来源：【四川日报-川观新闻】
赵志为
DeepSeek掀起了新一轮的AI热，显著降低了人工智能产业的硬件门槛，开源让大量的中小企业有机会加入到AI创新的浪潮中。边缘计算作为支撑AI模型运行的重要载体之一，同样受到工业界和学术界的广泛关注，迎来崭新的发展机遇。
边缘计算是指计算过程发生在互联网边缘位置的计算模式，这些边缘位置是指接近用户的移动通信基站、企业无线网络接入点，甚至是小型服务器和个人电脑等。相较于云计算，边缘计算能够显著降低网络计算延迟，大幅提升用户各类服务的体验质量，并有望催生和赋能大量的新兴产业。可见，虽称之为边缘计算，其地位却一点都不“边缘”。
边缘计算是AI时代的加油站
当越来越多的计算应用变为网络执行后，特别是以大模型为代表的AI应用进行大规模部署及下沉后，集中式运行的云计算中心可能会显得“力不从心”：一方面集中式的云计算资源难以承担持续增长、海量复杂的计算需求，另一方面较高的网络延迟无法满足用户侧应用的实时性要求（如智驾、AR/VR等），这使得网络侧也需要以一种接近用户的方式进行部署，从而形成了边缘计算的形态。
随着5G甚至6G网络成规模地普及和AI开源模型的部署普及，超低延迟的边缘计算有望提供比云计算和本地计算更好的服务体验，成为AI接入到智能万物的“最后一公里”。一方面，边缘计算因为直接拉近了用户和服务的距离，可以显著降低数据传输的延迟；另一方面，通过分散地处理海量的AI计算需求，边缘计算疏解了数据中心的计算压力。不仅如此，5G/6G、WiFi6/WiFi7等技术的普及，使得用户与边缘网络的通信延迟降到极低（个位毫秒级），这势必进一步催生各类原本不具备实现条件的高实时性AI业务，如大规模网联智驾等。
事实上，云计算和边缘计算形成互为补充的关系，边缘计算适合实时处理和低延迟场景，云计算适合大规模数据处理和存储，实际应用中，两者可结合使用以发挥各自优势。换句话说，可以把边缘计算看作是AI时代的加油站。
边缘计算有着基础设施铺设要求高、承载任务类型和数量多、隐私保护和安全性好等特点，这些特点使得边缘计算产业发展也将面临三个机遇。
机遇一，边缘计算的基础设施目标是要建设面向场景的算力覆盖，其成本较高，因此移动性较低、场景聚焦的业务较易落地。与云计算相比，边缘计算的重要前提是计算资源要靠近用户，这意味着只有当一片区域部署足够多的算力覆盖后，这片区域才具备使用边缘计算的能力。可见，边缘计算的“杀手级app”首先会出现在边缘计算覆盖完备的场景中，即在给定区域内具有高速稳定的无线网络和丰富弹性的计算资源，可以支持极低延迟的计算服务和创新应用。因此从边缘算力铺设的难度考虑，移动性较低的计算业务（智慧工厂等）将比移动性高的业务（网联智驾）更容易落地；场景聚焦、自洽的业务（如具身智能）将比需要依赖外部算力资源的业务（如AI眼镜）更容易落地。
机遇二，边缘计算的基础设施形态因地制宜、因形制宜，算力资源须深度融合到目标场景中。不同环境的边缘计算系统的建设差别可能很大。例如，面向智慧工厂，主要需考虑园区智能设备和需求的分布来铺设边缘服务设备；面向车路协同智驾，则需要对目标路段进行算力铺设覆盖；面向星载计算，则要求边缘计算设备挂载在低轨卫星星座上，为星地协同计算提供服务。可见，边缘计算基础设施建设算力资源须深度融合到目标场景中，这导致每个场景的边缘计算会需要不同的系统建设形态。
机遇三，边缘计算的基础设施建设多点分布，一些新的产业机会可能涌现。边缘计算须深度融合场景，因此，要形成如云计算一般广泛的边缘计算产业不是一蹴而就，需要根据典型场景逐个建设、连点成面。例如，面向智慧工业园区的边缘计算由园区方或者工厂方建设，面向车路协同的边缘计算则需要由算力建设、公路建设等方面共同完成，面向星载计算的边缘计算则需要依靠航天企业建设，这导致要构建全社会范围成规模的边缘计算很难由一方主导完成。不仅如此，这些系统各自建成的是面向目标场景的封闭系统，连点成片存在极大挑战。同时也应看到，正因为这个特点，一些新的产业机会可能会涌现，例如整合算力资源与传统建筑行业的新基建、算力众包、算力租赁交易业务等。
发展相关产业四川有三个优势
边缘计算是AI时代的加油站，其产业必然与人工智能产业深度绑定。国家政策持续加码支持边缘基础设施和边缘应用建设，如《“十四五”国家信息化规划》提出“统筹建设面向区块链和人工智能等的算力和算法中心，构建具备周边环境感应能力和反馈回应能力的边缘计算节点，提供低时延、高可靠、强安全边缘计算服务”，把边缘计算建设列为重点国家规划推进。四川要发展相关产业，立足自身特点也有三点相对优势。
