的应用场景可以分为两种：全网络覆盖和本地覆盖。网络范围覆盖应用程序的核心要求是确保在区域和运营商网络级别或基于足够的基础上，从边缘节点的覆盖范围中确保附近的计算（例如CDN，视频实时广播，边缘拨号测试/监视服务）。节点针对网络链接进行了优化。本地覆盖应用程序的核心要求是边缘节点的本地化，即边缘节点的访问距离应足够近（小于30公里），并且延迟应足够低（小于5毫秒）以支持云需求例如本地化服务的新零售，医疗和其他行业的监控数据上传到云中。这种类型的应用程序对带宽的要求很高，