第14章 物联网与边缘计算
云计算中的边缘计算与物联网技术
云计算中的边缘计算与物联网技术云计算和物联网是近年来快速发展的两大领域，其中边缘计算作为云计算和物联网的结合点，扮演着重要的角色。
边缘计算是指将数据处理和存储功能从云端延伸到离用户和设备更近的边缘节点，以提供更低延迟、更高效的计算和服务。
本文将探讨云计算中的边缘计算与物联网技术的应用和发展。
一、边缘计算与物联网的关系边缘计算和物联网紧密相连，两者之间的关系相辅相成。
物联网提供了海量的数据来源，包括传感器、设备、物体等，而边缘计算通过在离用户和设备更近的边缘节点进行数据处理和分析，实现了对物联网数据的实时响应和高效利用。
边缘计算在物联网中起到了数据汇聚、实时处理和智能分析的作用。
通过在边缘节点上进行数据预处理和分析，可以减少数据传输到云端的负载，降低网络延迟，提高响应速度。
同时，边缘计算还可以根据用户需求和设备条件进行任务卸载和资源优化，使得计算更加高效和灵活。
二、边缘计算在云计算中的应用1. 资源管理与调度边缘计算可以作为云计算的延伸，从云端向边缘节点分布计算资源，提供更近距离的服务。
通过边缘节点的部署，可以有效减少云端的计算负载，实现资源的合理分配和优化调度。
边缘计算可以根据用户对服务的需求和就近原则，将任务和数据分配给离用户和设备最近的边缘节点，提高计算效率和服务质量。
2. 数据处理与分析随着物联网设备的快速增多和数据量的飞速增长，云端的数据处理和分析变得越来越繁重。
而边缘计算通过在边缘节点上进行数据处理和分析，可以在源头上减少数据传输和存储的成本，提高数据处理的效率和准确性。
边缘计算可以根据数据的实时性和重要程度，对数据进行筛选和预处理，将有价值的数据传输到云端进行进一步分析和挖掘。
3. 边缘智能与决策边缘计算可以将一部分智能应用推向边缘节点，使得设备具备更强的边缘智能和自主决策能力。
通过在设备或边缘节点上部署机器学习和深度学习算法，可以实现对数据的实时处理和分析，提供即时的决策和服务。
边缘智能可以使得物联网设备更加智能化，减少对云端的依赖，提高系统的稳定性和安全性。
物联网中的云计算和边缘计算
物联网中的云计算和边缘计算引言物联网（Internet of Things, IoT）是指通过互联网进行多个物体之间的通信和数据交换的技术，将现实物理世界与虚拟数字世界相连接。
在物联网的发展过程中，云计算和边缘计算成为两种重要的计算模型。
云计算将计算和存储资源集中在云端服务器上，为物联网提供高效的数据处理和分析能力。
而边缘计算将计算和存储资源部署在离用户设备更近的边缘设备上，提供低延迟的数据处理和实时响应能力。
本文将对物联网中的云计算和边缘计算进行深入探讨。
云计算云计算是一种基于互联网的计算模型，通过将计算和存储资源集中在云端服务器上，为用户提供按需使用的计算能力和存储空间。
在物联网中，云计算提供了以下几个重要的功能：数据存储和管理物联网中的设备会产生大量的数据，包括传感器采集的数据、设备状态信息等。
云计算提供了强大的数据存储和管理能力，可以对这些数据进行集中存储、备份和管理，为后续的数据分析和应用提供支持。
大数据分析物联网中的数据通常是海量和多源的，云计算可以通过分布式计算和大数据分析技术，对这些数据进行快速而准确的分析，挖掘有价值的信息和知识。
这些信息和知识可以用于优化物联网系统的运行、改进决策和提供更好的用户体验。
弹性计算物联网中的设备数量和数据规模通常是不断变化的，云计算提供了弹性计算的能力，即根据需求自动调整计算资源的规模和配置，以适应不同的工作负载。
这使得物联网系统具有更好的灵活性和可伸缩性。
边缘计算边缘计算是一种将计算和存储资源部署在离用户设备更近的边缘设备上的计算模型。
边缘计算的主要目的是提供低延迟的数据处理和实时响应能力，适用于对实时性要求较高的物联网应用场景。
在物联网中，边缘计算具有以下几个关键特点：低延迟边缘计算将计算和存储资源部署在离用户设备更近的边缘设备上，减少了数据传输的距离和时间，从而降低了数据处理和响应的延迟。
这对于对实时性要求较高的物联网应用非常重要，例如智能交通系统、工业自动化等。
云计算方案边缘计算与物联网的融合
