從某種角度講，吸引了大量眼球和投資的自動駕駛汽車就是一場AI的游戲，而AI的進步將率先在邊緣計算中體現，並將助推邊緣計算解決物聯網引發的數據雪崩。
雖然各研究機構對全球數據的爆發式增長有不同的預測，但將計算和數據移動到更接近用戶的位置已是行業共識，在入局的各路科技大神眼裡，這一千億價值的新賽場將首先成為消費市場及智能工廠等領域的必選項。
章魚：我是天生邊緣計算能力者
正當邊緣計算和雲的關系被熱烈討論之時，知名創投調研機構CB Insights近日撰寫的《What Is Edge Computing》廣受關注，文章詳述了邊緣計算的發展和應用前景。文章稱，雲計算已不足以即時處理和分析由物聯網設備、聯網汽車和其他數字平臺生成或即將生成的數據，邊緣計算將派上用場。
但邊緣計算究竟是什麼?很多人仍然一頭霧水，在回答這個問題時，華為企業業務總裁閻力大表示，跟章魚差不多。在無脊椎動物中，章魚的智商最高，它擁有巨量的神經元，60%分布在八條腿(腕足)上，腦部僅有40%。但是，看起來用“腿”來思考並解決問題的章魚在捕獵時腕足之間配合極好，從來不會纏繞打結，這得益於它們類似於分布式計算的“多個小腦+一個大腦”。
目前的人工智能應用更多依賴於雲端，邊緣計算則將智能從雲端推向邊緣。用地平線智能解決方案與芯片事業部總經理張永謙的話說：“計算正從中央走向邊緣。”也就是說，不是所有的應用都要放在雲端，比如，當房子裡有物體移動時，智能家居的安全系統檢測可以依靠終端設備資源檢測正在移動的，是家裡的狗，還是闖入的賊，並據此作出精準的智能控制。
未來，如果沒有邊緣計算的支持，很多應用可能都是畫餅，如炙手可熱的無人駕駛汽車對實時信息交互和數據傳輸、交互的延遲指標要求非常苛刻，一旦系統響應慢，重則發生交通事故，輕則無人駕駛體驗大打折扣。
需要強調的是，雖然我們將把越來越多的基礎任務推向裝置所在的邊緣，但如Linux基金會物聯網資深總監Philip DesAutels所強調，這隻代表了越靠近邊緣的裝置越會變聰明，並不能說它與雲端毫無關系。雲端也會因為邊緣變得更聰明更智慧，它未來更重要的任務將是中央協調管理者。
邊緣計算+AI：為解決痛點問題而來
如英特爾所說，世界正陷入數據洪流的雪崩中，AI在進行分析處理時，更需要消耗大量的計算資源和存儲資源。如果能像章魚一樣，採用邊緣計算的方式，海量數據就近處理，大量的設備高效協同工作，諸多問題便迎刃而解。
網宿科技董事長劉成彥表示，在智能社會到來之際，物聯網的爆發所帶來的網絡容量以及對計算的需求，將遠遠大於人與互聯網之間的交互所帶來的需求，智能終端產生的數據能力也將遠遠大於人類產生數據的能力，預計未來將有50%的計算能力放在邊緣。
微軟全球資深副總裁、微軟亞太研發集團主席兼微軟亞洲研究院院長洪小文告訴記者：“邊緣計算能夠進行本地決策和判斷，能夠保証離線狀態下進行不間斷操作，適用於智能工廠、無人車等強調連續性、安全性的場景。”
英特爾中國區物聯網事業部首席技術官張宇博士說：“如何在網絡邊緣實現智能化，是駕馭數據洪流的關鍵環節之一，是物聯網未來發展的重要趨勢。”
所謂智能邊緣化，需要把雲上的模型，快速遷移到線下，將雲上智能改造為邊緣可用的輕量級智能，適配邊緣軟硬件環境和使用場景，而雲原生模型要用於邊緣節點，需要做模型轉換，壓縮，調優等工作。某知名大廠戰略研究人員劉先生對科技日報記者說：“看起來都是些技術問題，但付諸實施沒那麼容易，理論上開辟邊緣新戰場，打通雲/邊AI數據流通道，統一線上線下技術生態，統一AI架構好處很多，但若無業界協同，結合應用場景，綜合建設立體生態，人工智能助力邊緣計算隻能是空談。”
劉先生強調，人工智能不僅是數學和算法，更是綜合性技術應用，促進生產力和解決效率，才是AI的頭等大事，而不是那些神乎其神的能力。放到邊緣計算中看人工智能，最能理解這一點，從產業的角度講，智能邊緣作為人工智能的硬件形態，單點突破沒有意義，人工智能+邊緣計算的立體化應用突破才有價值，才能真正解決痛點問題。
安全風險：邊緣計算不可忽視的挑戰
中國科學院沈陽自動化研究所所長於海斌說：“無論邊緣計算技術將來形成什麼樣的組合業態，無外乎工業、制造、傳感、控制、計算、存儲和網絡的融合。邊緣計算是否能探索出面向未來的新型產業模式，將非常重要。”
如前文所述，將人工智能真正推向邊緣並不簡單，而在不斷涌現或一直就存在的各種挑戰與局限中，安全風險更是業界迫切需要關注的問題。
邊緣計算就像物理世界連接數字世界的橋梁和數據的第一入口，隨著智能邊緣設備(包括手機及物聯網傳感器)的激增，新興的攻擊矢量將不斷涌現，數據實時性、確定性、多樣性等諸多挑戰已擺在眼前。
互聯網行業分析師陳金玉說：“雖然邊緣計算能使安全部件更接近於攻擊源，啟動更高效的安全應用並增加分層數量以抵御針對核心的侵犯和風險，但不可否認的是，人工智能時代，數據的收集、使用等各環節本就面臨著新的風險。”
事實也是如此，在數據收集環節，大規模的機器自動化收集著成千上萬的用戶數據，並可對用戶全面追蹤。在數據使用環節，隨著大數據分析技術的廣泛使用，特定個人很容易被鎖定，消費習慣、行蹤軌跡等信息越來越多的被用於“精準營銷”，而這其中的使用尺度始終處於灰色地帶。
陳金玉說：“不僅如此，在數據的生命周期中，由於黑客攻擊、系統安全漏洞等原因，個人數據始終有被泄露的安全風險，目前這種風險又將怎樣被擴展到邊緣計算指向的人工智能消費領域及工業領域還難以預測。”
京公網安備 11010502049343號