第1页：AI带动边缘计算
别以为人工智能（AI）只能依靠云计算来实现，其实未来大部分还得交由边缘计算完成才靠谱。然而现阶段的AI部署却受限于边缘计算的元器件成本、设备智能分析能力、安全与隐私保护等等挑战，仍需要云计算来辅助实现罢了，具体特征表现为以下三个方面。
AI带动边缘计算
现在人工智能有多火呢？ 有机构预测，未来五年，全球人工智能市场规模年均增长率达到15%。到2030年，人工智能将助推全球生产总值增长12%左右，近10万亿美元。人工智能技术的潜力可见一斑。
那么什么是边缘计算呢？边缘计算是在靠近物理设备或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，来满足快速连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求技术。
相较于云计算，边缘计算更聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。而且由于更靠近数据源的本地网络（Local Network）内进行运算，数据无需上传至云端，减少数据往返云端的等待时间及网络带宽成本。
以自动驾驶为例，出于交通、道路安全，数据的传输与交互必须把延迟降到最低，否则带来的威胁将是会致命的。此外，在医疗领域，由于涉及大量病患的个人隐私数据，如何在设备端就可完成运算，显然能够有效降低被攻击者入侵的可能性。
而在上述这些方面，边缘计算无疑会比云计算更具优势。因此，边缘计算成为AI相关芯片厂商、设备集成商的布局重点也就不足为奇了，更直接带动边缘计算在2017年的快速崛起。
第2页：边缘计算存在三大软肋
边缘计算存在三大软肋
不过，需要看到的是，现阶段的边缘计算也存在不少软肋，比如成本高降低了设备终端的整体性价比，智能分析能力以及数据应用的法律合规性等问题，都限制了边缘计算在当下的快速发展。
首先，现在采用支持边缘计算的“智能”AI设备单价都比较高。一般的终端电子产品一旦搭载AI芯片、提升存储空间后，会大大提高设备的造价成本，令终端的整体性价比不高。众多企业在面临负担如此高昂的技术成本后，显然会阻碍相关产品的普及与推广。
其次，边缘计算终端的计算力如何，可否能起到“智能”分析的作用。据国际数据公司的预测，到2020年将有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析、处理与储存。
不过，鉴于现阶段终端设备无法兼容过多的智能化处理方式，是否能够胜任在数据源头完成采集并分析的任务？即便加载了各种强大的元器件，让边缘计算变快了，但代价是不是反而比云计算来得更慢呢？显然，后续技术演进仍有待观察。
再有，在比较依赖边缘计算技术的医疗、自动驾驶、国防等领域，由于数据获取难度大、法规松绑程度偏低，实际导入人工智能时风险就会变得较高，而对于风险的承受度就会走低。以上都可以看出，云计算短时间内依然会是人工智能计算的主要形态。
第3页：云计算的“另外”优势
云计算的“另外”优势
在AI领域，对于大数据的处理和呈现，需要高度依赖智能化的计算方式。而云计算可以通过将数据进行中心化集成，利用不同算法整合处理，得到各种想要的结果。这显然是边缘计算“一时半会”所无法企及的。
不仅如此，在现阶段对于边缘计算而言，云计算能够有效降低开发者的进入门槛，让人工智能服务快速转化为“生产力”，迅速推广。
所以尽管边缘计算讨论热度高，但该技术的兴起并不表示云计算的弱化与消亡，相反却会成为未来人工智能发展的两大关键基础。
因此，需要肯定的是，边缘计算兴起不仅带动了AI芯片的销量，也会促使相关的硬件市场规模进一步扩大。可以预见，一旦所有终端设备都能实现边缘计算的话，其市场必会远远超越云计算。也正因为如此，硬件厂商开始更为积极地开发与推广边缘计算应用，期待创造出更多元化的市场局面了。
