视频物联网近年来呈逐年增长趋势。据IDCGlobalDataSphere，2020全球视频监控产生的数据约18.1PB（1PB=1024TB），占同期物联网总数据量83.1%。智慧城市、智慧交通、智能家居等物联网领域中存在大量的视频终端。使用MPEG-4压缩，30fps/1280×1024分辨率的单一连续视频每天产生约128G数据；搭配了摄像头和雷达的L2辅助驾驶系统的车载系统每30秒就会生成超过6GB的数据。此类视频分析场景特别是高清视频分析类场景需要占用大量的带宽资源，并且大流量的视频数据传输易引发网络拥塞、服务的品质下降等问题。

  端侧计算应用于此类大流量场景，可第一时间对收集的视频数据来进行处理分析，将处理和分析后的结果再上传至云侧数据中心，大幅度减少网络数据传输、降低网络带宽负荷、缓解云数据中心存储与计算的压力，并能够提升系统的实时响应能力。随着端侧AI芯片的性能不断的提高，AI安防等视频监控应用向端侧前移趋势愈加明显。

  在自动驾驶、工业控制、虚拟现实等时延敏感类应用场景中，终端采集数据上传到云端，云端计算后再将结果返回终端，将会引入网络和平台处理时延，考虑网络不稳定等因素，时延可能会更大。随着6G人工智能技术的逐步发展，车联网将在深度学习、多传感器融合等方法的使能下形成车辆、路侧、云端的全场景一体化感知决策架构，实现协同决策，更好地助力无人驾驶。IDC报告数据显示，2022年第一季度L2级无人驾驶在乘用车市场的新车渗透率达23.2%，整个市场处于L2向L3发展的阶段。辅助驾驶对于端到端时延的要求在100毫秒，自6动驾驶对于端到端时延的要求进一步提升到20~100毫秒。在工业控制中，诊断信息的时延要求为10毫秒，运动控制的时延要求提高至25-100微秒。虚拟现实的需要保证所有捕捉动作到头显中动作小于20ms，以避免用户产生眩晕感。

  端侧计算应用于此类实时计算场景中的全部或者部分计算，可大大降低端到端时延，满足业务低时延实时计算需要。目前芯片厂商纷纷布局端侧大算力，助力无人驾驶等实时计算场景。

  在人脸验证、可穿戴设备等隐私保护场景下，用户对个人数据的隐私性较为敏感，对于在设备端读取的用户人脸、语音、视频等数据上传云端做多元化的分析，存在数据安全与隐私泄露风险。据中国互联网协会《中国网民权益保护调查报告（2021）》显示，82.3%的网民亲身感受到了由于个人隐私信息泄露对日常生活造成的影响，49.7%的网民认为个人隐私信息泄露情况严重或非常严重。

  端侧计算应用于此类隐私保护场景，可在端侧对数据完成预处理，对数据来进行去标识化、匿名化处理等，将脱敏数据与平台做交互，提升用户隐私数据保护能力。

  在智能家居等场景下，由于终端设备网络不稳定，断网时需要能够持续稳定的运行。IDC预计未来五年中国智能家居设备市场出货量将以21.4%的复合增长率持续增长，2025年市场出货量将接近5.4亿台。当前智能家居正在向着构建单用户画像，理解用户生活行为，提供“千人千面”的个性化服务的方向发展。如果上述服务完全部署在云端，断网时终端设备无法正常响应，将严重影响用户体验。

  端侧计算在端侧部署服务，在云端保存一个映射。这样既保证内网设备稳定有效的运行，也保障用户在外网状态时可以远程操作家里的智能设备。