在科技領域，同一時期出現的諸多尖端理論或者是技術，總會在某一個點不期而遇，并且以一種組合的方式推動社會進步。在5G的帶動下，AI和邊緣計算即是如此。最近隨著中國，德國，以及世界其他主要國家開始5G落地，關于邊緣計算，AI和物聯網的話題再度被炒熱。得益于未來5G的高帶寬，邊緣計算有了落地的基礎，而AI的發展，則加快了相關應用的進步，隨之而來的則是萬物互聯的物聯網時代。..。..

眾所周知，物聯網最基礎的要求是設備彼此能夠達到智能互聯，如果5G是彼此互聯的“腿”，那么AI則是知道如何互聯的“魂”。在當今社會，數據爆炸性的增長使得云端數據中心不堪重負，越來越多的應用場景都要求數據必須以高度智慧化的方式實現即時識別和處理，否則將產生難以估量的損失，比如自動駕駛。..。..

據美國Tractica公司發布的數據顯示，到2025年，人工智能的邊緣設備年產量將從2018年的1.614億臺，增加到26億臺。其中包括移動電話，智能揚聲器，傳統的電腦，Pad，甚至頭戴顯示器，汽車傳感器，無人機以及消費類和商用類的機器人和攝像頭。其中的很多設備也將實現高度的AI化。

在目前的商業環境下，云端的物聯只能算是一種原始物聯，即通過傳感器將設備的各種狀態，信息簡單記錄，然后發送到核心系統進行分析。但是，隨著AI和5G的到來，將賦予邊緣設備更多的智能化，就如同八爪魚一樣，神經元的60%都集中在觸角上。未來的邊緣系統不再是對數據的簡單上傳，而是可以對其進行分析，推理和模式匹配，并最終實現無監督機器學習。系統和傳感器也將有能力根據最新數據來調整其內部算法。比如，智能傳感器會為設備生成溫度，壓力，濕度，空氣質量，震動和聲音等信息以數據的形式保存起來，然后通過算法進行智能分析以后下發相應的處理指令。處理結果在初期可能不盡如人意，但通過AI學習，結果會逐漸獲得優化。

從硬件的角度來看，如今的設備對AI算法的支持越來越高。傳感器“麻雀雖小五臟俱全”的屬性可實現在極小空間內的數據內存和處理，這將極大的緩解傳統云端處理設備的運算壓力，從而大大減輕數據中心的工作負荷。

除了前文提到的交通工具，AI的邊緣計算事例還有很多，和我們最相關的就有醫療設備，制造系統等。比如，在手術室中病人身體的關鍵數據需要被即刻處理，才能立即為醫生提供準確而有效的信息以作下一步行動決策，這將為關鍵時刻挽救病人的生命創造機會。

除此以外還有物流行業，可以在物流公司的各種設施，裝備上面安置攝像頭，實時監控及管理由貨車、運貨車運送的貨物。這將極大的增強快遞物品狀態的可追溯性，并提升用戶滿意度。

人工智能增強邊緣決策的優勢總結來說有如下幾點：

首先，和現在的集中式物聯網模型相比，AI的邊緣設備在響應能力上有質的提升。同時，實時處理和數據洞察的能力也非現有設備可比。在安全性方面也將更有保障，比如傳統互聯網設備在數據往復發送的過程中，被篡改或者暴露的風險很高，但將數據就地處理之后，就可以極大的降低這種風險。

其次，AI邊緣設備具有更高的靈活度，智能設備能夠支持特定行業或特定地點產生的要求，包括從建筑能源管理到醫療監測等諸多行業。同時，在管理上也可以不再高度依賴人工。

最后，在用戶服務方面，AI化的邊緣系統也將提供更高的滿意度支持。比如網約車，AI可以通過位置感知服務給予響應，或在出現延誤時重新安排路徑計劃，節約用戶出行成本的同時，降低公司的違約風險。