云计算方案边缘计算与物联网的融合云计算和物联网是当今科技领域中颇受关注的两个话题。
如何将边缘计算和物联网与云计算相结合，以实现更高效的数据处理和传输，成为了一个备受关注的问题。
本文将探讨边缘计算与物联网融合的潜力，并讨论其可能带来的益处。
一、边缘计算简介边缘计算是一种分布式计算模型，它将计算和存储资源靠近数据产生的地方，以降低延迟，并提高数据传输效率。
在边缘计算中，数据的处理发生在离数据源近的边缘设备上，而不是远程的云中心。
这种方式能够有效解决物联网因数据量大、延迟高等问题。
二、物联网简介物联网（IoT）指的是通过互联网连接各种物体和设备，使其能够互相传输数据和进行交互。
物联网应用广泛，包括智能家居、智能城市、智能工厂等。
它通过传感器和各种设备来收集数据，并通过云计算对这些数据进行分析和处理。
三、边缘计算与物联网融合的优势1. 降低网络延迟：边缘计算将数据的处理和存储放在离数据源近的地方，可以大大减少数据传输的时间，从而降低网络延迟。
这对于要求实时反馈和快速决策的物联网应用来说非常重要。
2. 减轻网络负载：边缘计算可以将部分数据的处理任务离线下放至边缘设备，减轻了云端的数据处理负担，降低了网络拥塞风险。
这样可以更好地满足物联网应用对大规模数据传输的需求。
3. 提高数据安全性：边缘计算允许将数据在本地进行处理和存储，不需要将所有数据传输至云端，从而减少了数据在传输过程中被窃取或篡改的风险。
这是对于涉及个人隐私或敏感数据的物联网应用来说非常重要的优势。
4. 实现离线工作：边缘计算允许设备在无网络连接的情况下仍能进行数据收集和处理工作。
这对于一些偏远地区或无网络的环境下的物联网应用来说是非常有价值的。
四、边缘计算与物联网融合的应用案例1. 智能交通系统：利用边缘计算和物联网技术，可以实现对交通状况的实时监测和调度。
各种传感器可以收集车辆和路况数据，并通过边缘设备进行实时分析和决策，以提高交通效率和安全性。
计算机基础知识了解计算机的边缘计算与物联网技术
计算机基础知识了解计算机的边缘计算与物联网技术计算机基础知识：了解计算机的边缘计算与物联网技术计算机技术的发展已经深刻地改变了我们的生活，而边缘计算与物联网技术则是当前计算机领域研究和应用的热点。
本文将向你介绍边缘计算与物联网技术，并探讨其在现实生活中的应用。
一、边缘计算边缘计算可简单理解为将计算和数据处理功能从中心服务器转移到网络边缘设备的技术。
传统的计算模式依赖于中心服务器的计算和数据处理能力，然而，随着物联网设备的急剧增加，传输大量数据到中心服务器进行处理将带来巨大的负担和延迟。
因此，边缘计算的理念应运而生。
在边缘计算中，计算任务可以在网络边缘设备（如路由器、网关、传感器等）上进行处理，从而减轻了中心服务器的负担，提高了数据处理的效率和速度。
边缘计算的关键技术包括数据分析、机器学习、虚拟化等。
二、物联网技术物联网技术是边缘计算的一个重要应用领域。
物联网通过将传感器和设备连接到互联网来实现设备之间的通信和信息分享。
这些设备可以是各种各样的物体，如家电、车辆、医疗设备等，它们通过传感器和嵌入式系统收集和传输数据。
物联网的核心概念是通过连接物体与网络，实现物体之间以及物体与人的互联互通。
物联网技术的实现需要边缘计算技术的支持，因为大部分物联网设备的计算能力有限，无法处理大量的数据和复杂的算法。
三、边缘计算与物联网技术的应用1. 智能家居边缘计算与物联网技术的结合，可以实现智能家居的概念。
通过将家电、安防设备、照明系统等连接到互联网，可以实现远程控制和智能化管理。
例如，你可以通过手机应用程序控制家中的空调、电视等设备，还可以监控家中的安全情况。
2. 工业自动化边缘计算与物联网技术的应用在工业领域也非常广泛。
通过将传感器和设备与中心服务器连接，可以实时监测和控制生产过程。
这样可以提高生产效率、降低成本，同时还可以及时检测和预防潜在的故障。
3. 智能交通边缘计算与物联网技术也被广泛应用于交通领域，实现智能交通系统的建设。
架构设计中的物联网与边缘计算
架构设计中的物联网与边缘计算物联网（Internet of Things，简称IoT）和边缘计算（Edge Computing）是当下信息技术领域中备受关注的两个热点概念。
