从数据中心走向终端，边缘AI为何成为人工智能的新宠儿

在数字时代的今天，人工智能已经成为企业数字化转型的核心驱动力。随着软硬件技术的不断发展，在终端设备上部署AI已经成为主流趋势，边缘AI引起众多用户的关注。

那么，什么是边缘AI？边缘AI与边缘计算有哪些区别？边缘AI有哪些优势？部署边缘AI面临着哪些挑战？本文将详细进行解读。

什么是边缘AI？

边缘AI是指在终端设备上运行AI应用，即使在不连接网络的情况下，靠终端设备上的算力也能够流畅运行诸如大模型等各种AI应用。

我们知道，AI对算力有着极高的要求，在终端设备上部署AI应用，同样需要强大的算力。为了降低边缘AI应用对终端设备带来的算力要求，目前行业的普遍做法是通过在本地或云上数据中心完成数据的训练任务，在终端设备上执行模型的推断和预测，这样就能够很好地降低终端设备运行AI应用的算力需求。实际上，最近备受大家关注的AI PC，本质上就是边缘AI的一种形式。

边缘AI与边缘计算有哪些区别？

边缘AI与边缘计算最大的区别在于，边缘AI是在终端设备上运行具体的AI应用，而边缘计算是一种基础架构和计算模型。

边缘AI要求终端设备能够进行人工智能的计算和推理，因此需要更强的计算能力。边缘计算是在接近数据生成和使用的终端提供实时的计算、存储和网络服务，以减少数据传输延迟、减轻对网络带宽的依赖。因此，相对边缘AI而言，边缘计算对算力的要求要更低一些。

可以说，边缘AI是边缘计算的升级，是在具备边缘计算能力的终端设备上运行AI应用，让设备具备更加强大的AI能力，让边缘设备变得更加智能，能够处理更多复杂的应用。因此，边缘AI可以使边缘设备更加智能化，能够自主地进行一些复杂的数据处理和决策，而无需依赖数据中心和云端的计算资源。

边缘AI有哪些优势？

相对于在传统数据中心或云服务器上运行AI应用，边缘AI主要有以下几个方面的优势：

1）实时响应能力：在本地终端设备上运行AI应用，避免了数据在本地与云/数据中心之间的传输，从而降低了计算延迟、网络延迟，能够提供更快的实时响应能力。

2）个性化服务：基于应用场景和用户行为数据，边缘AI所具备的自主学习能力，能够为不同的场景和不同的用户提供定制化服务，以此来满足个性化需求。

3）数据安全和隐私保护：由于AI应用运行和数据处理都在本地设备上完成，避免了数据在本地与云端间的传输，从而减少了数据泄露漏的风险，更好地保护用户隐私。

4）降低成本。边缘AI减少了对数据中心和云端服务的依赖，有效地降低了长期成本。

边缘AI面临的主要挑战有哪些？

虽然边缘AI拥有很多优势，但就目前而言，部署边缘AI仍旧面临着以下诸多挑战：

1）算力：AI应用对算力有着极大的要求，边缘AI也不例外。以AI PC为例，微软Copilot人工智能大模型在搭载英特尔处理器的PC上本地运行，至少需要40 TOPS算力的NPU。目前来看，代号为Meteor Lake酷睿Ultra系列处理器NPU的算力仅为10 TOPS，远低于这个标准。当然，英特尔下一代Lunar Lake酷睿Ultra系列处理器NPU的算力将提供45 TOPS的NPU算力，但这一代产品最早也要于2024年圣诞节上市。

因此，就目前来看，算力仍旧是影响边缘AI部署的最主要挑战。

2）功耗：受产品体积限制，终端设备对功耗有着极高的要求，这就要求计算、存储、网络等在保证高性能的情况下，还要控制好功耗，在计算能力和能效之间找到合适的平衡。

3）数据安全和隐私保护：边缘AI对数据安全和隐私保护提出了更高的要求。为此，要求在AI芯片设计时就必须包含加密和安全功能，以此防止人为破坏等造成的数据泄露漏事故发生。

4）灵活部署和敏捷运维。由于边缘AI应用五花八门，为了更好地满足不同场景下的多样化应用要求，达到规模化效益，采用软件定义和适于软件移植的标准必不可少。与此同时，还要综合考虑如何进行敏捷智能化运维。

最后，由于目前边缘AI还处于初始阶段，如何在终端设备上引入人工智能，发挥边缘AI的整体优势，还需要进行更多的研究和论证。

边缘AI适用于哪些应用场景？

笔者认为，边缘AI目前适用于以下场景：

一是商用办公： AI PC是目前最典型的应用场景，通过在本地商用电脑中运行各种大模型应用，能够更好地提高办公效率，提升用户的使用体验，并且彻底摆脱网络束缚，让AI在办公场景中真正地做到无处不在。

二是智能驾驶：智能座舱、自动驾驶等已经逐渐成为智能汽车的标准配置。未来，在边缘设备的强大算力支撑下，在各种 AI应用的加持下，在不需要连接网络的情况下，也能够实现自动驾驶等功能，为驾乘人员提供更加精彩丰富的车内生活。

三是智慧工厂：通过在边缘设备上部署AI算法，能够在不需要连接网络的情况下，实现在无人环境下快速准确地处理数据，做出及时的处理与决策。除此之外，在人工智能加持下，机器人的形态更加多元化，除了传统的工业机器人、协作机器人之外，人形机器人的形态将越来越多地应用于工业领域。

四是智能交通：以十字路口的红绿灯为例，通过部署边缘AI设备，自动监控路口的车流与人流，自动调整红绿灯的间隔时间，能够有效防止交流拥堵现象，让交通更加顺畅。因此，在边缘AI的加持下，交通也将变得更加智能。

除了以上应用场景之外，边缘AI未来还将在智能家居、智慧城市、智慧农业等各种场景中发挥巨大价值。

写在最后：

在AI加持下，边缘设备将变得更加智能，为边缘应用带来无限可能。当然，从边缘计算迈入边缘AI，除了需要解决算力问题之外，还需要面向不同的边缘场景探索更多的AI应用。只有这样，才能让边缘AI在更多行业中落地，为更多的用户带来更加智能化、个性化的体验。