在万物互联和行业智能化双重环境的催生下，云边端一体化有利于将算力下沉到更接近数据产生的现场，同时拥有更低的时延、更低的带宽占用、更低的部署成本，以及更加安全可靠的数据传输等优势，更好地满足企业智能化转型的需求。

由此不难判断，在产业数字化升级背景下，云边端一体化的加速演进，将进一步提升数据处理效率，避免延迟，强化敏捷性，让边缘计算的优势得到更大的展现，成为企业数字化、智能化转型的优选项。

边缘计算不再“边缘”

2022年8月，我国率先迎来了“物超人”的历史性时刻，即物联网连接数超越了人联网连接数，此外，根据IHS的预测，到2030年互联设备的数量将超过750亿个。

全球数字经济爆发式增长所带来的丰富场景以及上亿规模的联网设备量在网络边缘侧产生了大量的数据处理需求，可以说，产业端的实际痛点与需求为边缘智能提供了优渥的成长土壤。

同时，在政策方面，国务院在2022年年初发布的《“十四五”数字经济发展规划》中明确提出要加强面向特定场景的边缘计算能力，强化算力统筹和智能调度。

随后，各省市相继出台多项政策支持边缘计算产业发展，边缘计算开始不再“边缘”，逐渐走到了数字经济的主舞台。

所谓的“边”是相对于“中心”的概念，指的是贴近数据源头的区域。而边缘智能则是通过将AI处理能力下沉至更贴近数据源头的网络边缘侧，就近提供智能化服务，从而满足当前市场对实时性、隐私性、节省带宽等方面的需求。

 一直以来，AI作为数据分析、智能决策的基础在云端大展拳脚，工作环境一般是在相对“舒适”的机房、数据中心内，相反，更加贴近应用现场的边缘侧则是专干“苦活累活”，往往处于恶劣的工作环境之中，例如工厂、室外，需要面临稳定性、安全性等不同维度的考验。

同时，恶劣的工作环境也为边缘架构部署提出了新的要求，如何在现场快速抓取数据、进行训练并下发到设备上至关重要。

如今，当边缘计算升级至边缘智能，在新一轮的数字化浪潮中，边缘侧开始承接更重要的“智能任务”，责任与挑战并行，在深化应用的过程中，一以贯之的边缘方案已经难以适应不同部署环境、不同需求的丰富场景了。

所以，面对严重碎片化的边缘应用，能够自学习、自迭代的行业解决方案才是良方，既能够满足数据安全，同时还能在保障AI能力的同时实现快速部署。

边缘智能打开市场想象空间

对于边缘计算领域的未来发展前景，AI和边缘计算的结合，打开市场更大想象空间。AI为边缘计算提供解决问题的技术和方案，而边缘计算可以为AI提供释放潜力的平台。边缘智能为AI应用程序提供支持，比如在自动驾驶、智慧城市、智能家居等场景下，更多的数据由边缘网络设备创建。

6月7日，英伟达在官微宣布，在2023上海国际嵌入式展中，英伟达将展示适用于自主机器和诸多其它嵌入式应用的NVIDIA Jetson边缘计算平台，并带来生态合作伙伴基于相关软硬件在交通、工业、机器人等多个垂直行业领域所构建的解决方案。

站在当前时点，除了已经日趋成熟的基于传统分析式人工智能的边缘计算应用场景，我们更应该关注到生成式AI在边缘渗透的“曙光”已经出现。未来，越来越多像智能助理、具身智能一样拥有广阔空间的新应用将会涌现，带动边缘计算实现跨越式发展。