1.3　边缘智能发展的三大阶段

边缘智能的发展与物联网、移动通信、人工智能、云计算、边缘计算等新一代信息技术密切相关，其演进路线涉及前期探索、“智能+”融合和体系化发展等三个重要阶段。

1.3.1　第一阶段：边缘智能探索

物联网（Internet of Things，IoT）和边缘计算技术是边缘智能发展的前提。到2021年，全球范围内将有超过500亿台终端设备，并将每年产生847ZB的数据。面对海量终端带来的数据压力，云计算的传输带宽、时延问题凸显，边缘计算可以丰富云计算的“神经末梢”，将计算下沉至网络边缘，就近向终端设备提供计算服务，更快速地缓解数据处理压力，更高效地完成任务反馈。

然而，云计算所面临的问题并没有完全解决，相应地，边缘计算的发展也面临一些问题。

（1）边缘计算下沉到什么位置？是下沉到边缘控制部分，还是下沉到数据源；尽管大量部署边缘计算可以降低时延，但相应的成本也随之提高。

（2）边缘计算的层级设置为多少？是单层的边缘计算，还是云边协同计算，或者是增加更多数量与层级的边缘节点？

（3）计算能力如何在边缘计算和云计算间配置，计算是如何在云与边缘间动态分配？目前常规模式为：边缘向云端汇集数据，云端向边缘下发控制指令，但其通信路径配置问题仍需探索。

此外，从IoT到边缘计算，再到5G通信高宽带、低时延和海量物联的应用场景，边缘计算如何与网络切片、软件定义、安全防护相结合，这些都是下一步发展中值得探索的关键问题。

1.3.2　第二阶段：“智能+”边缘

随着人工智能的发展，“智能+”边缘成为边缘计算的新方向。业务流程、终端部署与人工智能的不断融合，让边缘计算节点具有计算和决策能力，成为了边缘智能的雏形。

调查发现，在终端设备直接产生的数据中，只有10％是关键数据，其余90％都是无需长期存储的临时数据，在决策和分析阶段可用的有价值数据仅占1％；因此，“智能+”边缘可以让数据直接在生产端升值，极大地增强本地服务响应效率。此外，当缩短终端设备与计算单元间距离时，数据处理成本也会随之降低，可想而知，当“智能+”沿着网络边缘的链路作叠加操作，整个业务流程将会变得功耗更低、时延更短、可靠性更高。尤其是将以卷积神经网络、循环神经网络、生成式对抗网络、深度强化学习等模型为代表的人工智能技术部署于边缘设备，可以极大地拓展传统云服务范围，解决边缘智能服务的“最后一公里”问题。

如图1-14所示，“智能+”边缘涉及的主体包括云计算中心、边缘服务器、终端设备等3类，而人工智能在边缘计算场景的推理模式包括基于边缘服务器的模式、基于终端设备的模式、基于边缘服务器-终端设备的模式和基于边缘服务器-云计算中心的模式，其具体实现方式可划分为“边”智能、“端”智能、“边-端”智能和“边-云”智能，其主要区别为人工智能模型执行推理计算的位置不同。同时，“智能+”边缘更注重智能与产业应用的结合，按照不同场景需求，可以提供相应的“智能+”解决方案。然而，由于人工智能模型复杂，各组成部分间依赖性强，在具有明显分布式特征的资源受限网络边缘并行执行时会面临一定困难。

1.3.3　第三阶段：边缘智能体系

经历了物联网数据和流量的爆发，边缘计算“神经末梢”式的计算模式以及“智能+”的边缘赋能后，边缘智能终于演化为“云-边-端”一体化联合协同的完备体系。

边缘智能最主要的特征为“云-边-端”一体化联合协同。以无脊椎动物中智商最高的章鱼为例，其60％的神经元分布在腕足上，40％的神经元集中于脑部，这个“用脚思考”的生物，就是云端大脑与边端小脑联合协同的有机体。

从云计算、分布式计算，到边缘计算，再到边缘智能，计算方式正在从云端下沉到边缘端，“智能+”也从计算、数据能力源头的“第一公里”延伸至边缘应用落地的“最后一公里”。因此，边缘智能不是简单地搭建边缘计算框架，机械地应用人工智能，而是利用5G通信将云计算延拓到边缘计算，将人工智能分布至整个链路，融合网络、计算、存储、应用的核心能力，让大数据在网络边缘智能升值，使边缘智能体系与用户、业务深度结合，使体系性能整体提升，并对外提供敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护的智能服务。

可以看到，边缘智能的核心理念是“服务”，与传统的云服务不同，边缘智能可以提供“云-边-端”一体化的智能服务，尤其是云原生技术体系中，容器、微服务可为“云-边-端”提供软连接，5G通信、智能芯片可视为承载人工智能应用的硬连接，因此，多端协同、软硬兼容、联合一体是构建边缘智能新形态的必然趋势。

不过，随着边缘智能的不断演进发展，技术、业务、商业模式等各方面面临的挑战仍然具有不确定性；在标准化、场景驱动、产业链协同、安全隐私等方面依然有大量工作需要完善。