在架构设计中，物联网与边缘计算的结合可以为各行各业带来诸多好处。
本文将探讨物联网与边缘计算在架构设计中的应用与价值，并分析其相关技术和挑战。
一、物联网与边缘计算的概念物联网是指通过包括传感器、无线通信技术和互联网等技术手段将各种日常物品连接起来，实现信息的互联互通。
物联网的核心是实现对物品的感知、收集、传输和处理，以实现智能化的应用。
而边缘计算是将数据处理和存储能力从传统的云服务器中延伸到接近数据来源的网络边缘设备中，并以此为基础实现低延迟、高可靠性和具有实时决策等特点的计算模式。
边缘计算可以将多个智能设备组成的边缘网络形成一个分布式的计算模型，可以进一步提升物联网的效率和性能。
二、物联网与边缘计算的应用1. 工业应用：物联网与边缘计算在工业领域中的应用十分广泛。
例如，通过在设备上部署传感器，可以实时监测设备运行状态，通过边缘计算设备进行实时数据分析和决策，做到预测性维护，提高设备的运行效率和可靠性。
2. 城市管理：物联网与边缘计算可以应用于城市交通、环境治理、安全监控等领域。
例如，通过在交通信号灯上部署传感器，可以实时监测交通流量，并根据实时数据进行智能调度，从而提升交通效率和减少交通拥堵。
3. 农业领域：物联网与边缘计算可以应用于农业生产管理中。
例如，通过在农田中部署传感器，可以实时监测土壤湿度、温度等指标，并通过边缘计算设备进行数据分析和决策，为农民提供精确的农事指导，实现农业生产的精细化管理。
三、物联网与边缘计算的技术挑战1. 数据处理：物联网产生的数据量巨大，如何高效地进行数据处理和分析是一个亟待解决的问题。
边缘计算可以在接近数据源的地方对数据进行处理和分析，减少数据传输和存储的压力，提高响应速度。
2. 安全性：物联网中涉及大量的设备和传感器，安全性是一个重要的关注点。
物联网与边缘计算
物联网与边缘计算
IoT（物联网）和边缘计算是当今科技界的热点话题，它们旨在改善
消费者和企业的终端体验。
物联网是一种全新的技术，有效的把物理世界
和网络连接起来，通过网络可以让物联网设备进行收集、交换、处理和分
析数据，从而达到增强和改善物联网设备的体验。
边缘计算把部分计算从
云端的中央服务器转移到边缘，以提高用户的体验，同时减少网络节点的
延迟。
在物联网中，传感器和执行器之间的信息传输是必不可少的，这就需
要建立可靠的无线网络，通过低功耗WIFI连接，可以实现高效的设备连接。
它是通过通信模块与设备的物理层结合，实现物理层的物联网交互，
可以有效的改善物联网的安全性和稳定性。
边缘计算的核心概念是将像传感器数据这样的数据处理任务移动到边
缘节点，以减少中央服务器的负载，而不是在中央服务器进行计算。
这样，采集的数据可以立即处理，并且反馈给用户更快。
它可以运行在设备的本地，或者在传感器网络中的路由器上，从而减少网络节点的延迟，从而改
善用户体验。
实际上，物联网和边缘计算可以结合在一起，以提高实时数据处理的
性能。
云计算中的边缘计算与物联网
云计算中的边缘计算与物联网随着云计算和物联网技术的快速发展，边缘计算作为二者的有机结合，正在日益受到关注。
边缘计算指的是将数据处理和存储的能力尽可能地迁移到离用户或物联网设备更近的边缘节点上，以提供更低延迟、更高可靠性和更强安全性的服务。
本文将探讨云计算中的边缘计算与物联网之间的关系及其在不同领域的应用。
一、边缘计算与物联网的关系边缘计算和物联网之间存在着密切的联系。
物联网通过传感器和设备将实物与互联网相连，形成一个智能化的网络。
而边缘计算则是在物联网中的边缘节点上进行数据处理和存储，弥补了云计算中集中式数据处理的缺陷。
可以说，边缘计算是物联网技术实现的关键支撑。
具体来说，边缘计算可以通过在物联网设备附近设立边缘节点，将数据的处理和存储迁移到离用户更近的地方。
这样做的好处是可以大大减少数据传输的延迟时间，并且降低了网络负载，提高了系统的响应能力。
此外，边缘计算还能提供更强的安全性，因为数据不需要经过云端进行传输，降低了被黑客攻击或数据泄露的风险。
二、边缘计算与物联网的应用1.智能家居领域在智能家居领域，物联网通过连接各种家居设备，实现了家居自动化和远程控制。
