本文来自至顶网（ai.zhiding.cn），来源：Semiconductor Engineering。
随着边缘AI基础设施加速建设，Wi-Fi正从家用共享技术演变为工业级关键通信基础设施。Wi-Fi 7凭借更高可靠性和更低延迟，成为边缘计算部署的核心连接技术，而即将到来的Wi-Fi 8将进一步实现"确定性传输"。边缘AI强调本地化数据处理，不仅提升响应速度，还通过减少数据外传降低安全风险。芯片架构也随之进化，需同时支持蓝牙LE、Thread、Zigbee等多种协议，以协同管理日益复杂的设备生态。
边缘AI的加速落地正在重新定义人们与AI的交互方式，将关注焦点从大型AI数据中心的海量全球数据挖掘与分析，转向边缘端更快的响应速度、更高的效率以及更具针对性的工作负载。
无论哪种场景，核心仍在于以极高速度处理和传输数据。但在边缘端，需要处理的数据量更少，数据传输的距离也更短。超大规模云服务商侧重于上下文搜索、大规模仿真以及大语言模型的训练；而在边缘端，目标可能仅仅是向机器人发送关于抓取物体所需施力大小的指令，或者提示汽车因行人突然横穿马路而紧急制动。面向特定领域和工作负载的小型语言模型，正在取代大语言模型中更为通用的功能。
两者都有市场需求，但随着边缘计算格局逐渐成形，它与OpenAI或Anthropic的做法呈现出截然不同的面貌。Synaptics高级产品线经理Ananda Roy表示："这绝对不是超大规模云服务商的AI。这是通用人工智能，但同时也是超低功耗下的AI。几年前它还被称为微型机器学习——超低功耗、低内存占用。你可以运行小型AI模型，比如预测性维护，或者像Wi-Fi感知这样的应用，用于探测周围环境，或者通过反射信号判断某人是否在场或正在移动。"
Wi-Fi在边缘计算演进过程中扮演着越来越关键的角色，与其最初作为家庭或咖啡店共享上网工具的定位已大相径庭。随着越来越多的设备接入边缘网络，Wi-Fi已成为共享接入最为主流的技术。凭借Wi-Fi 7以及预计2028年底推出的Wi-Fi 8，其可预测性、可靠性和安全性正持续提升。
Infineon无线产品线高级副总裁Sivaram Trikutam指出："Wi-Fi最初被设计为一种尽力而为的技术，这与蜂窝技术不同，后者在设计之初就设定了一定的可靠性标准。但鉴于如今Wi-Fi的应用场景，例如工业机器人和各类自动化领域，对高可靠性Wi-Fi的需求日益迫切。它现在已经是一种基础设施，不能出现任何中断。"
尽管蜂窝运营商不遗余力地推广，Wi-Fi在本地数据传输领域几乎已经占据主导地位。多年来，蜂窝运营商将5G和6G定位为未来高速通信的主流方向，迫使芯片制造商同时支持这两种技术。理论上，5G毫米波技术可达10Gbps以上的速度——基本相当于光纤速率——但现实情况却大相径庭。毫米波信号衰减极快，与4G LTE不同，毫米波信号无法绕过拐角或穿透窗户，还会被人群、卡车甚至温度变化等移动物体干扰。目前唯一的解决方案是到处部署中继器和小型基站。然而，这种本质上依赖直视传播的通信方式所需的大量基础设施，加之在恶劣气候条件下维护设备的种种挑战，严重限制了5G/6G毫米波的实用价值。
Wi-Fi还具备同时向多个设备双向流式传输数据的能力，芯片制造商正在探索进一步提速的方法。随着接入本地Wi-Fi网络的电子设备数量激增，这一能力愈发重要。
