物联网系统从云到边缘的演进：打造高效、低成本的智能终端

物联网系统的发展经历了从“云中心”到“边缘+云”再到“终端智能”的转变。早期大量传感器将数据全部上传云端，导致了带宽拥堵、延迟增加和成本飙升。随着边缘计算和人工智能的落地，系统架构变得更加灵活，能够在不增加硬件负担的前提下，显著提升性能并降低运营成本。本文将从背景问题出发，逐步解析边缘处理、AI在终端节点的应用，并以RSL10智能拍摄相机为例，展示如何在实际设计中实现超低功耗的边缘智能。

一、物联网发展的早期挑战（2019年前后）

2019年之前，大多数物联网系统由超低功耗无线传感器节点组成，通常由电池供电，提供传感能力。它们的主要目的是将遥测数据发送到云端进行大数据处理。随着物联网成为新的流行语和市场趋势，几乎每家公司都在这样做以实现概念验证（PoC）。云服务提供商有漂亮的仪表板，以有吸引力的图表呈现数据，以帮助支持PoC。PoC的主要原因是说服利益相关者投资物联网并证明投资回报，以便为更大的项目提供资金。

然而，随着生态系统的扩大，通过云来回发送太多数据的问题逐渐暴露：

• 带宽阻塞：大量传感器同时上传数据，很容易占满网络带宽。
• 延迟问题：数据往返云端耗时增加，对实时性要求高的应用（如工业控制）可能导致故障。
• 成本飙升：早期物联网基础设施和平台投资需要货币化，而随着更多节点加入，网关、云服务等费用持续上涨。

尽管5G和Wi-Fi 6E等标准承诺在带宽和传输速度上有重大改进，但与云通信的大量物联网节点已经爆炸式增长，单纯依靠网络升级无法根本解决上述矛盾。

二、边缘计算成为主流解决方案

大约在2019年，边缘计算的想法成为一种流行的解决方案。边缘计算在本地传感器网络中实现更高级的处理，从而最大限度地减少需要通过网关到达云并返回的数据量。这样做的好处包括：

• 直接降低成本：数据本地处理减少了云端传输和存储费用。
• 释放带宽：为其他节点腾出通信资源。
• 减少网关数量：每个节点传输的数据更少，所需网关数量也随之降低。