科技云报道原创。
当前时点，AI大模型已经站在了从“玩具”向“工具”快速演化的关键迭代期。如何让大模型渗透进入各类垂直场景，如何更低成本的使用大模型，如何让更多场景与用户接触AI，成为了发展的下一个重点。
在AI向实际场景落地时，边缘计算的重要性加速凸显，边缘计算在成本、时延、隐私上具有天然优势，也可以作为桥梁，预处理海量复杂需求，并将其导向大模型。边缘计算作为AI触及万千场景的血管地位加速明晰。
2030年全球潜在市场规模4450亿美元
Gartner将边缘计算定义为“一种分布式计算技术，在靠近信息产生和消费的（物理和网络）位置，提供信息处理的计算能力”。
随着云计算从一个中心点逐渐延伸、下沉到边缘，边缘计算就崛起为主角，分布在包括骨干网节点、城际网节点、汇聚网节点、接入网节点，以及无数业务现场计算节点中，越来越多原本在云中运行的软件也可以运行边缘端版本。
值得一提的是，边缘节点更接近用户终端装置，可以加快资料的处理和传送速度，减少延迟。在这种架构下，知识的产生和资料的分析，更接近于数据资料的来源，因此更适合处理大数据。
与云计算相比，边缘计算的优势更加明显。边缘计算不仅减轻了网络带宽和数据中心功耗的压力，还减少了系统延迟，增强了服务响应的能力，同时还降低了数据泄露的风险，保护了用户的数据安全和隐私。
从市场规模来看，根据STL Partners边缘计算关键数据统计，2030年全球边缘计算潜在市场规模将达到4450亿美元，10年复合增长率为48%。
价值链的所有部分（设备、连接、应用程序、集成和支持以及边缘基础设施）都将在此预测期内增长。其中，媒体、运输和制造业垂直市场将占边缘市场的84%。到2026年，全球26%的网络边缘站点将位于中国。
随着智能终端、智能应用的广泛普及，边缘计算正在步入发展的“黄金年代”。随着全面AI时代来临，算力需求将会呈现指数级增长，同时算力的需求也走向多样化，单一云计算已经无法满足所有的需求，因此边缘算力重要性会进一步凸显。
其次，边缘计算技术的发展得到政策大力支持，促使边缘计算技术的日渐成熟。第三，边缘算力较云端算力，拥有低成本、高隐私以及低时延等三大优势，可以充分利用本地计算机算力，同时与云端进行协同，通过云端来补充本地不足的算力，而且其适应的场景也非常多。
梳理边缘计算市场上的主流玩家，大致可以分为四类：第一类，以新华三、联想集团等为代表的ICT厂商，将基础软硬件及技术服务同边缘计算场景融合，实现软硬一体的边缘计算私有化部署，并力推云网融合，从而达到5G云化网络与边缘计算的充分结合，以满足各类行业智能化应用所急需的新型边缘侧高性能网络与计算资源。
第二类，以亚马逊、百度、阿里为代表的公有云厂商，将云计算能力向设备和用户侧延伸，扩充云数据中心的外延，将云原生的统一编程模式通过边缘网关的能力应用到设备构成的边缘云，主打云边协同一体化。
第三类和第四类，分别以中国移动、中国联通和西门子、苹果为代表，前者通过提供基站的边缘计算服务及5G网络接入管理，后者则以设备侧的边缘基础设施为中心，逐渐辐射到远端的数据中心，将一些边缘侧无法完成的任务提交到云端完成。
众多科技巨头的入局，推动着边缘计算整体产业和生态的日趋成熟，使边缘计算已经成为提升信息化发展水平、打造数字经济新动能的重要支撑。在边缘计算需求激增下，“云边端一体化”为核心的云边协同成为边缘计算未来重要的演进方向。
云边端一体化旨在屏蔽云、边、端分布式异构基础设施资源，实现资源统一管理、数据自由流通、应用一致运行环境、立体安全保障，满足用户多样化、实时敏捷、安全可靠业务需求。
在万物互联和行业智能化双重环境的催生下，云边端一体化有利于将算力下沉到更接近数据产生的现场，同时拥有更低的时延、更低的带宽占用、更低的部署成本，以及更加安全可靠的数据传输等优势，更好地满足企业智能化转型的需求。
由此不难判断，在产业数字化升级背景下，云边端一体化的加速演进，将进一步提升数据处理效率，避免延迟，强化敏捷性，让边缘计算的优势得到更大的展现，成为企业数字化、智能化转型的优选项。
边缘计算不再“边缘”
2022年8月，我国率先迎来了“物超人”的历史性时刻，即物联网连接数超越了人联网连接数，此外，根据IHS的预测，到2030年互联设备的数量将超过750亿个。