Keysight Technologies产品经理Sassan Ahmadi表示："在企业或工厂中，当你从一个接入节点覆盖的区域移动到另一个区域时，特别是对于机器人或其他需要可靠连接的应用，Wi-Fi非常有优势，因为它可以服务于连接到同一集中节点的众多不同终端。而现在，随着AI芯片的出现，你希望将它们部署在边缘，因为那里才是收集和处理分析数据的地方，从而实现网络的流量处理、优化、移动性增强等各方面的改进——所有这些都需要智能化支撑。"
安全性
Wi-Fi在提升安全性方面的最基本贡献在于，它允许用户自主决定数据在本地还是云端处理，从而最大限度地减少数据泄露，并在没有物理访问权限的情况下使数据盗取更加困难。
Keysight的Ahmadi指出："如果你是一家国防公司，你不会希望数据离开你的内部网络。你的边缘就在你的厂区内，或者在你的防火墙或安全隔离区内。你或许有一定程度的集中化，但你不希望数据外泄。对于蜂窝网络而言，边缘实际上是运营商的现场机房。之所以将部分功能部署在边缘而非云端，原因之一就是从云端收发数据的往返时延，无法满足时间敏感型服务的需求。你需要让边缘尽可能靠近用户。"
Wi-Fi芯片本身也在持续强化安全特性。Synaptics产品营销与客户工程副总裁Shishir Gupta表示："业界对安全性的要求越来越严格。我们从底层出发定义安全，从硬件到软件全面覆盖。我们设有硬件信任根，并将支持PSA（平台安全架构）三级认证、Arm TrustZone与内存保护机制，以及安全启动功能。"
稳定性能
在Wi-Fi发展初期，它从未被视为关键技术。如果网络连接卡顿，或者搜索页面、应用更新出现长时间延迟，通常不会造成什么实质影响。但随着Wi-Fi承担起更具战略意义的角色，这种服务中断变得越来越难以接受。
Infineon的Trikutam表示："这本质上是确定性问题，也就是延迟的上限。我需要能够确定地说，'这类流量到达目的地的时间不超过某个值。'最初Wi-Fi采用尽力而为的方式，意思是数据终究会到达目的地。如果你回想20年前点击Napster下载音乐，你不知道要等2分钟还是20分钟。这就是尽力而为的含义——它会尽力传输，你迟早会收到。从那时到现在，我们已经取得了很大进步，近几年的核心方向是提升可靠性而非速度。下一场革命将聚焦于提升确定性，这正是Wi-Fi 8即将带来的变革。"
这种确定性适用于越来越多连接在家庭、办公室或工业环境中的设备。Trikutam说："我家里有45到50台设备，所有设备都必须始终保持连接，不能断线。如果因某种原因断开，我希望它们能自动重新连接，而且整个过程必须是无感的。"
要实现这一切，远比表面上看起来复杂。可靠性（即确定性）只是让边缘AI无处不在的几个关键要素之一，而所有这些要素都处于持续演进之中。另一个关键要素是数据传输的物理介质，涵盖从点对点微波、铜缆到光纤等各种形式，其中光纤在数据中心和边缘端快速传输大量数据方面表现尤为突出。
Keysight的Ahmadi指出："边缘节点通过光纤与现场节点相连，通常采用10Gbps或25Gbps的光纤。部分运营商仍在使用微波链路，但许多运营商已迁移至光纤，在中国、日本和韩国尤为明显。这提供了足够的容量来传输大规模数据。如果没有这种容量，或者在支持此类容量方面存在限制，边缘的能力就会受到制约。举例来说，原本可能有100个接入点连接到一个中央节点，现在可能只有20个。这也会影响数据同步能力，而数据同步对于用户在不同位置之间移动时的体验至关重要。"
芯片架构的变革
这为审视半导体架构开辟了全新视角——重点在于实现稳定的高性能、让数据尽可能靠近处理单元，并引入推理能力来统筹和监控各个实时运转的组件。
