在5G浪潮的驅動下，智能設備、自動駕駛、VR/AR、智能制造等對于實時性、本地性有著較強需求的場景日益豐富，邊緣計算應運而生，有效提升了用戶體驗。但是，隨著強實時數據量的迅速攀升，且數據形態更加多元，邊緣計算面臨的技術挑戰更加復雜。在這一趨勢下，融入AI能力的智能邊緣計算應勢而起。

邊緣計算智能化升級

在IoT時代，海量設備將接入網絡，進行數據采集和用戶交互。在5G和AI的乘數效應下，數據的“量”和“質”都發生了改變。

其中，“量”的變化有兩個維度。一方面，數據量呈現指數級增長;另一方面，有實時性要求處理的數據迅速上升，對于將云處理的數據下沉到邊緣提出要求。據IDC預測，2025年全球物聯網連接數將增長至270億個，物聯網設備數量將達到1000億臺，全球數據總量預計2025年將達到163個ZB，而未來超過70%的數據和應用將在邊緣產生和處理。

而“質”的變化，體現在數據形態上。從PC時代到移動時代再到IoT時代，數據類型也從結構化數據、圖形數據發展到多媒體數據，再到描述AI的元數據。在AI應用中，數據不僅僅被簡單的存儲、傳輸，其價值也需要深度挖掘。這就要求數據必須靠近信息源，進行本地化的智能分析與預處理。

“新型終端設備的數據產生要做預處理和消化。消化指的是做一些過濾，哪些往后臺傳，哪些要處理，哪些處理完要傳到前端設備，這個過程必須在邊緣側完成。可以說，邊緣計算非常重要，是真正支持萬物智能化的關鍵點。”英特爾中國研究院院長宋繼強在近期召開的“未來智能邊緣計算論壇”上表示。

智能邊緣計算是對邊緣計算的智能化升級。宋繼強表示，智能邊緣、AI和5G是真正實現數據價值的關鍵技術轉折點，三種技術將加速突破和融合，成為智能世界的新型基礎設施，驅動各行各業新一輪的智能創新。”

“邊緣計算強調的是計算發生的位置，是在云的邊緣、網絡的邊緣還是設備的邊緣。智能邊緣計算是將智能處理能力載入邊緣計算，它不是對數據進行處理、過濾或者是簡單的分析，而是將AI能力融入其中。”宋繼強在接受《中國電子報》等媒體采訪時表示。

值得一提的是，邊緣計算是一種場景眾多且高度差異化的計算模式。除了計算發生的位置，與設備的距離（是有距離還是集成在設備上）、用途、環境，都對邊緣計算的架構體系有著不同的要求。要高效處理多樣化的數據，并將相應數據存儲在邊緣的不同位置，需要效能更高的計算、存儲和連接。

應用潛能逐步彰顯

2020年，疫情防控和復工復產成為全球經濟的兩條主線。在此期間，人與信息接觸的方式發生了改變，推動數字經濟進一步向智能經濟演進。遠程辦公、在線醫療、在線教育等智能應用井噴式發展，對智能的需求前所未有。

在接受《中國電子報》采訪時，宋繼強表示，智能邊緣計算將在智能經濟的發展過程中，有著充足的發揮空間。

在遠程教學和遠程辦公中，由于傳統的網絡基礎設施存在不平均的情況，以及缺乏智能化處理機制，通常會將所有用戶的信息等同傳輸。但是，不同場景下的信息傳輸和處理存在差異性。例如，在會議講話中，語音信息和臉部、手勢的視覺信息相對重要，其他的信息屬于缺乏變化或是次要元素。

“如果有智能邊緣計算，可以對輸入的視頻信號進行差異化的編碼。傳輸過程的總信息量沒有丟失，但是需要的數據量大幅度降低。”宋繼強表示。

車路協同也是一個典型的邊緣計算場景。交通路口等車輛工作環境包含大量高傳輸量的高清視頻傳感器、延時很低的雷達等，除了數據導入和簡單的過濾之外還需要AI處理，實現發現問題、做出決策并執行的流程。

“交通路口可以在幾個方向上都有攝像頭，把攝像頭的數據放在邊緣，將車和人三維重建到場景中，并實時跟蹤其速度和軌跡。如果有足夠的計算量，就可以提前預測碰撞。這些都是邊緣計算才能做到的。”宋繼強向本報記者表示。

機器人是智能邊緣計算的典型用例，英特爾一直通過產學研合作的方式推動機器人產業的發展，推進基于5G的云邊端一體化部署，機器人更加智能化，自主感知和決策能力增強。
責任編輯:tzh