边缘计算，联想大脑-Edge AI的C位出道( 二 ) 如果我跟你说“边缘计算”

Edge AI有诸多特点：算法运行在边缘设备或设备附近的服务器上，算法处理的?数据来自设备本身或与设备相连的传感器，设备可以在毫秒内?做出独立决策，隐私数据不会上传到互联网或公有云。
【边缘计算，联想大脑-Edge AI的C位出道】联想大脑-Edge AI平台天生具备本地化、自学习特征，不仅能解决样本数据少、场景泛化难等瓶颈问题，它在场景应用中同样高效，能够满足行业在敏捷连接、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，实现算力和智能在边缘端“自给自足” 。
打个比方， Edge AI平台就像家里自建的一套暖气片，不仅能分析出入规律提前供暖，还能远程调温和辨别屋内情况。如此一来，相比集中取暖模式，大大节省了家庭开支，同时解放了人员精力、保证了更人性化的供暖需要，实现家庭管理上的降本增效。
作为为数不多能够提供“端-边-云-网-智”全要素的科技企业，联想在自身的智能化实践中，打磨了新IT架构的核心“擎天” ，而联想大脑-Edge AI平台正是“擎天”在边缘侧的技术延伸，为边缘智能的快速发展和应用提供了强劲的AI动力。
或许你会疑惑，这么爱“学习”的联想大脑-Edge AI平台，是如何做到的呢？
这需要先了解“联想大脑”是什么，联想大脑是联想自主研发的企业级人工智能平台，为行业用户提供云-边-端全场景、全生命周期的AI方案构建、部署和运行支持。联想大脑-Edge AI平台是联想大脑的重要组成部分，正是联想在Edge AI领域的一个平台级产品，基于联想大脑云侧的大规模分布式训练引擎， Edge AI平台内置了丰富的边缘预训练AI模型，提供了AI方案的自动生成工具，生成的AI方案会通过云边协同工具分发到边缘设备上，这个方案就是Edge AI子系统。
也就是说，联想大脑-Edge AI平台侧重在边缘端的“思考”能力，其核心在于小样本终身学习技术，有了这套“五年高考三年模拟” ， Edge AI平台可以专治边缘场景应用中模型构建难、数据样本少、场景适配慢等疑难试题。
再深入一点理解，这一项技术是通过 “元学习（meta learning）” 与“数据增强”结合实现的。
“元学习”顾名思义，就是利用以往的知识经验来指导新任务的学习,具有学会学习的能力。举个例子，如果你是一名小轿车司机，现在需要学习开大卡车。两者虽然存在不少差异，但“增驾”总比从零开始更容易，因为有些基础可以借鉴。
“数据增强”则是通过原始样本空间增强、模型特征空间中数据扩充、风格迁移等方式，扩充了样本容量，丰富了数据分布，进一步提升了模型的学习能力，从而实现终身学习。小样本终身学习技术的应用大大降低了AI在不同场景、不同行业部署应用的成本。原来需要几周甚至几个月才能搭建出一套新场景的智能化方案，现在几个小时就可以完成。
更重要的是，随着场景化AI模型的不断丰富，用户可以通过一站式开发环境生成AI解决方案，并进行规模化部署，实现本地AI模型动态持续更新，满足低延时、更精准和数据隐私保护等用户需求。
在实际的业务场景中，挑战经常来自于算法与场景的适配。如何开拓更多的应用场景，这极大地考验厂商在生态构建上的能力。联想的目标，是基于联想大脑-Edge AI平台“交朋友” ，每个客户和伙伴不仅是Edge AI的使用者，同时也是Edge AI生态的共创者。
总的来说，联想致力于打造一个更有创造力和价值商用物联生态，以更快、更好、更低成本的模式，加速各行各业边缘智能方案的开发进程。