作(zuo)者(zhe)：彭昭（智(zhi)次(ci)方創始人(ren)、云和資本聯合(he)創始合(he)伙人(ren)）
這是(shi)我的(de)第(di)365篇專(zhuan)欄文章。
在上篇文章中，我曾提到TinyML基金會進行了品牌重塑，已更名為邊緣智能（Edge AI）基金會。
近(jin)日(ri)，邊緣智能基金會(hui)發布(bu)了2025年度最(zui)新版本的《2025邊緣AI技術報(bao)告(gao)》。該報(bao)告(gao)對(dui)邊緣智能以及微型(xing)機(ji)器(qi)學習(xi)TinyML的發展(zhan)趨(qu)勢進行了全(quan)面掃描(miao)和總(zong)結(jie)。
從報告內容來看，TinyML的成熟度可能超出了很多人的預期，已經在現實場景中產生了眾多應用案例。
報告的亮點如下：
邊緣AI的技術推動因素：報告深入(ru)探討了支持(chi)邊緣(yuan)AI部署的(de)軟硬件進步(bu)，重點(dian)關注了專用(yong)處理器和超低功耗設(she)備(bei)的(de)創新，這些創新正(zheng)在克服(fu)資源受限(xian)環境中處理能力和可擴展性的(de)限(xian)制。
邊緣AI在行業轉型中的作用：報告(gao)揭示了邊緣AI如何(he)通過(guo)實(shi)現實(shi)時(shi)分析和決(jue)策能力(li)，影(ying)響各個行業的運營模(mo)式。
未來技術與創新：報(bao)告的最后章節(jie)展望了可能影(ying)響邊緣AI未來發展的新興技術，例如聯(lian)合(he)學習、量子神經(jing)網絡和神經(jing)形(xing)態計算(suan)等。
因此，在今天(tian)這篇文(wen)章中，我們將一起梳理《2025邊緣AI技術報告》的(de)(de)精(jing)華內容，全(quan)面了解TinyML以及邊緣AI的(de)(de)最新進(jin)展和(he)發展全(quan)貌。
實時、在地、高效：邊緣AI在六大行業的創新應用
隨著市場對低延遲、實時處理的需求日益增長，邊緣AI正在各個行業掀起一場風潮，尤其是在汽車、制造業、醫療、零售、物流和智慧農業領域(yu)。邊(bian)緣AI通過在(zai)數據源(yuan)處進行(xing)實時(shi)分析和決策，極大地提(ti)升了(le)效(xiao)率，優化了(le)資(zi)源(yuan)配置，改善了(le)用戶體驗。
首先來看自動駕駛汽車領域。
隨著攝像頭分辨率達到千兆像素，激光雷達系統每秒可發射數百萬個激光脈沖，邊緣人工智能可加快反應(ying)時(shi)間，并增強安全性。例(li)如，Waymo已擴展模(mo)擬訓練和評(ping)估，以處理(li)罕見的駕駛(shi)(shi)情(qing)況(kuang)。與(yu)此同(tong)時(shi)，理(li)想汽車預(yu)計其端到端模(mo)型將在今年年底(di)前從超(chao)過500萬個駕駛(shi)(shi)數據片段中學習。
同(tong)樣，隨著人(ren)工(gong)智(zhi)(zhi)能(neng)(neng)市場的(de)快速(su)(su)增長，實時(shi)邊緣人(ren)工(gong)智(zhi)(zhi)能(neng)(neng)已成為提高效率和減少停(ting)機時(shi)間的(de)關(guan)鍵。在繁(fan)忙(mang)的(de)汽車生產車間：智(zhi)(zhi)能(neng)(neng)傳感(gan)器會立即(ji)標記溫(wen)度(du)峰值或機械應(ying)力，使團(tuan)隊(dui)能(neng)(neng)夠在問(wen)題升級之前防止中斷。從汽車行(xing)業(ye)汲(ji)取(qu)靈感(gan)，蔚來的(de)NWM（NIO世界模(mo)型(xing)）展示(shi)了超快速(su)(su)AI預測的(de)強大功能(neng)(neng)。同(tong)樣，基于(yu)邊緣AI的(de)分析可以以驚(jing)人(ren)的(de)精(jing)度(du)檢測生產線上的(de)微缺陷。
