本项目旨在探索和实现人工智能算法及模型在边缘设备上的有效部署与应用。通过将边缘设备采集到的数据进行本地分析，并把分析结果反馈至云端，本项目致力于推动AI算法和模型的持续优化与迭代训练。这一过程不仅能够提升边缘设备的智能化水平，也能够促进云端算法的精准度和效率。
为了满足「边云协同智能计算」在实验教学和科研工作中的应用需求，同时增强重庆邮电大学计算机学院在边缘计算技术领域的实验与教学能力，并进一步提升教学实验的效率，启动了边缘计算智能服务系统的建设项目。此项目为学生和研究人员提供实际操作和研究的平台。
项目挑战
AI云管理平台的可靠性与支持能力：
提供一个稳定且高效的AI云管理平台，该平台需能够支持Tensorflow、Caffe、MXNet等多种主流的机器学习框架，以实现训练集群任务的高效执行。此外，平台应具备模型托管功能，能够统一管理CPU、GPU及FPGA等不同计算资源，以满足多样化的计算需求。同时，为了支持实验教学，平台还需提供完整的实验环境、数据集、教学材料等资源。
智能分析与数据处理功能：
平台应集成智能分析、数据处理和任务调度功能，以支持复杂的数据分析工作。用户界面应设计友好，具备直观的图表展示和大屏展示能力，以便用户能够轻松地监控和管理AI任务的执行情况。
边缘智能计算设备的兼容性：
提供与AI云平台兼容的边缘智能计算设备，这些设备应能够无缝地与云平台进行数据交互，实现边缘数据的采集、处理和分析，从而提高整体的计算效率和响应速度。
需要高性能加速卡：
为了进一步提升人工智能算法及模型的推理速度，平台应配备先进的FPGA加速卡。这些加速卡专门设计用于优化AI推理过程，能够显著提高计算效率，降低延迟，特别是在处理大规模数据和复杂模型时，能够提供显著的性能优势。
解决方案：
本次项目包括边云协同智能计算平台、人工智能加速卡以及配套的边缘计算智能终端设备。平台将CPU、GPU、FPGA三种计算资源统一管理和调度，通过典型算法展示，结合人工智能的应用场景、案例以及智能终端设备，对学生进行人工智能方面的综合训练，达到专业实验教学由点及面、理论到应用、涵盖原理验证/综合应用/自主设计及创新的多层次实验体系。
方案效果：
「边-云协同」，教学研一体化实验平台
智能终端与人工智能云计算平台无缝对接，打通了A算法、模型训练的软件层与智能终端的硬件层壁垒，学习软件编程的学生，也能通过软件来驱动智能终端硬件。
提科研转化能力，助力产业应用创新
构建校企人才培养、项目科研协同发展的新模式，实现高校产学研一体化协同发展，为高校教师横向课题的研究带来了更多支撑能力。