而边缘计算则可以在家庭网关设备或者智能家居控制中心上进行数据处理，实现更快速的决策和响应。
例如，在智能家居系统中，通过边缘计算可以实时监测家庭安全状况，比如火灾报警、水浸报警等，及时采取相应措施。
2.智慧城市领域智慧城市的建设离不开物联网和边缘计算的支持。
物联网可以通过传感器和摄像头等设备收集城市各种数据，比如交通流量、空气质量、垃圾桶填充情况等。
而边缘计算则可以在城市的边缘节点上进行数据处理，提供实时的城市管理和服务。
例如，在交通管理中，通过边缘计算可以实时分析交通状况并自动调整信号灯的时序，优化交通流量。
3.工业领域在工业领域，物联网和边缘计算也发挥着重要的作用。
通过将各种工业设备连接到物联网中，可以实现对这些设备的实时监测和远程控制。
而边缘计算则可以在工厂的边缘节点上进行数据处理和分析，提供更高效的生产管理和质量控制。
云计算中的边缘计算与物联网融合
云计算中的边缘计算与物联网融合云计算与物联网是当今科技领域的两大热点话题，它们的发展不仅带来了技术革新，也为各行各业的发展提供了新的机遇。
而边缘计算作为云计算和物联网的结合，进一步推动了这两者之间的融合与发展，为我们带来了更多的发展机会和挑战。
下面将就云计算中的边缘计算与物联网融合进行探讨。
一、什么是边缘计算与物联网边缘计算是一种将计算、存储和应用程序的处理从传统的中心化云计算数据中心移至数据源附近的一种计算模式。
它能够将数据处理和分析的任务分发到距离数据源更近的边缘设备上，减少了数据传输延迟和网络拥堵，提高了数据处理效率，满足了实时性和低时延的要求。
而物联网则是一种通过各种传感器和网络通信技术将物理世界与网络世界相连接的概念。
物联网将各类设备、传感器等实体与互联网连接起来，实现设备之间的信息交互和数据共享，从而实现智能化的管理和控制。
二、边缘计算与物联网融合的意义1. 提高数据处理效率：边缘计算将数据处理任务下发到边缘设备上，避免了数据传输到云端进行处理的延迟，提高了数据处理的效率。
2. 解决网络带宽瓶颈：边缘计算能够将大量的计算和存储任务分布到边缘设备中进行处理，减少了对云端的访问，从而减轻了网络的负荷，解决了带宽瓶颈问题。
3. 实现实时响应：边缘计算使得数据的处理和分析可以在靠近数据源的边缘设备上进行，可以实现实时的数据分析和响应，满足了对实时性的要求。
4. 提高数据安全性：边缘计算将数据处理和存储分散在各个边缘设备上，而不是集中在云端数据中心，减少了数据在传输过程中的风险，提高了数据的安全性。
三、边缘计算与物联网融合的应用场景1. 智能城市：在智能城市建设中，边缘计算与物联网的融合可以实现对城市中各个设备和传感器的监控和管理。
比如，通过将传感器和监控设备连接到边缘设备上，获取并分析实时的交通、环境等数据，实现对城市管理的智能化。
2. 工业控制：边缘计算与物联网的结合在工业控制领域中具有广泛的应用，可以实现对工业设备的实时监控和故障预警。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
云端智能技术
在面向物联网、大流量等场景中，为了满足更广连接、更低时延、更 好控制等需求，云计算向一种更加全局化的分布式结点组合形态进阶， 边 缘 计 算 是 其 向 边 缘 侧 分 布 式 拓 展 的 新 触 角 。 信 通 院 在 Global Management Framework of Distributed Cloud发布基于中心云 与边缘云形成的分布式一体化形态上构建全局化云端智能框架，如图 所示。
机器智能技术
端侧推理框架：
TVM是适用于CPU、GPU和专用加速器的开放式深度学习编译器堆栈，旨在 缩小以生产力为重点的深度学习框架与面向性能或效率的硬件后端之间的差 距。TVM工作栈如图所示。其中，高层IR层是基于计算图的表示，计算图是 有向非循环图，图的结点表示计算，图中的边表示数据流。低层IR层用于优 化计算内核，允许将操作属性添加到计算图中并指定转换规则，对计算图进 行迭代优化计算。
性高、隐私要求高、网络带宽受限的场景。 边缘智能介于终端智能和云端智能之间，适用于区域内多终端协同工作的场
