人体状态感知为什么要区分端侧、边缘和云端？

用一个多设备空间理解三种位置

设想一个具有机器人、智能镜、固定感知入口和环境设备的室内空间。各入口在设备内处理适合的信息，是端侧的一种组织方式；现场节点组织计算或连接多个设备，属于边缘部分；远处服务器承担适用的管理与历史服务，则属于云端部分。

这些位置不要求一一对应“感知、决策、执行”。一台机器人可以自行完成某些计算，同时作为空间系统的参与者；现场节点可以提供协同，但不必成为所有动作的唯一控制中心。

端侧、边缘和云端按计算位置区分，功能取决于各处承担的任务。NIST的雾计算概念模型强调分布式计算的组织；实际产品中，“端”和“边缘”的边界可能随架构而变化。^[1]

先把原始视频与结果信息分开

原始视频、处理中的特征、生理相关结果、状态报告和账户信息，是不同的数据对象。它们可以采用不同路径，不能看到“连接云端”四个字，就默认原始视频一定上传；也不能看到“本地算法”，就默认所有其他数据都不离开设备。

例如，一种可能的设计是在设备上分析视频，仅向业务系统提供必要结果；另一种设计可能在现场服务器完成分析。实际采用哪条路径，要查所选产品和部署配置。

图示可在框内左右滑动查看。

端侧：把一部分处理放在设备内部

端侧处理把计算放在采集设备内部。机器人、车载设备或终端可以在本机完成适合的计算，减少对远程往返的依赖。与此同时，设备资源、散热、软件更新与维护也要由相应系统承担。

端侧处理的速度与安全性取决于设备能力、处理任务和软件链路。数据是否保存、哪些结果向外发送，还要看系统的数据处理配置。

边缘：在现场组织多设备与计算

现场节点可以承担适合集中处理的任务，也可以连接已有系统。采用现场节点时，需要明确设备资源、网络范围和运维分工，并按产品规格确认可接入的输入与任务处理能力。

科思创动提供的目录中包含离线边缘计算设备这一形态。^[2] 某项现场处理支持离线时，远程管理、账户授权和其他业务服务是否仍需联网，要分别确认。

跨入口服务，不等于所有数据都要集中

空间系统需要接续的可能只是用户选择、任务进度或一段有来源的状态摘要。原始视频可以采用另一条数据路径，甚至不被长期保存；具体是否如此，要看实际配置。

例如，若方案允许智能屏在机器人离线时承接已确认的服务，任务记录、接口和权限就要支持这种接续。采用边缘计算本身并不能保证这一功能。

还应区分服务接续和测量合并：不同设备提供的信息可以为不同任务使用，跨设备的生理数值比较仍需要单独处理可比性。整体系统的组织方式见《当室内空间成为物理AI系统，人体状态智能能带来什么？》。

云端：适合的管理任务，不等于必须收集所有视频

云端可以承担适用的业务管理、配置分发或历史服务。云端是否参与、接收哪些信息，都应根据这些任务的实际需要确定。

分析长期趋势未必需要保存原始影像，可以按任务需要保存结果及其采集条件。即使原始视频已删除，衍生的个人状态信息仍需设置访问权限并做好数据保护。^[3][4]

怎样按需求安排计算任务？

部署图应标明所选方案的实际数据对象、处理位置和传输路径。

明确各处的任务与网络依赖

按任务需要安排端侧、边缘和云端的处理，可以只采用其中一部分。每项数据处理都应有明确用途，并向使用者和运维团队说明它依赖哪些设备与网络连接。

关于“是否上传、是否保存”的进一步说明，见《非接触感知会上传或保存视频吗？怎样理解数据路径与隐私？》。