數字化浪潮的洶涌推進，催生了前所未有的數據洪流，加速了計算從云到端的發展。在近日舉辦的英特爾新質生產力技術生態大會上，英特爾市場營銷集團副總裁、中國區OEM&ODM銷售事業部總經理郭威指出，如今云和端的界限正在變得越來越模糊，兩者朝著彼此融合的方向發展。這一趨勢的背后，是數據量的爆炸性增長，以及對數據在不同地點處理的考量，而這也構成了推動邊緣計算興起的關鍵因素。

越來越多的企業應用開始在邊緣運行。根據Gartner的預測1，到2027年，50%的關鍵企業應用將在邊緣運行。研究機構Grand View Research2 則預計，全球邊緣計算市場規模將在2024年至2030年間以高達36.9%的復合年增長率（CAGR）持續擴張。企業正在邊緣計算上持續投入，預計3從2024到2028年，全球邊緣計算支出將以雙位數的復合年增長率（CAGR）穩健增長。

AI在邊緣也展現出強勁的發展勢頭。盡管目前，AI應用主要集中在云端，但考慮到成本、時效性和安全性等因素，AI向邊緣下沉已成為趨勢。Gartner預測4，到2026年，50%的全球邊緣部署將包含AI。今年以來，生成式AI在各行業的應用不斷落地，企業積極利用大模型技術解決商業挑戰，并推動了一系列創新成果，大模型商用正進入規模化發展的關鍵階段。

邊緣AI“痛點”大起底：

成本、技術與規模化挑戰

盡管邊緣AI在數據處理和實時響應方面展現出顯著優勢，但在其部署過程中仍面臨一系列挑戰。

首先，將資源從云端轉移到邊緣通常需要額外的成本投入，包括硬件采購、部署、維護以及能源消耗等。企業需要在價值、質量和成本之間做出權衡，算一筆“經濟賬”。

其次，技術層面的復雜性是阻礙AI應用的一大難題。“模型幻覺”問題是其中之一，即在邊緣環境下，AI模型可能會因數據質量、模型訓練不足或硬件限制等原因產生不準確的輸出。

此外，邊緣應用場景的多樣性與碎片化也為邊緣AI部署帶來了挑戰。場景、設備及工作負載的多樣性，意味著每個場景都有其獨特的需求和限制。如何設計出既靈活又可擴展的標準化方案，以適應不同場景的需求，成為實現邊緣AI規模化應用的關鍵。

三大策略突破瓶頸，

助力邊緣AI規模化發展

策略一：

多樣化硬件產品，破解邊緣場景碎片化難題

在邊緣計算場景中，面對不同的應用負載和場景需求，通用處理器和通用算力芯片是滿足這些多樣化場景的最佳方案，這也是英特爾的優勢所在。

為實現這一目標，英特爾不斷在CPU中集成更多先進功能，通過CPU、GPU和NPU的協同工作，滿足各種場景下的復雜需求。

英特爾專為邊緣設計的多樣硬件產品組合，如英特爾 酷睿 處理器，為日常的工作負載提供了卓越的性能；英特爾 酷睿 Ultra 處理器則集成了NPU（神經網絡處理單元），為多種應用場景提供了更強大的算力支持。此外，英特爾凌動 處理器、英特爾銳炫 GPU For the Edge、英特爾 至強 6 處理器，以及專為加速深度學習訓練和推理而設計的英特爾 Gaudi 處理器等，為客戶提供了豐富的選擇，使客戶以較低成本滿足多樣化負載和碎片化應用成為可能。

策略二：

開源開放平臺，加速易用、可負擔的AI部署

在軟件工具層面，英特爾提供了一系列工具集，如OpenVINO和oneAPI，這些工具集為開發者在英特爾平臺上優化和部署AI應用提供了強有力的支持。

在AI模型和框架方面，英特爾提供TensorFlow、Hugging Face、PyTorch和DeepSpeed等主流AI模型和框架，確保開發者能夠利用最前沿的工具來構建和訓練AI模型。

企業AI開放平臺（OPEA）是英特爾攜手行業領軍企業共同打造的開放性AI開發與部署平臺。該平臺幫助行業客戶更便捷地基于英特爾的產品，構建完整的企業級AI應用。

策略三：

以場景驅動創新，攜手生態破局未來市場

英特爾攜手合作伙伴，深入挖掘行業場景的需求與痛點，在特定場景中探索創新路徑，共同預見并應對未來可能出現的新挑戰。

針對多元化的應用場景，英特爾與合作伙伴攜手打造了定制化的垂直行業AI解決方案，如英特爾 工業邊緣控制、基于英特爾 架構的 AI POS 方案等，滿足零售、工業、教育、醫療、能源和交通等不同領域的特定需求。

多元化的生態是英特爾持續深耕行業、推動創新的基石。英特爾也將持續構建和拓展合作伙伴生態系統，與服務提供商、設備制造商等生態伙伴緊密合作，共促技術聯創、共享開發權益、共拓市場項目，加速人工智能的開發和落地部署。

2024年是大模型應用的落地之年，AI應用在創新的浪潮下持續拓展邊界。在云、邊、端融合的趨勢下，英特爾憑借CPU、GPU與NPU的強強聯合筑牢算力底座，以開放平臺和生態推動技術創新與產業發展，讓更多行業企業能夠輕松擁抱AI技術，從而引領生成式AI及大模型應用走向規模化發展的新階段，推動業界邁向更加智能、高效與可持續的未來。