景，如智慧家庭、智慧社区、智慧工厂、5G车联网和智能交通等。 在云端智能模式下，所有的数据将统一汇聚到云中心结点中进行处理分析，
其更适用于实时性、隐私性要求不高的场景，如全局数据分析、离线分析等。 此外，很多场景需要机器智能、边缘智能、云端智能的协同实现。
阔。 （1）低时延、高可靠的应用场景，如自动驾驶。 （2）注重数据隐私的内容更适宜在本地处理，如智慧家庭。 （3）功耗要求高或网络不稳定的应用场景更需要在本地处理，如智能穿戴设
备。
物联网泛在智能发展趋势
物联网场景下泛在智能的发展需Fra bibliotek：2．边缘智能的需求分析 边缘智能可实现边缘侧数据资源、计算资源、设备资源的智能协同，可应用
“端-边-云”泛在智能发展
物联网泛在智能发展趋势
物联网+边缘计算的发展分类：
按照智能服务的承载载体，物联网边缘计算可分为机器智能、边缘智能和云 智能3类：
机器智能指AI智能服务承载在终端设备侧，如人脸识别摄像头，其基于自身 的计算与存储资源，并在端侧承载人脸识别算法，实现端侧人脸特征的提取 甚至识别。
14.1 物联网泛在智能发展趋势
物联网泛在智能发展趋势
物联网+边缘计算的发展背景：
云计算是一种集中式服务，所有数据都通过网络传输到云计算中心进 行处理。资源的高度集中与整合使得云计算具有很高的通用性，然而， 面对物联网设备和数据的爆发式增长，基于云计算模型的聚合性服务 逐渐显露出了其在实时性、网络制约、资源开销和隐私保护上的不足。
物联网概论 Introduction to Internet of Things
| 第14章 物联网与边缘计算 |
本章知识点
✔学习完本章后，应当掌握如下知识：
14.1 物联网泛在智能发展趋势 14.2 边缘计算协同系统架构 14.3 机器智能技术 14.4 边缘智能技术 14.5 云端智能技术 14.6 边缘计算典型服务模式
14.3 机器智能技术
机器智能技术
AI专用芯片发展：
AI的蓬勃发展离不开技术的进步，尤其是近几年AI专用芯片的发展，大大缩 短了模型训练周期，为AI的快速发展提供了支持。
例如，谷歌在2016年首次公布了TPU计算架构，相对于CPU和GPU，其性 能更强，同年7月，谷歌发布了Edge TPU，专门用于边缘计算，功耗更低。 英 伟 达 在 2017 年 正 式 发 布 了 Tesla V100 ， 加 入 了 专 门 用 于 深 度 学 习 的 Tensor Core，相对于过去的GPU，加入了Tensor Core的GPU更适合处理 深度学习任务。
“端-边-云”协同智能系统架构
边缘计算协同系统架构
物联网场景下的云边计算协同处理模式：
物联网中的设备会产生大量的数据，若数据都上传到云端进行处理，会对云端造成巨 大的压力，为分担中心云结点的压力，边缘计算结点可以负责自己范围内的数据计算 和存储工作。物联网场景下的云边计算协同处理架构如图所示。
物联网场景下的云边计算协同处理架构
基本共识：在更靠近终端的网络边缘上提供服务。
物联网泛在智能发展趋势
物联网+边缘计算的发展态势：
电信网时代：“中心-边缘-端”的组网架构；互联网时代：数据中心、内容分发网络 （Content Delivery Network，CDN）、移动电话/PC延续了这种形态；物联网+ 边缘计算时代：云计算中心、小数据中心/网关、传感器则形成了新的“端-边-云”形 态。“端-边-云”泛在智能发展如图所示。
边缘智能指AI智能服务部署在边缘侧，如智能网关、边缘服务器、算力盒子 等。
云智能指AI智能服务部署在云计算中心，基于大量的计算、存储资源进行海 量数据分析。
物联网泛在智能发展趋势
物联网场景下泛在智能的发展需求：
1．机器智能的需求分析 机器智能技术具备低时延、高可靠、保护隐私、低功耗等特点，应用场景广
边缘计算协同系统架构
物联网场景下的云边计算协同处理模式：
2．边缘计算层 边缘计算层位于终端设备与云端之间，其由网络边缘结点组成。边缘结点可