通過結(jie)合速(su)度、可(ke)靠(kao)性和設備智(zhi)能，實時數據處理正在改變(bian)自動駕駛汽車的(de)(de)標準(zhun)實踐(jian)，為(wei)全面更(geng)具適應(ying)性、更(geng)高效的(de)(de)未來鋪平了道路(lu)。
邊緣AI之所以對自動駕駛汽車如此重要，主要有三個原因：
邊緣(yuan)系統(tong)減(jian)少了對(dui)(dui)云中繼的依賴，實現了50ms以下的防撞響應時間(jian)，這對(dui)(dui)于處理(li)行人突然橫穿(chuan)馬路(lu)(lu)，或(huo)高速公路(lu)(lu)突發事件尤為關鍵(jian)。
邊緣AI使得自動駕駛汽車(che)或(huo)半(ban)自動駕駛汽車(che)即(ji)使在(zai)蜂(feng)窩盲(mang)區，也(ye)能(neng)保(bao)持安全功能(neng)（例如車(che)道(dao)保(bao)持、自適應巡(xun)航(hang)控(kong)制(zhi)）。5G汽車(che)協會(hui)（5GAA）更新的蜂(feng)窩車(che)聯網（C-V2X）技術(shu)路線(xian)圖，強調了(le)混合(he)V2X架(jia)(jia)構，該架(jia)(jia)構將邊緣處理與5G-V2X直接(jie)通信(xin)相結合(he)。邊緣AI硬件和傳感器融合(he)算法，使自動駕駛汽車(che)能(neng)夠將決(jue)策延遲縮短(duan)30-40%，實現(xian)低至20-50毫秒的響應時間。
集(ji)成來自(zi)攝(she)像頭(tou)、激光(guang)雷(lei)(lei)達(da)(da)和(he)雷(lei)(lei)達(da)(da)等(deng)邊(bian)緣(yuan)設(she)備的數據(ju)可以提高感知可靠性，實現安(an)全導(dao)航。例(li)如，Innoviz的2024年激光(guang)雷(lei)(lei)達(da)(da)升級版(ban)采用了(le)邊(bian)緣(yuan)優化的神(shen)經網(wang)絡，以每(mei)秒(miao)20幀的速度處理點(dian)云數據(ju)，最大(da)限度地(di)減少(shao)了(le)障礙物檢測的延遲。
接著來看制造業。
生產線每天可以生成大量數據，有研究顯示，智能工廠每周生成超過5PB的數據。邊緣AI系統可以在本地處理這些信息，提供即時洞察和自動響應。邊緣AI的影響體現在三個關鍵領域：預測性維護、質量控制系統和流程優化。
據報道，利用實(shi)時(shi)傳感器數(shu)據分析的預測性維護系統可(ke)將維護成本(ben)降低30%，并將停機(ji)時(shi)間減少(shao)45%。通過持續監控設(she)備(bei)性能，邊緣AI算(suan)法可(ke)以(yi)在細(xi)微異常(chang)和潛在故障發生之前檢測到(dao)它們，從而實(shi)現主(zhu)動維護并最(zui)大(da)限(xian)度地減少(shao)意外停機(ji)時(shi)間。
在質量(liang)方面，邊緣AI通(tong)過(guo)實時檢查和(he)缺陷檢測增(zeng)強了(le)質量(liang)控(kong)制(zhi)。例如，一(yi)家大型(xing)食品(pin)飲料(liao)制(zhi)造商在邊緣部(bu)署了(le)視覺AI，用于質量(liang)檢查和(he)閉環質量(liang)控(kong)制(zhi)。該系統持續監控(kong)產品(pin)差異并(bing)建議調整設備設置，將(jiang)檢查周期(qi)縮短50-75%，并(bing)提(ti)高(gao)準確性。
