边缘计算给我们带来了什么影响？
以传统的方式，物联网和人工智能有什么问题？
首先，我们来谈谈物联网。它的地理位置非常分散，很容易理解。例如，工作区有许多物联网设备。这些设备的位置非常分散，这意味着网络环境不同。在某些地方，网络可能更好。在一些地方，地下室和其他网络可能会变得更糟。在这种情况下，物联网设备的地理位置非常分散，我们对物联网的响应时间非常长。难以确保大型设备的管理和数据安全。
在响应时间方面，例如，如果一些设备被放置在网络较差的地下室，网络就无法保证，响应时间也无法保证。
第二个是大型设备的管理。所有这些物联网设备的状态都将报告给云。云将暴露于管理中的大型设备，这将给云带来巨大的管理压力。
数据安全得不到保证。我们所有的数据都是从边缘上传到云端的，因此在传输过程中存在数据被公共网络窃取的风险。[这些混蛋删除了我的数据库并威胁我，喵喵喵喵]
这是传统物联网方式面临的问题。
我们来看看人工智能面临的问题，人工智能应用需要大量的逻辑计算资源。随着对计算资源要求的提高，数据传输将增加功耗。
从我们刚才提到的人脸识别来看，视频数据的传输需要支持更多的带宽。上传这些数据会降低上传性能，导致AI应用程序延迟而没有实时响应。
那么，我们如何解决刚才提到的关于物联网和人工智能的问题呢？
边缘计算的任务很简单，可以更接近数据源。
基于通过物联网直接访问云，我们引入了边缘计算。红色粗箭头是访问边缘计算的方法。现在，我们已经改变了直接从云访问边缘计算的方式。对于边缘计算，通常可以理解为具有边缘计算的节点。水上互联网和人工智能是直接访问边缘计算的节点，边缘计算节点与云交互。