以是智能终端设备本身，如智能手环、智能摄像头等，也可以被部署在网络 连接中，如网关、路由器等。显然，边缘结点的计算和存储资源是差别很大 的，并且边缘结点的资源是动态变化的，如智能手环的可使用资源是随着人 的使用情况动态变化的。因此，如何在动态的网络拓扑中对计算任务进行分 配和调度是值得研究的问题。边缘计算层通过对网络边缘侧计算和存储能力 的合理部署及调配，实现基础服务响应。
（1）云计算难以保证实时性。 云计算模型将全部数据上传至云计算中心进行处理，其处理速度受到
网络带宽、中心计算能力、总计算任务量等多个因素的影响，且请求 至响应的链路较长，各个环节的时延累积可能造成无法接受的处理时 延。
物联网泛在智能发展趋势
物联网+边缘计算的发展背景：
（2）云计算对网络环境过度依赖。 我国4G网络覆盖率超过95%，但仍存在着覆盖盲区。5G网络具有低时延的优势，但其
物联网泛在智能发展趋势
边缘计算的概念：
为了弥补云计算集中式服务的不足，边缘计算的概念应运而生。边缘计算是云计算概 念的延伸，二者是相依而生、协同运作的。
欧洲电信标准化协会认为边缘计算在移动网络边缘提供IT服务环境和计算能力，强调靠 近移动用户，以降低网络操作和服务交付的时延，提升用户体验。
Gartner认为边缘计算描述了一种计算拓扑结构，在这种拓扑结构中，信息处理、内容 采集和分发均被置于距离信息更近的源头处完成。
TVM工作栈
14.4 边缘智能技术
边缘智能技术
行为数据融合分析：
行为识别主要的实现方式对比如表所示，每种实现方式都有其各自的特点与 问题。
边缘智能技术
多源数据融合分析：
多源数据融合分析可以采用特征级数据融合方式、决策级数据融合方式等。 特征级数据融合方式如图所示，先对边缘侧多源数据进行特征集的融合，再
全局化云端智能框架
14.6 边缘计算典型服务模式
边缘计算典型服务模式
ICT服务商将云计算能力逐步扩展到边缘设备：
在国际上，云计算巨头Amazon、Microsoft和Google都已经推出了推出了相应的边缘计算产品。例如，华为在2018年推出了IEF平台， 通过纳管用户的边缘结点，提供将云上应用延伸到边缘的能力，联动边缘和 云端的数据，为企业提供完整的、边缘和云协同的一体化服务边缘计算解决 方案。
该类推理框架主要针对智能手机终端，近年来有了比较大的发展。 ③ 面向特定芯片的推理框架，如TensorRT、nGraph、ARM NN、SNPE等，
代表了芯片厂商对自身芯片AI能力的优化。 ④ 面向更广泛的资源受限的物联网终端的推理框架，如TVM、ONNX、GLOW、
NCNN等，上述框架通常具有对前端训练框架的转换、模型优化和适应端侧部署 等优势。
边缘计算协同系统架构
物联网场景下的云边计算协同处理模式：
1．云端层 云端层由各种物联网终端设备组成，主要完成收集原始数据并上报的功能。
在云端层中，只考虑各种物联网终端设备的感知能力，而不考虑它们的计算 能力。云端层的数十亿台物联网终端设备源源不断地收集着各类数据，以事 件源的形式作为应用服务的输入。
基于融合后的数据，针对目标场景选择合适的机器学习算法模型进行训练。
特征级数据融合方式
边缘智能技术
多源数据融合分析：
决策级数据融合方式如图所示，分别基于单源的数据进行机器学习算法建模， 并得到行为识别分类结果，再通过对多个分类结果的融合，得到最终的识别 结果。
决策级数据融合方式
14.5 云端智能技术
维基百科认为边缘计算是一种优化云计算系统的方法，在网络边缘执行数据处理，靠 近数据的来源。
边缘计算产业联盟认为边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计 算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏 捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
边缘计算协同系统架构
物联网场景下的云边计算协同处理模式：
3．云计算层 在云边计算的联合式服务中，云计算仍然是最强大的数据处理中心，边缘计
算层的上报数据将在云计算中心进行永久性存储，边缘计算层无法处理的分 析任务和综合全局信息的处理任务仍然需要在云计算中心完成。除此之外， 云计算中心可以根据网络资源分布动态调整边缘计算层的部署策略和算法。