Synaptics的Roy表示："可以配置非常丰富的外设，与光线、温度等各类传感器接口，提取相关数据并馈入机器学习模型，然后根据接收到的输入做出智能决策——这在以前是不可能实现的。"
关键在于优化一个集中式数据源及其所有依赖该数据的设备，这是一项颇具挑战性的工作。以Synaptics的Wi-Fi芯片为例，它具备三种类型的内存。Roy介绍道："我们有专用于连接的RAM和ROM，仅供连接模块使用，MAC和基带处理以及部分协议栈都驻留在那里，对应用层不开放。此外还有应用SRAM，用于加载当前运行应用程序的数据。然后是从闪存中的就地执行模式——外部闪存中存放主代码，系统从闪存安全启动，延迟极低，并可直接从闪存运行，无需将全部软件加载到芯片上。这是分布式内存架构，在延迟和功耗方面都非常高效。"
此外，Wi-Fi 7和Wi-Fi 8芯片还需要支持蓝牙LE 6.0（短距离通信）、Thread（低功耗网状网络）和Zigbee（网状网络）。在恰当的时间将数据精确地引导穿越这套复杂的电子管道，是一项极为艰巨的挑战。与云端芯片的发展路径类似，面向边缘的芯片也随着新选项的涌现而日趋专业化。
Synaptics的Gupta表示："目前我们在Wi-Fi感知、蓝牙信道探测（即距离估算）方面已有一些实际应用场景。信道探测通过读取蓝牙波的相位和音调来判断另一台蓝牙设备的距离远近，精度约为20到30厘米。其背后的逻辑是：既然设备已经内置了蓝牙，为何不直接利用它，而要额外增加超宽带或雷达等功耗更高、成本更高的芯片？许多应用场景只需要这个级别的精度。"
结语
Wi-Fi正在走向成熟，但这并非源于某个预先规划好的蓝图。Wi-Fi最初被开发出来时，AI还只是科幻小说中的概念。2022年11月ChatGPT的发布改变了众多技术领域和商业可能性的认知。边缘AI正处于起步阶段，随之而来的是对未来发展方向的思考——它能带来什么，又需要什么条件才能实现。
Wi-Fi是这场转型的关键支撑。Keysight的Ahmadi表示："边缘就像是一个分界点，在那里你可以保证数据往返时间，理想情况下应低于1毫秒。每千米光纤会产生约3微秒的延迟，如果距离达到20千米，延迟就会达到60毫秒，超出这个范围就无法做出任何保证了。"
Q&A
Q1：Wi-Fi 7和Wi-Fi 8在边缘AI中分别承担什么角色？
A：Wi-Fi 7目前已成为边缘AI部署的重要支撑技术，在可靠性和速度方面较前代有显著提升。而即将于2028年底推出的Wi-Fi 8，将重点解决"确定性"问题，即为特定类型的数据流量提供有保障的延迟上限，确保工业机器人、自动驾驶等对时延敏感的应用能够稳定运行。从"尽力而为"到"有确定性保障"，是Wi-Fi技术在边缘AI时代最关键的演进方向。
Q2：边缘AI和超大规模云端AI有什么本质区别？
A：超大规模云端AI侧重于大规模上下文搜索、复杂仿真以及大语言模型训练，处理的是海量全球数据。边缘AI则聚焦于本地、低延迟、轻量级的任务，例如控制机器人抓取力度或触发汽车紧急制动。边缘端通常使用针对特定领域优化的小型语言模型，功耗极低，内存占用也更小，更强调实时响应而非通用能力。
Q3：Wi-Fi在边缘计算中如何提升数据安全性？
A：Wi-Fi通过允许用户自主决定数据在本地还是云端处理，从根本上减少了数据外泄的风险。对于有保密需求的企业，数据可以完全保留在内部网络中，无需经过外部云服务。此外，新一代Wi-Fi芯片还内置了多层安全机制，包括硬件信任根、PSA三级认证、Arm TrustZone内存保护以及安全启动功能，从硬件层到软件层构建起完整的安全防护体系。
