边缘AI：为何人工智能计算的未来在边缘

过去两年，人工智能一直是科技界的热门话题，我们已经看到了ChatGPT、Midjourney等人工智能工具的实际应用价值。

然而，尽管生成式人工智能和大型语言模型(LLM)备受关注，但这些技术对于需要实时本地决策的行业(例如制造业)来说并不实用。

边缘人工智能旨在通过在紧凑型计算平台上处理海量数据集，利用更小、更高效的机器学习模型来提供实时人工智能洞察，从而应对这一挑战。

正如专家所指出的，人工智能计算流程应该在能够为企业创造最大价值的地方进行。对于许多工业企业而言，这往往是数据生成地附近——边缘端。

如今，边缘创新势头空前强劲。NTT Data发布的《2023年边缘优势报告》证实了这一点。该报告调查了多个行业的600家企业，结果显示“约70%的企业目前正在使用边缘解决方案来解决业务挑战”。

但边缘人工智能究竟是什么?它又将如何改变人工智能计算的未来?

边缘人工智能：提升运营效率

边缘人工智能指的是在数据生成时(即在网络边缘)进行数据处理，而不是仅仅依赖远程云服务器。这种方法的支持者认为，通过将计算能力转移到边缘，企业可以获得有助于提升运营效率的洞察。

Outthinker Networks创始人兼《Proximity》合著者凯汉·克里彭多夫(Kaihan Krippendorff)认为，“人工智能计算不仅是未来，它已经到来”，并补充道，“尤其是制造业企业，正在将人工智能系统从云端迁移到边缘，从而加快数据处理速度，降低延迟和云服务器成本。”

“将人工智能系统从云端迁移到边缘，尤其是在制造业环境中，可以更快地处理来自物联网(IoT)设备和传感器的数据，这些设备和传感器通过工厂内的本地网络连接。这降低了延迟，减少了云服务器成本，并为本地化创新开辟了新的可能性。”

但并非只有克里彭多夫认为边缘人工智能时代已经到来。其他几位行业专家，例如NTT边缘服务高级总监保罗·布劳多夫，也持有同样的观点。

“我们看到许多企业都在积极采用这些解决方案，”布劳多夫说道，“原因在于边缘人工智能能够将可操作的智能和实时决策能力引入到运营技术环境中，例如工厂车间。”

如今，边缘人工智能市场正迅速扩张，推动这一转变的关键参与者包括NTT Data、西门子、IBM和微软，它们各自为市场带来了独特的解决方案。

例如，NTT近期推出了超轻量级边缘人工智能平台，这是一个完全托管的边缘人工智能解决方案，旨在“打破IT与OT之间的壁垒，为工业和制造业实现先进的人工智能应用”。

另一方面，西门子开发了一个工业边缘平台，使制造商能够直接在工厂车间部署人工智能应用。IBM的边缘应用管理器则专注于为医疗保健、电信和汽车等行业的边缘设备提供人工智能解决方案。

边缘人工智能的实际应用

边缘人工智能已在众多行业得到应用，早期采用者报告称，其在运营效率、成本降低和创新能力方面均取得了显著提升。边缘人工智能影响最为显著的领域之一是制造业。

借助边缘人工智能，制造商现在可以在本地处理数据，从而在工厂层面实现实时监控、预测性维护和智能决策。

例如，生产机器上的物联网传感器可以生成数据流，边缘人工智能系统会立即分析这些数据，从而预测潜在的设备故障。这使得制造商能够在故障发生之前进行维护，减少停机时间并提高整体生产效率。

全球家电和电子产品制造商海尔已成功在其制造流程中应用了边缘人工智能。海尔表示，通过在其本地工厂利用边缘人工智能，公司优化了生产流程，并能够更有效地为本地市场定制产品。

这种将云处理与边缘应用相结合的策略取得了巨大成功，以至于海尔现在通过其于2017年成立的COSMOPlat公司，向其他制造商提供集成的人工智能系统。

但边缘人工智能的影响不仅限于制造业。智慧城市也在利用边缘人工智能来增强城市基础设施和服务、优化交通管理、监控公共安全，甚至实时追踪空气质量和天气模式等环境状况。

迈向边缘的障碍

尽管人们对边缘人工智能的兴趣日益浓厚，但其应用并非一帆风顺。根据《2023 年边缘优势报告》，“近 40% 的计划部署边缘计算的企业对现有基础设施能否支持这项技术表示担忧。”

Bloudoff 也认同这些担忧，并指出许多企业在将边缘解决方案与其现有 IT 和 OT 基础设施集成时面临着诸多挑战。

关键挑战在于如何确保物联网设备、传感器和机械设备的数据能够在边缘端无缝地进行采集、处理和分析。这需要强大的软硬件解决方案，能够处理实时环境中产生的海量复杂数据。

然而，像NTT的超轻量级边缘AI平台这样的解决方案旨在简化边缘AI应用的部署和管理。该平台的自动发现功能可以扫描整个IT和OT环境，清点资产、识别漏洞并简化数据采集。

“通过将各种物联网和OT设备的自动发现和采集整合到一个用于实时决策的单一数据平面中，我们正在消除边缘计算普及的障碍，”Bloudoff表示。

边缘AI与可持续性

除了提升运营效率和促进创新之外，边缘AI还为企业实现其可持续发展目标提供了一个独特的机会。由于边缘AI在本地处理数据，因此减少了对高能耗云计算的需求，从而降低了与长距离数据传输和云存储相关的碳排放。

正如布劳多夫所指出的，在边缘部署人工智能应用的企业不仅提高了生产力，也朝着更可持续的运营模式迈出了重要一步。“边缘人工智能通过降低能耗和网络拥塞，帮助企业最大限度地减少对环境的影响，同时推动数字化转型。”他补充道。

随着可持续性日益成为全球企业的重要考量因素，边缘人工智能在运营和环境方面的双重优势很可能成为其持续普及的驱动力。

成都站：https://hdxu.cn/1qhb3（已办）

更多2025年峰会信息，详见峰会官网：http://summit.qianjia.com