PREFACE
前言

随着第五代移动通信技术（简称5G）的快速发展，运行在移动终端的人工智能应用成为主流，例如人脸识别、增强现实等先进技术广泛应用于教育、医疗、精密仪器检修、仿真等多个领域。5G提供人与物、物与物，以及不同地域之间设备的互联，进一步促进了人工智能的发展和广泛应用。由于5G网络中边缘侧存在大量数据与应用，传统云计算已经无法满足这些应用对时延和带宽的要求，智能边缘计算随之得到发展。通过将算力部署在边缘侧，智能边缘计算可以实时响应各种人工智能应用对带宽、性能等的严苛要求。

机遇与挑战并存。一方面，智能边缘计算由于边缘设备的功能、算力等受到限制，而传统机器学习模型需要大算力，也无法应用到智能边缘计算中。另一方面，智能边缘计算节点众多、算力分布性极强，在和云数据中心协同的同时，需要边缘节点之间的横向协同，及高效、智能的任务调度、资源管理方法。

针对以上挑战，本书结合实例系统性地介绍了智能边缘计算所需要的核心技术。本书包括四部分：第一部分（第1、2章）介绍边缘计算的基础、发展历史，以及发展趋势；第二部分（第3～5章）介绍面向边缘计算的机器学习技术，包括微小机器学习、分布式机器学习和联邦学习；第三部分（第6～9章）讲述在边缘计算中支撑智能应用的核心优化问题与技术；第四部分（第10～12章）阐述如何基于本书中的相关技术，构建实际智能边缘应用。

本书可以为边缘计算、物联网、嵌入式和智能系统、机器学习与应用、网络通信等领域的科研人员和从业者提供一些前沿视野及相关理论、方法和技术支撑，如边缘系统智能能量优化、学习驱动的任务卸载与服务缓存、边缘大数据分析、软件定义边缘网络、网络切片，也可作为相关专业高年级本科生和研究生的教材或参考书。