目前大部分方式是通過云端聯(lián)網(wǎng)和數(shù)據(jù)中心來進行大規(guī)模計算，從而實現(xiàn)人工智能，比如整個城市的智能交通。云端具備連結多方大數(shù)據(jù)，擁有超強計算力的優(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。

云計算這一術語已經在大多數(shù)消費者的消費理念中占據(jù)了一席之地，邊緣計算可以看做是無處不在的云計算和物聯(lián)網(wǎng)（IoT）的延伸概念。我們可以將邊緣計算看作是遠離核心的移動計算。從根本上來講，邊緣計算是智能和計算從云網(wǎng)絡中的集中式數(shù)據(jù)服務器到網(wǎng)絡邊緣硬件的移動，傳感器不是在某個位置收集數(shù)據(jù)，然后將數(shù)據(jù)發(fā)送回中央服務器進行處理，而是在本地可用的硬件上對數(shù)據(jù)進行處理，只把處理結果發(fā)送到云端，以便確保信息的即時可用性并進行操作，而不需要進一步對數(shù)據(jù)加以處理。

將計算遷移到邊緣具備以下幾個優(yōu)勢，能夠促進更理想的計算：

• 能夠近乎實時地處理數(shù)據(jù)

• 處理的數(shù)據(jù)可以從各個邊緣節(jié)點并行收集

• 消除了在帶寬有限的網(wǎng)絡上發(fā)送原始數(shù)據(jù)的負擔

• 消除計算量大的原始數(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) 就是在人工智能領域出現(xiàn)的、需要在本地終端進行計算的應用場景。相比云端智能，嵌入式人工智能要做的，是能夠在本地進行實時環(huán)境感知、人機交互與決策控制。由此，一場由邊緣向中心進發(fā)的革命正在醞釀、爆發(fā)，這正式邊緣計算火熱的根源。

瑞薩電子的e-AI技術是在本公司生產的MCU或MPU上生成AI算法，運用算法在嵌入式設備上進行操控，從而使嵌入式設備進行AI操控。然而，我們需要讓人工智能持續(xù)學習。很多人認為，在機器學習和算法生成時，現(xiàn)有價格低廉的MCU和MPU存在運算速度緩慢和內存小的缺陷，因而無法立即實現(xiàn)。然而，瑞薩電子的e-AI技術可以通過以下兩步攻克這一難題：

(1) 算法在后臺生成，而在MCU和MPU中保持下載更新最新算法;

(2) 在MCU或MPU上加載一個特別運算電路，通過這個運算電路進行高速、低功耗的AI判別。由此，瑞薩電子可在嵌入式設備中支持AI運行。