物联网的发展带动人工智能需求的增长，而当前人工智能应用越来越强调云、边、端的多方协同。
对于人工智能的代表深度学习来说，智能算法通常运行于具有强大计算能力的云计算数据中心。而为了使智能更加贴近用户与物端，解决人工智能落地的“最后一公里”，可将运行深度学习应用的移动设备将部分模型推理任务卸载到邻近的边缘计算节点进行运算，从而协同终端设备与边缘服务器，整合二者的计算本地性与强计算能力的互补性优势。
人工智能的模型需要不断地迭代和升级，边缘计算恰恰可以很好地支撑分发和迭代；边缘计算形成了非常好的数据采集能力，这些数据正好是人工智能所需要的输入；人工智能在边缘计算端运行，可以确保很多数据在本地端进行推演，减少敏感数据的外泄；而通过后端的开发机制，可以借助于高阶的开发框架把人工智能应用下发下去。这些都是边缘计算的体系结构对人工智能的很好支撑，使两者之间产生出‘1+1>2’的化学效应。
总体而言，边缘计算赋能人工智能，将催生“边缘智能”的崭新范式，给未来的生产作业带来极大的便捷与创新。
边缘智能已经在许多应用领域有了优异的表现，如图所示的边缘智能在实时视频分析中的应用，实时视频分析在智能工厂、智慧社区、无人驾驶等场景中都是不可或缺的关键环节，借助边缘智能实时视频分析可以更加智能、更加高效。在实时视频分析服务的应用过程中，智能手机、智能摄像头等资源受限的终端设备在捕获视频数据之后，若无法支撑人工智能服务高额的资源消耗，智能终端可以仅执行数据压缩、图像分割等预处理，然后将数据传输至边缘节点处理。
数量众多的边缘节点一旦接收到来自终端设备的服务请求后便立即开始处理，并且在边缘端还可以进行多个边缘节点之间的智能协作以提供更好的服务。当边缘端无法满足应用的资源需求时，可以将数据传输至云端处理，但也会不可避免地造成额外的传输时延，这也是未来需要解决的问题之一。
此外，云端除了提供强大的资源支持之外，还能为边缘端提供人工智能模型的聚合更新能力，从而帮助边缘节点对全局知识进行学习和训练。
Amino Network致力于全球首个规模化商用边缘计算网络的构建，在“边缘智能”领域有多年的研究与应用落地——
（1）智慧医疗
通过边缘计算+AI 提升医疗资源效率，改善病患就诊体验
成功案例：
亚太地区多国城市医院，以及中国多家三甲医院
（2）人工智能平台
针对深度学习模型在网络边缘侧的部署，通过协同优化模型分割和模型精简策略，实现时延约束下的高精度模型推理
成功案例：
全球第一个分布式深度学习平台（英伟达2018年度中国9大创新应用奖）
（3）智慧物流
通过边缘计算+AI 降低物流运营成本、提升转运效率、保障货物安全
成功案例：
台湾统一企业连锁仓库，长三角物流转运中心
（4）工业4.0
通过边缘计算+AI 实现工业自动化管理，生产数据分析、决策
成功案例：
汽车自动化涂胶及智能检测机器人
华东最大发动机叶片生产线智能管控系统
从算力世界中数据的海洋，到集合着成千累万信息的数字空间，再到人类智力对信息处理的参与，最终到达智慧边缘计算，Amino Network用智能的、高效的方式最大限度地处理信息并反馈给人类，这条路似乎还有着无尽的绵延。但无论技术怎样发展，这些数据都会从人类和世界中来，最终也必然被运用于人类对世界的认识和改造中。