边缘计算带给AI的影响是好的还是坏的

人工智能一直是近年来科技圈热门的领域，国内更是在这几年诞生了诸如旷视科技、商汤科技、极链科技Video++、依图科技等优秀初创企业。但随着5G、人工智能和物联网时代的到来，传统的云计算技术已经无法满足人工智能终端“大连接、低时延、大带宽”的需求。

尽管目前云计算的能力越来越强大，但是面对大量涉及个人隐私的数据，传统的云计算依然不能高效地支持基于物联网的应用服务程序，而边缘式大数据处理时代下的边缘云计算恰好可以很好的解决这些问题。

边缘云是基于云计算技术的核心和边缘计算的能力，构筑在边缘基础设施之上的云计算平台。形成边缘位置的计算、网络、存储、安全等能力全面的弹性云平台，并与中心云和物联网终端形成“云边端三体协同” 的端到端的技术架构，通过将网络转发、存储、计算，智能化数据分析等工作放在边缘处理，降低响应时延、减轻云端压力、降低带宽成本，并供全网调度、算力分发等云服务。

简单来说，边缘计算就是指在靠近物或数据源头的网络边缘，融合了网络、计算、存储以及应用处理能力的分布式平台，就近提供智能服务。边缘计算可以理解为云计算的一个逆操作，云计算强调的是计算和存储等能力从边缘端或桌面端集中，而边缘计算则是将这种计算和存储能力重新下沉到边缘。

边缘计算产生原因主要还是云计算的服务不足，云计算大多采用集中式管理的方法，这使云服务创造出较高的经济效益，而在万物互联的背景下，应用服务需要低延时、高可靠性以及数据安全，而传统云计算无法满足这些需求。

首先物联网环境下，边缘设备产生大量实时数据，云计算性能正逐渐达到瓶颈，据IDC预测，到2020年，全球数据总量将大于40ZB，随着边缘设备数据量的增加，网络带宽正逐渐成为云计算的另一瓶颈。其次当用户使用电子购物网站、搜素引擎、社交网络等时，用户的隐私数据将被上传至云中心，其包含用户隐私数据，如果直接将视频数据上传至云数据中心，视频数据的传输不仅会占用带宽资源，还增加了泄露用户隐私数据的分风险，边缘计算模型恰好为这类敏感数据提供了额较好的隐私保护机制。最后，针对云数据中心的能耗问题，随着在云计算中心运行的用户应用程序越来越多，未来大规模数据中心对能耗的需求将难以满足，为解决这一能耗难题，边缘计算模型提出将原有云数据中心上运行的一些计算任务进行分解，然后将分解的计算任务迁移到边缘节点进行处理，以此降低云计算中心的计算负载，以达到降低能耗的目的。

边缘计算的应用场景从覆盖上可以分为全网覆盖和本地覆盖两类。全网覆盖类应用的核心要求是从边缘节点在地区和运营商网络两个层面上的覆盖度，来保证就近计算（如 CDN、视频直播、边缘拨测/监控等业务），或者基于足够多的节点进行网络链路优化。

本地覆盖类应用的核心要求是边缘节点的本地化，即边缘节点的接入距离要足够近（《30 公里），时延足够低（《5ms），来支持本地化服务的上云需求，例如新零售、医疗等行业的监控数据上云等。这类应用的大带宽需求是最能体现边缘云计算时延和成本优化等核心优势的场景。

视频直播的媒体流推送到就近的边缘节点，在边缘节点直接进行转码，转码后的媒体流分发到CDN边缘节点，当有用户访问时就近返回内容。基于边缘节点上的服务、直播流的上下行内容推送以及转码处理等都不用再回中心处理，大大降低了业务时延，提升了互动体验，同时边缘处理架构对带宽成本的节省也非常明显。

过去AI必须依靠强大的云端计算能力来进行数据分析与算法的运作，随着技术的成熟以及新应用的出现，商业数字化概念逐渐深入人们的思想，芯片能力不断提升、边缘计算平台成熟，开始赋予了AI更强的能力，协助数据初步筛选分析、装置设备实时反应等，在工业领域、智慧城市、视频识别都能让服务有进一步的提升。边缘云计算技术将成为人工智能、物联网等领域的关键组成部分，也将得到更大的发展，覆盖的潜在客户和场景将不断出现。随着边缘云计算的应用场景越来越多，用户需求的变化将是未来关注的重点，如果做得好，未来边缘云计算将比传统云计算低更多的成本实现项目。