边缘AI
边缘AI是指在靠近数据源的终端设备或边缘节点（如手机、摄像头、工业传感器等）上直接部署和运行人工智能模型的技术体系。与依赖云端计算的传统AI不同，边缘AI将推理计算迁移至本地，具备低延迟响应、减少数据传输带宽消耗及保护用户隐私等核心优势，广泛应用于自动驾驶、智能安防、工业检测等实时性要求较高的场景。
核心事实
时间轴 (近 90 天)
边缘AI通过在边缘节点完成识别与响应，可以在毫秒级实现低延迟决策，无需等待数据往返云端。
边缘AI减少了对集中式云基础设施的依赖，当网络中断或云端服务不可用时，边缘节点仍可独立运行关键任务，提升系统韧性。
边缘AI将原始数据保留在城市边界内、仅在边缘节点完成处理，可降低数据外泄风险并回应合规要求。
边缘AI具有三个结构性优势：低延迟决策、数据本地化和降低云端依赖。
IEEE Spectrum 发布的一份白皮书指出，从智慧城市向认知城市的跃迁，关键在于基础设施能否在实时条件下完成感知、推理与行动，而边缘AI是这一跃迁的技术底座。
边缘场景通常选择 1B 到 3B 参数的小模型，其中 3B 模型 4-bit 量化后约 1.5GB，1B 模型约 500MB。
静态阈值模型并行运行作为安全监视器，可以否决适应并触发警报，这种混合方案（适应模型做细致状态估计、冻结模型做生命安全警报）在测试中更稳健。
对于儿童玩具这类涉及弱势群体数据的产品，本地处理应是产品能否上市的前置条件，而非锦上添花的功能。
在边缘AI芯片性能快速提升的背景下，本地处理的技术门槛正在下降，隐私架构正从合规成本转变为产品差异化要素。
Eiliko所代表的消费级AI玩具普遍采用'瘦客户端+云端大模型'架构，设备本身只负责拾音、播放和表情驱动，语音识别（ASR）、自然语言理解（NLU）和语音合成（TTS）都在远程服务器完成。
还有 13 条时间轴事件
全部知识事实 (20)
本地化部署可将AI响应延迟从数百毫秒压缩至个位数毫秒级别，同时避免用户数据离开设备
65%已验证端侧AI指将机器学习模型的推理过程直接在终端设备上完成，而非上传至云端服务器处理，需通过模型压缩和硬件加速弥补算力差距
65%已验证端侧推理可将手语翻译延迟从云端方案的200-500毫秒降低至50毫秒以内
65%已验证边缘AI（Edge AI）是将人工智能计算从云端迁移到本地设备（手机、传感器、嵌入式系统）上运行的技术范式
65%待验证边缘AI减少了对集中式云基础设施的依赖，当网络中断或云端服务不可用时，边缘节点仍可独立运行关键任务，提升系统韧性。
50%待验证IEEE Spectrum 发布的一份白皮书指出，从智慧城市向认知城市的跃迁，关键在于基础设施能否在实时条件下完成感知、推理与行动，而边缘AI是这一跃迁的技术底座。
50%待验证边缘AI具有三个结构性优势：低延迟决策、数据本地化和降低云端依赖。
50%待验证边缘AI通过在边缘节点完成识别与响应，可以在毫秒级实现低延迟决策，无需等待数据往返云端。
50%待验证边缘AI将原始数据保留在城市边界内、仅在边缘节点完成处理，可降低数据外泄风险并回应合规要求。
50%待验证边缘场景通常选择 1B 到 3B 参数的小模型，其中 3B 模型 4-bit 量化后约 1.5GB，1B 模型约 500MB。
50%待验证静态阈值模型并行运行作为安全监视器，可以否决适应并触发警报，这种混合方案（适应模型做细致状态估计、冻结模型做生命安全警报）在测试中更稳健。
50%待验证对于儿童玩具这类涉及弱势群体数据的产品，本地处理应是产品能否上市的前置条件，而非锦上添花的功能。
50%待验证Eiliko所代表的消费级AI玩具普遍采用'瘦客户端+云端大模型'架构，设备本身只负责拾音、播放和表情驱动，语音识别（ASR）、自然语言理解（NLU）和语音合成（TTS）都在远程服务器完成。
50%待验证'瘦客户端+云端大模型'架构能降低单机硬件成本、支持模型快速迭代，但代价是每一句对话都必须离开设备。
50%待验证边缘AI方案将小型化模型部署在本地芯片上，数据不出设备；受限于算力和功耗，其对话能力通常弱于云端方案。
50%待验证小模型在边缘场景下的经济性翻转：一次性硅片成本替代了按token计费的API账单。
50%待验证板载推理使无人机在GPS拒止、通信干扰或信号封锁的对抗环境中能独立完成感知-决策-行动闭环，无需将图像回传云端或地面站
50%待验证边缘AI推理通常在设备端完成初步识别，再将结构化数据上传至云端生成历史报告
50%待验证边缘设备上因资源受限，语音识别、模型推理、语音合成往往需要串行流水线调度而非并行运行，会增加端到端响应延迟
50%待验证边缘设备部署AI的投资回报周期通常在3-12个月
50%