第三，在醫療保健領域，本地化AI可通過直接在設備中處理醫療數據，加速診斷并改善患者治療效果。
例如(ru)，邊緣(yuan)AI驅動的(de)遠(yuan)程患者(zhe)監(jian)測設(she)備(bei)（如(ru)便(bian)攜式心(xin)電圖(tu)和血壓監(jian)測儀）可以(yi)實時分析心(xin)律(lv)和生(sheng)(sheng)命(ming)體征。這些設(she)備(bei)（例如(ru)由AliveCor和Biobeat開發的(de)設(she)備(bei)）使臨床醫生(sheng)(sheng)無需等(deng)待(dai)基于(yu)云(yun)的(de)分析即可檢測心(xin)律(lv)失常(chang)和其他異常(chang)情況，從而縮(suo)短危急情況下的(de)響應(ying)時間(jian)。
第四，邊緣AI正在通過實時行為分析優化店內運營并增強客戶體驗，從而改變零售業。
AI驅(qu)動(dong)的智(zhi)能貨(huo)架和結(jie)算系統可在本(ben)地處理客戶互(hu)動(dong)，分析購(gou)買模式并調整庫存(cun)預測，而無(wu)需依賴云同步(bu)。零售商正在部署(shu)AI驅(qu)動(dong)的視頻分析來檢測客流量(liang)異(yi)常(chang)、監控庫存(cun)水平(ping)并減少結(jie)賬時間，從而提高效率并降(jiang)低運營成(cheng)本(ben)。
在(zai)(zai)運(yun)營方面，基于人工智(zhi)能的智(zhi)慧零售已經在(zai)(zai)2025年展(zhan)現出應(ying)用前景。人工智(zhi)能驅動(dong)的計算機(ji)視覺可以實現完全的非接觸式(shi)交易，將(jiang)平均結(jie)賬(zhang)時間(jian)縮短30%。Amazon Fresh已經通(tong)過在(zai)(zai)貨(huo)架或手推車(che)上(shang)安(an)裝攝像頭，在(zai)(zai)顧客離開時自動(dong)結(jie)賬(zhang)，并提供(gong)實時消(xiao)費(fei)預覽。
亞馬遜(xun)的Just Walk Out（JWO）系統是零售業邊緣(yuan)AI的典范，它(ta)集成了傳感器陣列、設備分析和(he)高級機器學習(xi)模型。所(suo)有計算都在定制(zhi)邊緣(yuan)硬件上本地處(chu)理，實現(xian)實時決(jue)策，并提高客戶(hu)便利性和(he)運營效率(lv)。
第五，邊緣AI與物聯網傳感器集成，通過直接在配送中心、倉庫和運輸樞紐處理物流數據，增強了物流的智能化。
智能(neng)傳(chuan)感器無需將大量信(xin)息傳(chuan)輸到集中式服務器，而是現場分析溫度(du)波動(dong)、運(yun)動(dong)異常和(he)庫存(cun)短缺(que)，并(bing)在(zai)出現偏(pian)差(cha)時觸發即時警報。例如(ru)，P&O Ferry masters使(shi)用(yong)人(ren)工(gong)智能(neng)驅(qu)動(dong)的船舶(bo)裝載程序將貨運(yun)能(neng)力優化了10%，從而保持(chi)了整(zheng)個供應鏈的實(shi)時可見(jian)性。此(ci)外(wai)，人(ren)工(gong)智能(neng)驅(qu)動(dong)的預測有助(zhu)于減少20%的物流費用(yong)。
