別以為人工智能（AI）只能依靠云計算來實現，其實未來大部分還得交由邊緣計算完成才靠譜。然而現階段的AI部署卻受限于邊緣計算的元器件成本、設備智能分析能力、安全與隱私保護等等挑戰，仍需要云計算來輔助實現罷了，具體特征表現為以下三個方面。
AI帶動邊緣計算
現在人工智能有多火呢？ 有機構預測，未來五年，全球人工智能市場規模年均增長率達到15%。到2030年，人工智能將助推全球生產總值增長12%左右，近10萬億美元。人工智能技術的潛力可見一斑。
那么什么是邊緣計算呢？邊緣計算是在靠近物理設備或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，來滿足快速連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求技術。
邊緣計算平臺圖示
相較于云計算，邊緣計算更聚焦實時、短周期數據的分析，能更好地支撐本地業務的實時智能化處理與執行。而且由于更靠近數據源的本地網絡（Local Network）內進行運算，數據無需上傳至云端，減少數據往返云端的等待時間及網絡帶寬成本。
相較于云計算，邊緣計算更聚焦智能的實時化
以自動駕駛為例，出于交通、道路安全，數據的傳輸與交互必須把延遲降到最低，否則帶來的威脅將是會致命的。此外，在醫療領域，由于涉及大量病患的個人隱私數據，如何在設備端就可完成運算，顯然能夠有效降低被攻擊者入侵的可能性。
而在上述這些方面，邊緣計算無疑會比云計算更具優勢。因此，邊緣計算成為AI相關芯片廠商、設備集成商的布局重點也就不足為奇了，更直接帶動邊緣計算在2017年的快速崛起。
不過，需要看到的是，現階段的邊緣計算也存在不少軟肋，比如成本高降低了設備終端的整體性價比，智能分析能力以及數據應用的法律合規性等問題，都限制了邊緣計算在當下的快速發展。
邊緣計算需要面對的三大軟肋
首先，現在采用支持邊緣計算的“智能”AI設備單價都比較高。一般的終端電子產品一旦搭載AI芯片、提升存儲空間后，會大大提高設備的造價成本，令終端的整體性價比不高。眾多企業在面臨負擔如此高昂的技術成本后，顯然會阻礙相關產品的普及與推廣。
其次，邊緣計算終端的計算力如何，可否能起到“智能”分析的作用。據國際數據公司的預測，到2020年將有超過500億的終端與設備聯網，未來超過50%的數據需要在網絡邊緣側分析、處理與儲存。
不過，鑒于現階段終端設備無法兼容過多的智能化處理方式，是否能夠勝任在數據源頭完成采集并分析的任務？即便加載了各種強大的元器件，讓邊緣計算變快了，但代價是不是反而比云計算來得更慢呢？顯然，后續技術演進仍有待觀察。
再有，在比較依賴邊緣計算技術的醫療、自動駕駛、國防等領域，由于數據獲取難度大、法規松綁程度偏低，實際導入人工智能時風險就會變得較高，而對于風險的承受度就會走低。以上都可以看出，云計算短時間內依然會是人工智能計算的主要形態。
在AI領域，對于大數據的處理和呈現，需要高度依賴智能化的計算方式。而云計算可以通過將數據進行中心化集成，利用不同算法整合處理，得到各種想要的結果。這顯然是邊緣計算“一時半會”所無法企及的。
云計算長于將數據進行中心化集成并進行分析處理
不僅如此，在現階段對于邊緣計算而言，云計算能夠有效降低開發者的進入門檻，讓人工智能服務快速轉化為“生產力”，迅速推廣。
所以盡管邊緣計算討論熱度高，但該技術的興起并不表示云計算的弱化與消亡，相反卻會成為未來人工智能發展的兩大關鍵基礎。
AI的未來靠邊緣計算 現在卻擺脫不了云
因此，需要肯定的是，邊緣計算興起不僅帶動了AI芯片的銷量，也會促使相關的硬件市場規模進一步擴大。可以預見，一旦所有終端設備都能實現邊緣計算的話，其市場必會遠遠超越云計算。也正因為如此，硬件廠商開始更為積極地開發與推廣邊緣計算應用，期待創造出更多元化的市場局面了。
京公網安備 11010502049343號