全球数字经济爆发式增长所带来的丰富场景以及上亿规模的联网设备量在网络边缘侧产生了大量的数据处理需求，可以说，产业端的实际痛点与需求为边缘智能提供了优渥的成长土壤。
同时，在政策方面，国务院在2022年年初发布的《“十四五”数字经济发展规划》中明确提出要加强面向特定场景的边缘计算能力，强化算力统筹和智能调度。
随后，各省市相继出台多项政策支持边缘计算产业发展，边缘计算开始不再“边缘”，逐渐走到了数字经济的主舞台。
所谓的“边”是相对于“中心”的概念，指的是贴近数据源头的区域。而边缘智能则是通过将AI处理能力下沉至更贴近数据源头的网络边缘侧，就近提供智能化服务，从而满足当前市场对实时性、隐私性、节省带宽等方面的需求。
一直以来，AI作为数据分析、智能决策的基础在云端大展拳脚，工作环境一般是在相对“舒适”的机房、数据中心内，相反，更加贴近应用现场的边缘侧则是专干“苦活累活”，往往处于恶劣的工作环境之中，例如工厂、室外，需要面临稳定性、安全性等不同维度的考验。
同时，恶劣的工作环境也为边缘架构部署提出了新的要求，如何在现场快速抓取数据、进行训练并下发到设备上至关重要。
如今，当边缘计算升级至边缘智能，在新一轮的数字化浪潮中，边缘侧开始承接更重要的“智能任务”，责任与挑战并行，在深化应用的过程中，一以贯之的边缘方案已经难以适应不同部署环境、不同需求的丰富场景了。
所以，面对严重碎片化的边缘应用，能够自学习、自迭代的行业解决方案才是良方，既能够满足数据安全，同时还能在保障AI能力的同时实现快速部署。
边缘智能打开市场想象空间
对于边缘计算领域的未来发展前景，AI和边缘计算的结合，打开市场更大想象空间。AI为边缘计算提供解决问题的技术和方案，而边缘计算可以为AI提供释放潜力的平台。
边缘智能为AI应用程序提供支持，比如在自动驾驶、智慧城市、智能家居等场景下，更多的数据由边缘网络设备创建。
6月7日，英伟达在官微宣布，在2023上海国际嵌入式展中，英伟达将展示适用于自主机器和诸多其它嵌入式应用的NVIDIA Jetson边缘计算平台，并带来生态合作伙伴基于相关软硬件在交通、工业、机器人等多个垂直行业领域所构建的解决方案。
英伟达Jetson边缘计算平台涵盖了机器人、自动驾驶、工业制造、智慧城市等边缘AI的主要应用场景。
届时，英伟达将展出NVIDIA Jetson系列模组、NVIDIA Jetson系列开发者套件、NVIDIA Isaac Sim机器人开发平台、Jetson AGX Orin驱动的自动驾驶、车路协同与道路巡检系统、智慧城市边缘视频分析系统、智能制造边缘计算方案、由Jetson驱动的新一代自主机器等产品及解决方案。
这其中，在机器人领域，NVIDIA Isaac Sim由Omniverse提供动力支持，是一款可扩展的机器人仿真应用和合成数据生成工具，以便开发、测试和管理基于AI的机器人；此外，NVIDIA Jetson是开发机器人解决方案的理想平台，基于Jeston相关模组开发的机器人平台，具备尺寸小、重量轻和高防护的特点，能够适应更多类型的智能机器人产品。
自动驾驶领域，英伟达Jetson AGX Orin模块可提供最高275 TOPS的AI计算能力，性能提升高达8倍，以适应各类复杂场景；在交通场景下，基于Jetson开发的路侧边缘计算机能够实时分析复杂的交通场景，提升智能交通系统的运维管理效率。
在智能制造领域，英伟达Jetson可以将强大的AI推理计算能力带入工业场景，能够解决更复杂的问题。具体来说，使用GPU加速的AI视觉推理可以解决流水线上的缺陷检测、柔性制造等问题。
与英伟达共同发力边缘计算业务的还有通信巨头高通。高通此前曾宣布，公司将由通信公司转型为边缘计算公司。研究机构认为，未来物联网模组或将承载高通的边缘算力，为全世界开发者带来更高性价比的终端计算能力。
站在当前时点，除了已经日趋成熟的基于传统分析式人工智能的边缘计算应用场景，我们更应该关注到生成式AI在边缘渗透的“曙光”已经出现。未来，越来越多像智能助理、具身智能一样拥有广阔空间的新应用将会涌现，带动边缘计算实现跨越式发展。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
