邊緣計算與AI的結合將帶來怎樣的變革？
早晨，你被一陣悅耳的鳥鳴聲喚醒，朦朦朧朧中，你覺得這可能是北方雲雀的叫聲，然而，家中並沒有養鳥，怎麼會有鳥鳴聲呢？
哦，原來，鳥鳴聲來自你的智慧家居助手，它在播放起床音樂鬧鈴。想到這一點的你，一邊搖搖頭嘲笑自己的記性，一邊起床穿好衣服。此時，你的智慧家居助手感知到你已經起床，控制著臥室窗簾緩緩開啟，讓陽光照進來，並且打開了廚房的麵包機和咖啡機，為你充實的一天準備好營養豐富的早餐……
等到傍晚，結束了一天繁忙的工作，你坐上自己的自動駕駛汽車回家，來到家門口，無需鑰匙，房門自動為你開啟，空調已經在汽車到家前的幾分鐘提前啟動，並調整到你習慣的溫度。秋燥有時會讓你感到不適，因此家裡的加溼器會將房間的溼度調整到最舒適的水平。
這樣的生活，存在於邊緣計算與AI相結合的萬物互聯時代。
萬物互聯的時代
隨著物聯網(Internet of Things)的再次崛起，以及4G/5G無線網路的普及，萬物互聯(Internet of Everything)的時代已經到來。相比於傳統意義的物聯網，萬物互聯除了“物”與“物”的互聯，還增加了更高級別的“人”與“物”的互聯，其突出特點是任何物件都將具有語境感知功能、更強的計算能力。上述生活片段描述的就是這樣一個場景。
簡單概括，萬物互聯的核心就一個詞：連線。智慧手機的廣泛普及已經實現了人與人之間隨時隨地的連線。從以前的電報，到後來的電話和簡訊，再到現在即時傳播圖片、音視訊等多媒體，人與人之間的連線手段已經十分發達和豐富。
在我們的日常生活中，聯網裝置將不僅僅是電腦和手機，而是任何物件皆可聯網，比如家裡的冰箱、洗衣機、空調，碼頭的集裝箱，倉庫的貨架。甚至動物也可以連線，大自然保護區裡的所有珍稀野生動物都聯網了，動物保護協會的科學家們可以更方便地檢測它們的生命狀態，提供更好的保護。
在萬物互聯時代，很明顯的一個特徵是，各種網路邊緣裝置的數量迅速增加。這導致傳統的以雲端計算為核心的集中式大資料處理方式無法滿足計算需求：
一方面由於海量邊緣資料爆炸式增長帶來的網路傳輸頻寬負載量的急劇增加，勢必導致網路延遲；
另一方面多數網路邊緣裝置產生的資料涉及個人隱私，如不分青紅皁白都傳輸到雲端，將使得隱私安全問題變得尤為突出；
還有一點不得不考慮的問題，那就是眾多網路邊緣裝置存在電能的限制，向雲端實時傳輸資料將消耗大量電能。
邊緣計算的崛起
基於上述問題，靠近裝置端資料來源頭的實時計算方式顯得十分必要，這種計算方式叫做邊緣計算。
邊緣計算並不是一個新的概念，早在2003年IBM的內部專案中就已出現，本質是一種去中心化的分散式計算模型。
相對於雲端計算來說，邊緣計算將智慧計算轉移至邊緣裝置端，計算過程在智慧裝置（如手機）或邊緣裝置的分散式裝置節點上執行，而不都是在集中式的雲環境中進行。“邊緣”指的是網路中的計算節點作為物聯網裝置的物理分佈，位於各種網路的邊緣，比如家用電器、汽車感測器、城市攝像頭等等。
邊緣計算因為其裝置所處位置的獨立性，處理的資料和實現的功能往往更為聚焦，專注於實時、短週期的資料，實現支撐本地業務的智慧化處理和實時性任務。邊緣計算在ofollow,noindex">本地網路 中進行計算，採集到的資料不用上傳到雲端，或者在本地處理加工過濾後只將少量資料傳至雲端，大大減少了網路傳輸佔用的處理時間，也降低了頻寬成本，對於電能有限的邊緣裝置來說也能更加節能，從而延長裝置的使用壽命。
此外，因為以下5個優勢，邊緣計算成為了萬物互聯時代的核心技術，被Gartner列為2019年十大戰略技術之一：（1）低功耗；（2）低時延；（3）資料安全，保護隱私；（4）支援本地互動；（5）自主獨立執行。
不過，邊緣計算實現智慧計算的邊緣化，比較依賴於整合在邊緣裝置上的AI晶片。Gartner預計，在未來五年內，專用AI晶片以及更強大的處理能力、儲存和其它先進功能將被新增到更廣泛的邊緣裝置中。
AI晶片的格局
AI 晶片指的是針對人工智慧演算法做了特殊加速設計的晶片。現階段，這些人工智慧演算法一般以深度學習演算法為主，也可以包括其它機器學習演算法。
AI晶片可以讓人工智慧軟體的效率達到最高，這對計算實時性要求高的邊緣計算裝置至關重要。未來在AI領域的競爭一定是“軟硬結合”，越來越多的公司開始佈局AI晶片的架構設計。可以預見的是，萬物互聯時代將掀起邊緣裝置領域AI晶片產業競爭的新浪潮。
