近幾年，隨著邊緣計算與AI的結合，邊緣AI逐漸成為新的智能轉型手段，因其流量佔用小、時延低、隱私性強等特點，可以與傳統雲計算形成組合拳。

邊緣端現場實時處理與響應，保留重要數據回傳雲端，這種組合方式可以加速傳統行業智能化升級的落地，在各行各業具有廣泛的應用前景。

智慧交通

隨著城市交通智能化的發展，各種終端數量的增加，對海量信息實時處理的需求也顯著增加。

比如交通監控攝像頭，單個路口的高清攝像頭每天就會産生幾十G的視頻文件，如果是一條街、一個區域、甚至一座城市，産生的數據量是無比巨大的，而這些視頻中，真正有效的，需要捕捉的違法行為內容佔比很少。

邊緣AI計算機可在現場進行智能處理，直接在本地分析違法行為，篩選有價值內容上傳，大大降低了無效內容産生的帶寬和存儲浪費。

智能交通正在從單一場景的交通管理，嚮融合場景的交通服務發展。V2X（汽車無線通訊互聯）場景可以讓道路駕駛更安，更多的道路智能設備加入，給與汽車如限速、惡劣天氣預警、並線提醒、路口信號燈配時調度等數據。

智能汽車

具備智能駕駛輔助的汽車在行駛過程中會産生大量數據，這些數據可能是汽車自身數據、如時速、油門與剎車開度等，也可能是雷達、視覺等外部傳感器探測的數據，在車路協同場景中，甚至還會有其他車輛的位置、速度，及電子路政設施的交互數據。

汽車在道路上行駛時，如果這些數據全部需要上傳雲端處理後再反饋車輛，就會産生嚴重的安全隱患，如果恰巧汽車行駛在無信號的山洞、隧道中，或信號故障、幹擾的區域，雲計算失聯，汽車無法自主進行決斷是非常可怕的。

所以要借助邊緣AI計算機給與汽車相應思考能力，讓汽車不需要雲計算即可做出“潛意識”的正確反應。

智能家居

隨著物聯網的普及，家庭生活將引入越來越多的智能應用，如智能照明控製、智能電視、智能空調等。這些應用需要在家中部署大量的傳感器和控製器。

為了保護家庭數據的私密性，數據處理可以使用邊緣AI，使得大部分計算資源被限製在家庭內部網關，禁止敏感數據外流。

通過邊緣AI優化室內定位和家庭安防檢測，獲得比雲計算更高的精度和更低的延遲。家庭娛樂也將從邊緣AI受益，無需將用戶偏好上傳到雲端，係統可自行推薦個性化服務，讓用戶擁有更好的娛樂體驗。

智慧農業

農業也將同樣受益於邊緣AI，我們曾為某畜牧企業提供了邊緣AI計算機，通過客戶業務需求，導入對應算法，將用戶傳統攝像頭進行人工智能升級，邊雲結合，快速完成升級部署。

升級後的係統可以全天候自動完成人員、服裝識別；豬隻出入、轉欄識別；外來生物識別、軌跡監控；區域異常監控等工作。顯著節約了人力成本，提高了企業的專業化、現代化水平。

無人機

近年來，從自媒體到影視拍攝；從電力巡檢到國土巡防；從農業噴灑到防汛抗旱，無人機的應用領域正在不斷擴大。

但是無人機的痛點：控製距離受限、孤立飛行無法協同配合、依賴人工監控的問題依然突出。

邊緣AI可以有效的解決這些問題，首先，通過區域邊緣計算機節點，無人機與之通訊，實現超視距廣域飛行。

其次，通過自身的邊緣AI計算機，可以自主進行編隊、多機協同配合。如近些年出現的無人機編隊錶演，農業組隊噴灑，掛載不同設備協同巡檢，甚至軍事上進行無人機集群突防等。

最後，通過導入算法，可在現場自行分析拍攝的畫麵內容，如農作物病害、森林火情等場景，自動嚮雲端上傳匯報，降低人工監控的工作量，自主進行更遠、更廣、更長時間的巡檢工作。

安防監控

實時視頻分析也是邊緣AI最重要的應用場景之一。人臉識別係統是監控攝像機的發展方嚮，它可以通過學習人臉來識別個體。

以前，視頻分析通常是在雲中進行的，存在數據消耗高、延遲大等問題。隨著邊緣計算技術的發展，部分視頻分析工作可以轉移到邊緣節點。

邊緣AI可以加強相機終端的計算和處理能力，它所攜帶的人臉識別功能可以不再依賴於雲服務器，節省了大量的帶寬資源和上傳時間。通過在本地設備上直接完成人臉識別，縮短識別過程。

智慧物流

在智能物流係統中，將邊緣AI應用於單元級物流終端，提高其智能化等級。如:智能分揀機器人、快遞無人飛機、智能穿梭車、搬運車、無人裝卸設備、物流配送機器人、智能堆垛機等。

隨著物流行業步入智能化進程，這些設備需要與智能物流係統和智能物流服務平臺相連接。此時，邊緣AI平臺成為智能物流終端設備智能覺醒的關鍵。

智慧城市

隨著城市規模的不斷擴大，數據呈現地理分佈的特性，需要邊緣AI提供對時延敏感設備的監控和智能控製。

通過邊緣計算支撐智慧城市大規模基礎設施的計算和服務，可以實現終端設備的低時延應用，也可降低帶寬佔用，這對城市中海量物聯網設備是很有必要的。

通過AI來協同和調度城市基礎設施，應用到公共安全、城市管理、交通出行、智慧社區等領域，實現整個城市的資源最佳利用。

製造業

在工業製造領域，邊緣AI將在智能工廠的發展中發揮越來越重要的作用。在工業4.0模式的推動下，智能工廠將把先進的機器人和機器學習技術應用到軟件服務和工業物聯網中，提高産能，實現生産效率最大化。

邊緣AI利用各種傳感器來控製和管理指令，顯著提高控製效率，減少誤差。

邊緣AI計算機可以獨立自主的在幾毫秒內對輸入做出響應，要麼進行調整以解決問題，要麼立即停止生産線以防止嚴重的安全事故發生。

邊緣AI所麵臨的挑戰

近兩年，邊緣AI産業生態已逐步構建，但在良好態勢的背後，邊緣智能仍麵臨諸多問題。

1. 由於雲計算係統借助邊緣計算不斷下沈，部分流量直接通過本地邊緣AI平臺傳輸。如何對邊緣AI平臺服務的流量進行統計和收費是需要研究的問題。

2. 服務的對象和場景比較多樣化。如何將一套邊緣AI平臺適配到多元化的第三方應用，也是當前麵臨的問題。

3. 由於業務的碎片化，邊緣AI平臺可能會需要分散部署在單個場景或兩、三個場景中。不僅需要考慮整體部署方式，還要考慮如何進行靈活、智能的運維。

4. 如何更深入的引入AI，讓邊緣計算發揮更高的應用優勢值的研究。

5. 此外，邊緣AI平臺的業務運營模式、部署位置、自我修複、自動擴容等問題還有待進一步研究解決。

目前，雖然邊緣AI仍處於發展的早期階段，但作為下一波計算浪潮，從通信、互聯網行業到工業領域，人們普遍對邊緣AI將發揮的重要作用寄予很高的期望。

邊緣AI作為一種能夠實現5G三大典型應用場景的計算範式，將IT服務環境和雲計算能力延伸到移動網絡的邊緣，必將與雲智能一起助力各行各業的數字化轉型。