保持适当的平衡-如果您完全致力于边缘AI，那么您将失去持续改进模型的能力。没有新的数据流，您将无处利用。但是，如果您完全致力于云AI，则可能会危及数据质量-由于需要进行权衡才能使其可上传，并且缺乏反馈来指导用户捕获更好的数据-或数据量。
例如，在连接的汽车中，汽车上的传感器会提供实时数据流，该数据流会不断进行处理并做出决策，例如施加制动器或调整方向盘。可以将相同的传感器数据流式传输到云中以进行长期的模式分析，从而可以警告所有者急需的维修，从而可以防止将来发生事故。另一方面，云AI对边缘AI进行了补充，以推动更深入的见解，调整模型并继续增强他们的见解。
在其他情况下，云AI训练可能会导致神经网络模型具有过多的层次，无法在边缘设备上有效运行。在这些情况下，边缘AI可以运行较轻的神经网络，从而创建输入的中间表示形式，该中间表示被压缩得更多，因此可以发送到云中以进行进一步的AI处理。
边缘AI芯片组中受支持的神经网络架构的类型是有限的，并且通常比在云中可以实现的功能落后几个月。解决这些局限性的一种有用方法是使用编译器工具链和堆栈，例如Apache TVM，它们有助于将模型从一个平台移植到另一个平台。
如果把摄像机看作人的眼睛，智能视频系统或设备则可以看作人的大脑。智能视频技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息。
系统能够以最快和最佳的方式发出警报并提供有用信息，从而能够更加有效的协助安保人员处理危机，切实提高监控区域的安全防范能力。
人工智能给教育者和学习者都带来了巨大的好处。
但是人工智能能让我们更聪明吗?人工智能能通过教育提高你的智力吗?
基于云计算的LMS软件等工具可以监视和记录学生的活动，以了解更多关于他们的学习习惯和需求。然后AI分析这些数据来个性化学生的学习材料。
在面临大流行的时代，商业需要“思考教育”，教育也必须“思考商业”——个人学习必须采取商业和教育两种态度。
但这与提高智力有什么关系呢?
通过使用人工智能将所有这些任务自动化，教师可以把更多的时间集中在与学生的互动上。他们可以为学习者提供即时反馈，并花更多的时间进行一对一的交流;他们可以专注于进一步个性化他们的课程和提供更好的学习体验。
运维人员安全职责：从维护数据到支撑业务，根据业务相关性分成3层：
·第一层是数据的安全性，也就是如何防止托库。保障好数据库安全，这一层的能力更专注在数据库本身防护，比如加密技术，权限控制技术。比如数据库被暴力破解，因为没有加密，被黑客攻破后把这个数据完全荡走，在日常的运维过程当中接触最多，需要对数据库做内在或者外围加固，防止数据库系统被攻破，把里面的数据拖走或者是毁坏。
