近年來，物聯網設備數量呈線性增長趨勢。根據相關計算，到2020年，中國的物聯網設備數量將達到74億臺，預計到2025年將超過150億臺。

與此同時，ai邊緣計算設備本身也變得越來越智能。人工智能與互聯網在實際應用中的融合，將推動我們進入“萬物互聯”時代，由此產生的數據也將呈爆炸式增長。

近十年來，云計算成功地緩解了數據量增加帶來的存儲和管理問題，但復雜的網絡環境使得網絡時延控制難以取得突破。

因此，傳統的云計算無法滿足對響應時間和安全性的高要求。以無人駕駛汽車為例。高速汽車需要在幾毫秒內做出反應。一旦由于數據傳輸、網絡問題等原因導致系統響應時間增加，就會造成嚴重的后果。

此外，云計算還面臨著帶寬不足的問題。如果將邊緣設備產生的大量數據全部傳輸到云計算中心，將給網絡帶寬帶來很大壓力。

例如，一輛支持智能駕駛輔助的汽車每秒可以生成數十到數百MB的數據。在一個大的交通場景中，數百輛車的數據可以同時上傳到云通信中，這會占用大量的區域帶寬，造成延時甚至擁堵。

在這種應用環境下，邊緣計算應運而生。結合現有的云計算集中處理模型，可以有效解決云中心和網絡邊緣的大數據處理問題。

邊緣計算是云計算的補充和優化。如果說云計算是“云”化的數據集中處理，那么邊緣計算可以理解為在邊緣和靠近終端(如屏幕、傳感器等智能設備)的位置進行數據處理。在許多情況下，邊緣計算和云計算是共生的。

有一個生動的解釋。云計算和邊緣計算似乎更容易理解為章魚器官。

章魚作為自然界智商最高的無脊椎動物，具有“概念思維”的能力，這與兩個強大的記憶系統密不可分。一個是大腦記憶系統，有5億個神經元，另一個是有8個爪子的吸盤。

換句話說，章魚的八條腿可以思考和解決問題。云計算就像章魚的大腦，而邊緣計算就像章魚的小爪子。爪是一個靠近實際物體的小電腦室。邊緣計算更貼近設備，也更貼近用戶。

ai邊緣計算和5g相輔相成：

5g初期，規劃了三個場景:eMBB(增強移動寬帶)、MMTC(大規模機器通信)和URLLC(超可靠低時延通信)。其中，eMBB應用于超清視頻等高流量業務，MMTC應用于大規模物聯網業務，URLLC應用于無人駕駛、醫療、工業自動化等要求低延遲、高可靠連接的業務。

5g進一步改善去中心化，在網絡邊緣部署小型或便攜的數據中心，本地化終端請求，滿足URLLC和MMTC的超低延遲要求。因此，ai邊緣計算是5g的核心技術之一。

ai邊緣計算可以解決三個5g場景面臨的問題:

首先，邊緣人工智能計算機將為新的和現有的邊緣設備提供連接和服務;

其次，盡管5g可以為基于云的應用提供更快的連接和更低的延遲，但它仍然會帶來數據處理和存儲的成本。混合ai邊緣計算 + 5g解決方案將降低這些成本。

最后，ai邊緣計算允許更多的應用程序在邊緣運行，減少由于數據傳輸速度和帶寬限制造成的延遲，在邊緣本地執行數據分析，并分擔云的工作。

5g和邊緣人工智能在某種程度上是互補的。一方面，5g本身的發展直接推動了ai邊緣計算的進步。另一方面，由于5g推動物聯網，也將間接推動ai邊緣計算的發展。

這就是ai邊緣計算和5g的關系和現狀。未來，通過ai邊緣計算與5g的深化融合，將會有更多的新概念和新生，讓技術帶來更美好的生活。

審核編輯：符乾江