今年上半年，Compass Intelligence公司釋出了AI晶片組的指數排名（AI Chipset Index）。該指數主要關注AI晶片組的軟硬體指標，包括中央處理器（CPU）、圖形處理器（GPU）、神經網路處理器（NNP）、專用積體電路（ASIC）、現場可程式設計門陣列（FPGA）、精簡指令集計算機（RISC）處理器、加速器等。
根據AI晶片組應用物件，可分為：雲端計算伺服器和邊緣計算裝置（手機、自動駕駛、智慧家居）等。雲端伺服器使用的AI晶片特點是效能強大、支援大量運算併發、支援多種AI應用，如自然語言處理、音視訊處理、影象識別等。而在邊緣裝置端，AI晶片的顯著特點是體積小、耗電少，通常聚焦有限的AI應用。
藉助於AI晶片，神經網路可以更快地執行並且消耗更少的功率。Google在2016年釋出了TPU（Tensor Process Unit），並且在今年五月份釋出了第三代版本，這塊晶片專門為TensorFlow框架設計，執行在Google的資料中心伺服器端。
針對邊緣計算，Google兩個月前釋出了Edge TPU，這是一款執行在TensorFlow Lite計算框架上，為移動或物聯網邊緣裝置執行機器學習應用程式的專用晶片。蘋果公司去年釋出在iPhone X手機上的內建晶片A11 Bionic具備雙核架構NeuralEngine（神經網路處理引擎），它每秒處理神經網路計算需求的次數可達 6000 億次。
AI晶片的發展大大促進了邊緣終端裝置的發展，推動了資料採集手段的增加以及計算能力的極大提升，進而也帶來應用場景的豐富，並反推AI晶片計算能力和製造工藝的進步。
場景應用的變革
邊緣計算技術與其所依賴的AI晶片相互促進和迭代發展，在萬物互聯的時代，將帶來更多傳統應用的變革以及新的應用場景的出現。
（1）邊緣計算視訊監控。針對新型犯罪及社會管理等公共安全問題，以雲端計算和萬物互聯技術為基礎的邊緣計算和視訊監控技術，可以提高視訊監控系統前端攝像頭的智慧處理能力，進而提高視訊監控系統的防範刑事犯罪和恐怖襲擊的能力。
（2）智慧家居。如本文開頭描述的生活場景，萬物互聯技術的普及將為家居生活帶來越來越智慧化的應用，比如智慧照明控制系統、智慧電視、智慧空調、智慧掃地機器人等。這些硬體不僅僅是在名字上新增上“智慧”二字，實際上在智慧家居環境中，除了依託聯網裝置，還需在房間角落、管道節點、地板和牆壁等部位部署眾多無線感測器和控制器。此外，出於對家庭敏感資料的保護，智慧家居系統的資料處理必須依賴邊緣計算來解決。
（3）智慧城市。如果將智慧家居的應用場景放大到一個社群或城市，將在公共安全、健康資料、公共設施、交通運輸等眾多細分領域產生極大的應用價值。這裡應用邊緣計算的初衷更多是出於成本和效率考慮，在一個八百萬人口規模的城市，每小時產生的資料量可能達到100PB，採用傳統雲端計算處理方式將給網路頻寬帶來極大的壓力，城市各角落的邊緣裝置實時處理和收集資料將帶來效率上的極大提升。
（4）自動駕駛技術與智慧交通。在自動駕駛領域，邊緣計算至關重要，因為自動駕駛汽車上數百個感測器每小時將產生40TB的資料量。從安全性的角度而不是從成本的角度考慮，資料的處理必須實時完成，當遇到緊急情況時，比如汽車前方突然出現踢球玩耍的小孩，這時自動駕駛系統必須依賴實時高效的邊緣計算給予決策支援，並作出應急處理：剎車！
越來越多的城市已經開始部署智慧交通控制系統，這樣的智慧控制系統，依賴於在各交通要塞部位部署的邊緣計算伺服器，通過街邊數不清的攝像頭和感測器對交通的實時狀態進行監控、預警和優化排程。
（5）智慧金融。近年來，AI技術正在金融領域大放異彩：智慧風控技術、智慧投顧、智慧客服等。結合邊緣計算，AI將在賦能金融的道路上釋放出更多能量：
（1）智慧身份認證，人臉識別與聲紋識別技術可以通過邊緣裝置的計算能力，為金融機構提供更為高效的使用者身份認證手段，提升金融服務的安全性；
（2）智慧化的供應鏈金融，邊緣計算能力的提升必然帶來智慧倉儲和智慧物流的發展，這為供應鏈金融提供安全保障以及場景依據，比如物流倉庫和港口碼頭的質押貨物監控等。
場景的變革在不知不覺中發生，生活的節奏在悄無聲息地改變。無論是邊緣計算，還是AI，抑或是新技術革命下的物聯網、工業網際網路、萬物網際網路，這些技術和概念帶給我們的不僅僅是體驗的變化，還有認知的爆炸。唯一無法改變的是技術的不斷進步。