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云雀的叫聲，然而，家中并沒有養鳥，怎么會有鳥鳴聲呢?

哦，原來，鳥鳴聲來自你的智能家居助手，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，你的智能家居助手感知到你已經起床，控制著臥室窗簾緩緩打開，讓陽光照進來，并且打開了廚房的面包機和咖啡機，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，房門自動為你打開，空調已經在汽車到家前的幾分鐘提前啟動，并調整到你習慣的溫度。秋燥有時會讓你感到不適，因此家里的加濕器會將房間的濕度調整到最舒適的水平。

這樣的生活，存在于邊緣計算與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無線網絡的普及，萬物互聯(Internet of Everything)的時代已經到來。相比于傳統意義的物聯網，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：連接。智能手機的廣泛普及已經實現了人與人之間隨時隨地的連接。從以前的電報，到后來的電話和短信，再到現在即時傳播圖片、音視頻等多媒體，人與人之間的連接手段已經十分發達和豐富。

在我們的日常生活中，聯網設備將不僅僅是電腦和手機，而是任何物件皆可聯網，比如家里的冰箱、洗衣機、空調，碼頭的集裝箱，倉庫的貨架。甚至動物也可以連接，大自然保護區里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，很明顯的一個特征是，各種網絡邊緣設備的數量迅速增加。這導致傳統的以云計算為核心的集中式大數據處理方式無法滿足計算需求：

一方面由于海量邊緣數據爆炸式增長帶來的網絡傳輸帶寬負載量的急劇增加，勢必導致網絡延遲;

另一方面多數網絡邊緣設備產生的數據涉及個人隱私，如不分青紅皂白都傳輸到云端，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，那就是眾多網絡邊緣設備存在電能的限制，向云端實時傳輸數據將消耗大量電能。

邊緣計算的崛起

基于上述問題，靠近設備端數據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。

邊緣計算并不是一個新的概念，早在2003年IBM的內部項目中就已出現，本質是一種去中心化的分布式計算模型。

相對于云計算來說，邊緣計算將智能計算轉移至邊緣設備端，計算過程在智能設備(如手機)或邊緣設備的分布式設備節點上執行，而不都是在集中式的云環境中進行。“邊緣”指的是網絡中的計算節點作為物聯網設備的物理分布，位于各種網絡的邊緣，比如家用電器、汽車傳感器、城市攝像頭等等。

邊緣計算因為其設備所處位置的獨立性，處理的數據和實現的功能往往更為聚焦，專注于實時、短周期的數據，實現支撐本地業務的智能化處理和實時性任務。邊緣計算在本地網絡中進行計算，采集到的數據不用上傳到云端，或者在本地處理加工過濾后只將少量數據傳至云端，大大減少了網絡傳輸占用的處理時間，也降低了帶寬成本，對于電能有限的邊緣設備來說也能更加節能，從而延長設備的使用壽命。

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)數據安全，保護隱私;(4)支持本地交互;(5)自主獨立運行。

不過，邊緣計算實現智能計算的邊緣化，比較依賴于集成在邊緣設備上的AI芯片。Gartner預計，在未來五年內，專用AI芯片以及更強大的處理能力、存儲和其它先進功能將被添加到更廣泛的邊緣設備中。

AI芯片的格局

AI 芯片指的是針對人工智能算法做了特殊加速設計的芯片?，F階段，這些人工智能算法一般以深度學習算法為主，也可以包括其它機器學習算法。

AI芯片可以讓人工智能軟件的效率達到最高，這對計算實時性要求高的邊緣計算設備至關重要。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布局AI芯片的架構設計。可以預見的是，萬物互聯時代將掀起邊緣設備領域AI芯片產業競爭的新浪潮。

今年上半年，Compass Intelligence公司發布了AI芯片組的指數排名(AI Chipset Index)。該指數主要關注AI芯片組的軟硬件指標，包括中央處理器(CPU)、圖形處理器(GPU)、神經網絡處理器(NNP)、專用集成電路(ASIC)、現場可編程門陣列(FPGA)、精簡指令集計算機(RISC)處理器、加速器等。

根據AI芯片組應用對象，可分為：云計算服務器和邊緣計算設備(手機、自動駕駛、智能家居)等。云端服務器使用的AI芯片特點是性能強大、支持大量運算并發、支持多種AI應用，如自然語言處理、音視頻處理、圖像識別等。而在邊緣設備端，AI芯片的顯著特點是體積小、耗電少，通常聚焦有限的AI應用。

借助于AI芯片，神經網絡可以更快地運行并且消耗更少的功率。Google在2016年發布了TPU(Tensor Process Unit)，并且在今年五月份發布了第三代版本，這塊芯片專門為TensorFlow框架設計，運行在Google的數據中心服務器端。

針對邊緣計算，Google兩個月前發布了Edge TPU，這是一款運行在TensorFlow Lite計算框架上，為移動或物聯網邊緣設備運行機器學習應用程序的專用芯片。蘋果公司去年發布在iPhone X手機上的內置芯片A11 Bionic具備雙核架構NeuralEngine(神經網絡處理引擎)，它每秒處理神經網絡計算需求的次數可達 6000 億次。

AI芯片的發展大大促進了邊緣終端設備的發展，推動了數據采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，并反推AI芯片計算能力和制造工藝的進步。

場景應用的變革

邊緣計算技術與其所依賴的AI芯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)邊緣計算視頻監控。針對新型犯罪及社會管理等公共安全問題，以云計算和萬物互聯技術為基礎的邊緣計算和視頻監控技術，可以提高視頻監控系統前端攝像頭的智能處理能力，進而提高視頻監控系統的防范刑事犯罪和恐怖襲擊的能力。

(2)智能家居。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能化的應用，比如智能照明控制系統、智能電視、智能空調、智能掃地機器人等。這些硬件不僅僅是在名字上添加上“智能”二字，實際上在智能家居環境中，除了依托聯網設備，還需在房間角落、管道節點、地板和墻壁等部位部署眾多無線傳感器和控制器。此外，出于對家庭敏感數據的保護，智能家居系統的數據處理必須依賴邊緣計算來解決。

(3)智慧城市。如果將智能家居的應用場景放大到一個社區或城市，將在公共安全、健康數據、公共設施、交通運輸等眾多細分領域產生極大的應用價值。這里應用邊緣計算的初衷更多是出于成本和效率考慮，在一個八百萬人口規模的城市，每小時產生的數據量可能達到100PB，采用傳統云計算處理方式將給網絡帶寬帶來極大的壓力，城市各角落的邊緣設備實時處理和收集數據將帶來效率上的極大提升。

(4)自動駕駛技術與智能交通。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傳感器每小時將產生40TB的數據量。從安全性的角度而不是從成本的角度考慮，數據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持，并作出應急處理：剎車!

越來越多的城市已經開始部署智能交通控制系統，這樣的智能控制系統，依賴于在各交通要塞部位部署的邊緣計算服務器，通過街邊數不清的攝像頭和傳感器對交通的實時狀態進行監控、預警和優化調度。

(5)智慧金融。近年來，AI技術正在金融領域大放異彩：智能風控技術、智能投顧、智能客服等。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)智能身份認證，人臉識別與聲紋識別技術可以通過邊緣設備的計算能力，為金融機構提供更為高效的用戶身份認證手段，提升金融服務的安全性;

(2)智能化的供應鏈金融，邊緣計算能力的提升必然帶來智能倉儲和智能物流的發展，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、工業互聯網、萬物互聯網，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。

關鍵詞：