边缘人工智能（AI）是一种去中心化计算方式，允许设备在与用户交互的最近端，根据数据做出决策。
这类技术的优势包括提升隐私保护和节约成本，但数据通常会在处理后被丢弃。
即将到来的进步，包括5G技术和成本更低的处理芯片，将使边缘人工智能在某些应用中越来越实用，范围从智能家居设备到医疗技术。
想象一下，在一个异常寒冷的日子里，你希望新买的智能恒温器迅速调高暖气，让你下班回家时屋里暖和。你用智能手机连接恒温器并发出指令。你可能不会察觉，但这一操作可能需要几秒钟，因为它要先将请求发送到云端，再接收返回的指令。
现在想象一下，你乘坐的自动驾驶汽车突然检测到一只狗跑到了前方道路上。为了避免事故，汽车必须在几毫秒内做出反应。这种反应需要边缘人工智能（AI）——一种能在与用户交互的最近端做出决策的技术，在这个例子中，最近端就是汽车的传感器。这正是瞬间决策的定义。
流动中的数据
在当今的物联网（IoT）中，数据始终处于流动状态。数据从传统系统流向云端，再一路传至边缘设备，并超出组织自身系统的范围，抵达合作伙伴和客户。答案需要实时交付，因此当数据可通过边缘设备处理时，使用集中式计算能力并非总是有效。自动驾驶汽车只有几秒钟的反应时间，等不及云端做出决定。
无论设备身处何处，都可以向边缘端的人工智能算法输入海量数据，其益处也十分广泛。流动中的数据可以将关键患者信息传递给医生、缩短游乐园的排队队伍、提醒电力公司可能发生停电，并让自动驾驶汽车及时做出反应以避免悲剧。
边缘人工智能让设备能够在设备层面自行做出这些决定。处理数据并不一定需要连接互联网。比如，有一种手表可以监测你的睡眠模式，但它不会把数据上传到云端存储和处理，而是在手表本身记录数据并进行处理。
支持边缘计算的人工智能设备还包括电子游戏、智能音箱、无人机和机器人。安防摄像头也可以支持边缘计算——工厂车间里的摄像头在制造过程中查找产品缺陷，可以迅速识别需要立即剔除的产品。边缘人工智能还可用于分析图像以提供急救医疗服务，此时速度可能关乎生命。处理能力离数据越近，响应时间就越短。
边缘技术不会取代云端，但仅属于用户本人的数据——例如睡眠模式或游戏数据——可以在支持边缘计算的设备上处理。这种数据去中心化有助于解决隐私问题，而隐私是物联网市场的一项重大关切。边缘人工智能可以在不损害隐私的前提下提供便利。在某些情况下，成本还可能低得多——目前有一家公司正在开发声控家用电器，例如洗衣机和洗碗机，采用的是每个仅需几美元的小型微处理器。
“说到和我住在同一屋檐下的电子产品，我其实更希望它们没那么智能。”
克莱夫·汤普森，《连线》
代价是机器人功能没那么强：咖啡机上的语音识别人工智能只需识别约200个词，而且都只与煮咖啡这一任务相关。《连线》记者克莱夫·汤普森这样解释：“我不需要会讲冷笑话或产生自我意识的电灯开关。它们只需识别‘开’和‘关’，或许再加上‘调暗’。说到和我住在同一屋檐下的电子产品，我其实更希望它们没那么智能。”
除了处理速度更快、成本更低，边缘人工智能也不需要互联网不断扩容。随着物联网迅速发展，如今边缘端感知和产生的数据量十分庞大——Statista估计到2025年，这一数字将接近80泽字节。
数据量如此之大，以至于从技术上说，利用当今互联网的带宽将这些数据全部传输至云服务器进行存储和处理并不可行。即使带宽充足，也需要有足够的数据中心资源来处理所有数据。所需带宽减少意味着成本节约。企业生成的数据中，约有10%是在传统集中式数据中心或云端之外产生并处理的。Gartner预测这一比例到2025年将达到75%。
权衡风险与回报
物联网领域最棘手的问题之一是，许多人负担不起相关设备，或者居住在农村地区，当地又没有网络，因此可能无法参与这场日常生活的变革。网络容量长期受限可能形成恶性循环。边缘网络并不容易建设，而且成本可能很高。发展中国家在通过需要更新的边缘设备处理数据方面，可能会进一步落后。因此，边缘计算的发展也可能加剧结构性不平等，尤其是在获取能够改变生活的人工智能和物联网设备方面。
边缘人工智能的另一项风险是数据可能被丢弃：按其本质，“在边缘端”意味着数据可能不会传到云端存储。设备可能会被设定为丢弃信息以节省成本。集中处理和存储当然有其缺点，但其优势在于，数据在需要时能够随时调用。
世界经济论坛如何确保人工智能的发展能够惠及所有利益相关方？
如果空旷道路上的海量数据看起来无关紧要——毕竟路上只有你和你的自动驾驶汽车——那就再想想。从有关这条空旷道路的数据中可以了解到很多信息，包括路况，以及汽车和其他类似车辆在这些条件下的表现。最后，对于边缘计算，必须仔细审视明确的商业案例，确保网络成本与创造的价值相匹配。
尽管存在不平等和数据丢失的问题，随着5G技术进步和处理芯片成本下降，我们不难看出，“边缘端”很可能会长期存在——无论是为你准备好通勤的自动驾驶汽车，还是咖啡机。