一是具有超低延迟算力覆盖的区位优势。成渝是全国一体化算力网络国家枢纽节点之一，成都是全国仅有的两个投运超算和智算双中心的城市之一，充沛的算力设施能够覆盖相当广的地理范围，为各类设备和应用提供算力服务。须注意的一点是，算力覆盖范围与具体业务的延迟要求具有直接的关系：延迟要求越宽松，算力服务覆盖范围就越广；反之，延迟要求越苛刻，算力服务能够覆盖的范围就越小，这就为物理上形成区位优势创造了条件。
以网联的智驾方案为例，车辆感知数据及路边环境数据需要实时汇聚到边缘服务器，形成驾驶决策后返回给车辆执行。如果算力设施给一辆80Km/h智驾车辆发出刹车指令，10ms（毫秒）与50ms延迟的差别将造成刹车距离上0.22米和1.1米的差别。可见，对于近场的、延迟要求苛刻的场景，低延迟的算力覆盖将体现出优势。数据显示，西部地区访问成都算力中心的延迟可以达到≤10ms，而西部地区访问东部地区数据中心的延迟普遍在40ms以上。这意味着，在服务中西部地区网联智驾、无人系统等延迟要求苛刻的未来产品形态时，成都能够实现更低延迟的算力覆盖，相比于北京、上海、广州、深圳、杭州等有望建立一定优势。
不仅如此，考虑到四川丰沛的电力资源，能够提供的边缘算力服务极有可能具有低价、稳定的优势，从而在更广泛的应用场景和更大区域范围中对北上广深形成明显的比较优势。
二是具有促进计算密集型技术发展的基础优势。边缘计算赋能各行各业的关键之一，在于其能够帮助各类设备理解真实场景并作出智能决策。例如无人机跟拍巡检、AR眼镜及垂直行业产品、云游戏、手术视觉辅助等，而视频流处理是其中关键的、共性的基础服务。当前基于边缘计算的智能业务发展速度相对较慢的重要原因之一，就在于基于边缘的视频流处理技术尚不成熟，缺少高效、准确、低成本的解决方案。不过可以预见的是边缘视频处理技术将很快形成突破。例如Meta公司新推出的AR眼镜产品已经能够快速实时识别并增强常见场景的画面、支持多模态的大模型也能够理解视频和图片中的语义信息。
以低空无人机航拍为例，自主航拍需要无人机能够实时发现目标、实时规划路线并自主决策拍摄角度。考虑到无人机的体积和电量限制，几乎无法通过加装算力的方式进行机载的智能计算，这就需要通过引入近场的边缘算力处理各类智能化业务，即无人机将采集的视频实时发送到边缘算力设备，边缘设备处理后将结果返回给无人机进行各类智能决策。不难发现，基于边缘的视频流分析是该场景中的刚需问题，在攻克之后有望促进边缘计算模式的构建和规范化发展。类似的，在云游戏、智慧医疗等领域也极有可能形成突破，从而反向促进边缘计算发展。
四川是旅游资源大省、农业大省，是西部最大的医疗资源、服务供给省份，实时视频流处理是这些行业进行产业升级的共性关键问题之一。同时，四川电子信息产业发达、基础好，在无人机、云游戏、智慧医疗等领域极有可能形成突破，从而逐步构建边缘视频/图像分析的服务范式，促进边缘计算模式的规范落地和大规模推广。
三是具有赋能传统工业智能化升级的产业优势。除了跟踪和挖掘技术变化，还可以考虑主动推动传统产业的智能化升级，在升级过程中凝练边缘计算的服务模式，推动边缘计算的产业落地。四川是我国为数不多拥有全部41个工业大类、31个制造业大类的省份，各行各业的智能化升级改造具有迫切需求和丰富的场景。要在全社会范围内实现边缘计算落地尚需时日，而将边缘计算应用于具体场景、具体智算需求的产业升级，则有可能以点带面。例如工厂组装流水线、物流分拣系统等，均具有场景明确、需求聚焦的特点，更容易基于边缘计算的模式形成产业突破，并以点带面布局全社会范围内的边缘计算基础设施和算力环境。
以智慧工厂分拣系统为例，流水线上的摄像头将大量分拣物品的图像传至边缘服务器，之后由边缘服务器判断物品类型和分拣决策。如果利用高精度的视觉模型实现高速分拣，则需要厂区内具有低延迟、充沛的算力覆盖。基于边缘计算，企业无需自行购置算力，而是通过以租赁边缘算力的方式快速实现智能化升级。通过推动行业的智能化升级，能够逐步落地边缘计算的计算模式、降低边缘计算的部署和普及成本、推动边缘计算进入更多的行业赋能的轨道上去，从而有望形成边缘计算产业与传统产业升级之间的互相促进。
如何充分调动社会资源和闲散算力，形成算力交易的机制与平台、建立算力互通标准及协议，推动边缘计算产业的规模化发展，这是一个开放性、基础性的问题。成都在机制设计、平台建设方面具有良好基础，有可能率先形成面向西部地区乃至全国的算力交易平台，推动边缘计算产业发展。
（作者系电子科技大学计算机科学与工程学院教授）
本文来自【四川日报-川观新闻】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。
ID：jrtt
