本次查询：边缘AI
中文解释：边缘人工智能
常见场景：物联网 / 智能制造 / 自动驾驶 / 智能家居 / 安防监控
一句话解释
边缘AI就是把人工智能算法直接部署在摄像头、手机、传感器等本地设备上运行，让设备自己就能做判断，不用每次都把数据传到云端去处理。
为什么会被关注
传统AI依赖云端，网络延迟和带宽成本让很多实时场景难以落地。边缘AI将推理放到设备本地，响应时间从秒级降到毫秒级，尤其适合自动驾驶、工业质检等对速度要求苛刻的场景。
隐私问题也是关键。用户数据不需要上传云端，在本地完成分析，降低了数据泄露风险。同时离线可用也让智能设备在无网络环境下仍能正常工作，比如智能门锁的人脸识别。
核心逻辑
边缘AI的核心是模型轻量化技术，通过剪枝、量化和知识蒸馏等手段把大模型压缩到几MB甚至几百KB，再部署到ARM芯片、NPU或MCU等低功耗硬件上。
设备端利用专用AI加速芯片（如神经网络处理器）进行高效推理，只把必要的结构化信息（如“有人闯入”而非原始视频流）上传给云端做进一步分析或模型更新，形成端云协同的闭环。
常见场景
智能安防：摄像头内嵌AI芯片，实时识别可疑行为并报警，无需把所有录像上传云端。工业质检：产线边缘盒子对产品图像做毫秒级缺陷检测，次品数据再回传训练。
自动驾驶：车载芯片处理激光雷达和摄像头数据，实时决策刹车或转向。智能家居：语音助手在本地处理唤醒词识别，避免每次都要联网查询。可穿戴设备：手表本地运行心率异常检测模型，保护用户健康数据。
容易混淆的点
边缘AI不等于离线AI。它通常仍会与云端保持定期通信，用于模型更新和异常上报，只是推理过程在本地完成。另外边缘AI也不等同于边缘计算，后者范围更广，包含网络、存储等基础设施，而边缘AI特指在边缘侧部署和运行AI模型。
很多人把端侧AI与边缘AI混用，其实端侧AI是边缘AI的子集，专指手机、手表等消费终端；而边缘AI还包括工业网关、路侧单元等更重型的边缘节点。两者共同特点是数据不离场、低延迟。