“未来的汽车应该是一种会学习的轮式机器人”，面对持续升温的自动驾驶汽车，在近日举办的第一届中国国际智能产业博览会上，中国工程院院士李德毅表示，“它应该能够通过边缘计算与‘驾驶超脑’的学习，让自动驾驶比人类驾驶更安全。”

从某种角度讲，吸引了大量眼球和投资的自动驾驶汽车就是一场AI的游戏，而AI的进步将率先在边缘计算中体现，并将助推边缘计算解决物联网引发的数据雪崩。

虽然各研究机构对全球数据的爆发式增长有不同的预测，但将计算和数据移动到更接近用户的位置已是行业共识，在入局的各路科技大神眼里，这一千亿价值的新赛场将首先成为消费市场及智能工厂等领域的必选项。

章鱼：我是天生边缘计算能力者

正当边缘计算和云的关系被热烈讨论之时，知名创投调研机构CB Insights近日撰写的《What Is Edge Computing》广受关注，文章详述了边缘计算的发展和应用前景。文章称，云计算已不足以即时处理和分析由物联网设备、联网汽车和其他数字平台生成或即将生成的数据，边缘计算将派上用场。

但边缘计算究竟是什么？很多人仍然一头雾水，在回答这个问题时，华为企业业务总裁阎力大表示，跟章鱼差不多。在无脊椎动物中，章鱼的智商最高，它拥有巨量的神经元，60%分布在八条腿（腕足）上，脑部仅有40%。但是，看起来用“腿”来思考并解决问题的章鱼在捕猎时腕足之间配合极好，从来不会缠绕打结，这得益于它们类似于分布式计算的“多个小脑+一个大脑”。

目前的人工智能应用更多依赖于云端，边缘计算则将智能从云端推向边缘。用地平线智能解决方案与芯片事业部总经理张永谦的话说：“计算正从中央走向边缘。”也就是说，不是所有的应用都要放在云端，比如，当房子里有物体移动时，智能家居的安全系统检测可以依靠终端设备资源检测正在移动的，是家里的狗，还是闯入的贼，并据此作出精准的智能控制。

未来，如果没有边缘计算的支持，很多应用可能都是画饼，如炙手可热的无人驾驶汽车对实时信息交互和数据传输、交互的延迟指标要求非常苛刻，一旦系统响应慢，重则发生交通事故，轻则无人驾驶体验大打折扣。

需要强调的是，虽然我们将把越来越多的基础任务推向装置所在的边缘，但如Linux基金会物联网资深总监Philip DesAutels所强调，这只代表了越靠近边缘的装置越会变聪明，并不能说它与云端毫无关系。云端也会因为边缘变得更聪明更智慧，它未来更重要的任务将是中央协调管理者。

边缘计算+AI：为解决痛点问题而来

如英特尔所说，世界正陷入数据洪流的雪崩中，AI在进行分析处理时，更需要消耗大量的计算资源和存储资源。如果能像章鱼一样，采用边缘计算的方式，海量数据就近处理，大量的设备高效协同工作，诸多问题便迎刃而解。

网宿科技董事长刘成彦表示，在智能社会到来之际，物联网的爆发所带来的网络容量以及对计算的需求，将远远大于人与互联网之间的交互所带来的需求，智能终端产生的数据能力也将远远大于人类产生数据的能力，预计未来将有50%的计算能力放在边缘。

微软全球资深副总裁、微软亚太研发集团主席兼微软亚洲研究院院长洪小文告诉记者：“边缘计算能够进行本地决策和判断，能够保证离线状态下进行不间断操作，适用于智能工厂、无人车等强调连续性、安全性的场景。”

英特尔中国区物联网事业部首席技术官张宇博士说：“如何在网络边缘实现智能化，是驾驭数据洪流的关键环节之一，是物联网未来发展的重要趋势。”

所谓智能边缘化，需要把云上的模型，快速迁移到线下，将云上智能改造为边缘可用的轻量级智能，适配边缘软硬件环境和使用场景，而云原生模型要用于边缘节点，需要做模型转换，压缩，调优等工作。某知名大厂战略研究人员刘先生对科技日报记者说：“看起来都是些技术问题，但付诸实施没那么容易，理论上开辟边缘新战场，打通云/边AI数据流通道，统一线上线下技术生态，统一AI架构好处很多，但若无业界协同，结合应用场景，综合建设立体生态，人工智能助力边缘计算只能是空谈。”

刘先生强调，人工智能不仅是数学和算法，更是综合性技术应用，促进生产力和解决效率，才是AI的头等大事，而不是那些神乎其神的能力。放到边缘计算中看人工智能，最能理解这一点，从产业的角度讲，智能边缘作为人工智能的硬件形态，单点突破没有意义，人工智能+边缘计算的立体化应用突破才有价值，才能真正解决痛点问题。

安全风险：边缘计算不可忽视的挑战

中国科学院沈阳自动化研究所所长于海斌说：“无论边缘计算技术将来形成什么样的组合业态，无外乎工业、制造、传感、控制、计算、存储和网络的融合。边缘计算是否能探索出面向未来的新型产业模式，将非常重要。”

如前文所述，将人工智能真正推向边缘并不简单，而在不断涌现或一直就存在的各种挑战与局限中，安全风险更是业界迫切需要关注的问题。

边缘计算就像物理世界连接数字世界的桥梁和数据的第一入口，随着智能边缘设备（包括手机及物联网传感器）的激增，新兴的攻击矢量将不断涌现，数据实时性、确定性、多样性等诸多挑战已摆在眼前。

互联网行业分析师陈金玉说：“虽然边缘计算能使安全部件更接近于攻击源，启动更高效的安全应用并增加分层数量以抵御针对核心的侵犯和风险，但不可否认的是，人工智能时代，数据的收集、使用等各环节本就面临着新的风险。”

事实也是如此，在数据收集环节，大规模的机器自动化收集着成千上万的用户数据，并可对用户全面追踪。在数据使用环节，随着大数据分析技术的广泛使用，特定个人很容易被锁定，消费习惯、行踪轨迹等信息越来越多的被用于“精准营销”，而这其中的使用尺度始终处于灰色地带。

陈金玉说：“不仅如此，在数据的生命周期中，由于黑客攻击、系统安全漏洞等原因，个人数据始终有被泄露的安全风险，目前这种风险又将怎样被扩展到边缘计算指向的人工智能消费领域及工业领域还难以预测。”