最后，邊緣AI正在幫助智慧農業擴大精準種植，以滿足全球不斷增長的糧食需求。
預計到2050年，全球人(ren)口將達到98億，農業(ye)必須智能地(di)擴大規模，以滿足(zu)不(bu)斷增長的(de)糧食需求，同時(shi)最大限度地(di)減少對環(huan)境的(de)影響(xiang)。邊緣人(ren)工智能使農場能夠(gou)在不(bu)增加(jia)復(fu)雜性的(de)情(qing)況(kuang)下擴大其技術覆(fu)蓋范圍，分析土(tu)壤條件，監(jian)測(ce)天氣(qi)模式，并實施自動(dong)化(hua)灌溉系統(tong)。
先進的(de)傳(chuan)感(gan)器和AI模型無(wu)需將數據(ju)發送到遠(yuan)程(cheng)服務器，而是在檢測(ce)到土壤(rang)濕(shi)度或害蟲(chong)活動等(deng)因素時對(dui)其進行評估，從而迅速采取干(gan)預(yu)措(cuo)施。CrackSense等(deng)項目(mu)展示了實時傳(chuan)感(gan)如何確保柑橘、石榴和葡萄(tao)等(deng)作(zuo)物的(de)果實質量，減少災害和浪(lang)費。
配備邊緣人工(gong)智能的(de)智能灌溉系統已顯示(shi)出(chu)成效，可(ke)根據局(ju)部土壤水(shui)分(fen)分(fen)析動態調整水(shui)分(fen)配，減少25%的(de)用水(shui)量(liang)(liang)。同(tong)樣，人工(gong)智能驅動的(de)害蟲檢測可(ke)減少30%的(de)農藥使用量(liang)(liang)，確保(bao)精準農業，最(zui)大(da)限度地減少浪費。
邊緣AI生態系統：三層架構下的協同創新
當今的邊緣AI生態(tai)系統正(zheng)處(chu)于(yu)(yu)一(yi)個(ge)關(guan)鍵階段：項目的成(cheng)功取決于(yu)(yu)硬件供應商、軟件開發(fa)商、云提供商和行業(ye)利益相(xiang)關(guan)者的共同協(xie)作。這種狀態(tai)可能將會(hui)持續較長的一(yi)段時(shi)間，因(yin)此企業(ye)之間的互相(xiang)協(xie)同成(cheng)為重點。
如果沒有(you)互操作性(xing)標準、可(ke)(ke)擴展(zhan)的(de)(de)(de)部署模(mo)型和共享的(de)(de)(de)研發工作，邊緣AI就(jiu)有(you)可(ke)(ke)能出現碎片化，從而限制其(qi)在制造(zao)業(ye)、醫(yi)療保健(jian)和物(wu)流等關鍵領域的(de)(de)(de)應(ying)用。
邊緣AI的生態系統普遍公認采用三層架構，將計算工作負載分配到邊緣設備、邊緣服務器和云平臺。這種結(jie)構允許AI模型在邊緣執(zhi)行(xing)實時推(tui)理，同時在需要時利(li)用(yong)更高的計(ji)算能(neng)力(li)。每一層在處理、匯總(zong)和優化數(shu)據以進行(xing)智能(neng)決策方面發揮著獨特的作(zuo)用(yong)。
邊緣設備與終端設備是與現實世界數據交互的第一個點。這些設備包括部署在制造業、醫療保健、汽車和零售環境中的物聯網傳(chuan)感器、工業機(ji)器人、智能(neng)攝像(xiang)頭和嵌入式計算系統。它們的主要功能(neng)是低延遲AI推理——無需依賴持續的云連(lian)接(jie)即可在(zai)現場處(chu)理數據。
邊緣服務器充當邊緣設備和云之間的計算中介。這些服務器(qi)通常部署在(zai)工廠、醫(yi)院、零售(shou)店和(he)自(zi)動駕(jia)駛汽車網絡中，用于匯總(zong)來自(zi)多個來源的數(shu)(shu)據(ju)，并執行(xing)更(geng)為復雜的AI工作負載。邊緣服務器(qi)的一個關鍵優勢是本(ben)地化AI推理：無需將數(shu)(shu)據(ju)卸(xie)載到遠程數(shu)(shu)據(ju)中心(xin)即可運(yun)行(xing)更(geng)重的模型。這減少了與云(yun)依賴相關的延遲、帶(dai)寬成本(ben)和(he)安(an)全風險(xian)。
這里需要區分邊緣計算和終端設備，盡管從整體上他們可以歸為一類，但由于功耗、尺寸和算力等約束條件截然不同，“邊緣”和“終端”具有顯著區別，不能使用同一個思路處理。邊緣設備（例如嵌入式攝像頭或工業傳感(gan)器）專為(wei)低(di)功(gong)耗AI推理而(er)設計，而(er)功(gong)能更強大的邊緣服務器則充當中介(jie)，在(zai)將(jiang)數(shu)據轉發到云(yun)端(duan)之前(qian)，處理復雜的AI工作負載。
云對于模型開發、大規模數據分析和存儲仍然至關重要。它(ta)是深度(du)學習模(mo)型在優化和部署到邊(bian)緣(yuan)(yuan)之前進行訓(xun)練的支柱。經過訓(xun)練后，AI模(mo)型將部署到邊(bian)緣(yuan)(yuan)設(she)備(bei)和邊(bian)緣(yuan)(yuan)服務器，在生產環境中執行推(tui)理任務。云還充當AI模(mo)型監控、分析和集中編(bian)排(pai)的骨(gu)干(gan)，確保部署在數(shu)(shu)千甚至(zhi)數(shu)(shu)百(bai)萬個(ge)邊(bian)緣(yuan)(yuan)端點上保持高效(xiao)。
雖然三層架構涵蓋了邊緣AI的全貌，但是企業之間的跨界合作正在更加密切的進行。
半導體公司正在與AI開發人員(yuan)合作以提高專用硬件(jian)上的模型效(xiao)率；云提供(gong)商正在集(ji)成邊緣原生計算解決方案(an)；研究機構正在與行業領導者(zhe)合作推進可擴展架構。
在(zai)硬件和云協(xie)作(zuo)方面，英特(te)爾通過其邊緣(yuan)(yuan)AI合(he)作(zuo)伙伴支(zhi)持包推動邊緣(yuan)(yuan)AI的(de)采(cai)用，該計劃為(wei)企業提供工具、框(kuang)架和技術資源，以(yi)加速邊緣(yuan)(yuan)AI的(de)部署。
另(ling)一項值得注意的(de)(de)合作(zuo)涉及高(gao)通和Meta，他(ta)們(men)致力于將Meta的(de)(de)Llama大型(xing)語言模型(xing)直接集成到高(gao)通的(de)(de)邊緣處理器(qi)上(shang)。這(zhe)種合作(zuo)關系減少了對基于云的(de)(de)LLM的(de)(de)依(yi)賴(lai)，使(shi)設備能(neng)夠在現場(chang)執行(xing)生成AI工作(zuo)負載。
MemryX和Variscite也宣布(bu)建(jian)立了合(he)作伙伴(ban)關系(xi)，旨在提高邊緣(yuan)AI效率。通過將MemryX的AI加速器(qi)與Variscite的系(xi)統模塊（SoM）解決方案相結合(he)，簡化了邊緣(yuan)設備上的AI部署，尤(you)其(qi)針對工業自(zi)動(dong)化和醫療保健的應(ying)用。
Google與Synaptics合(he)作開發了邊(bian)緣人工智能系統。Google的Kelvin MLIR兼容(rong)機器(qi)學習核心(xin)將(jiang)(jiang)集成到Synaptics Astra AI-Native IoT計算(suan)平臺中。兩家公司(si)將(jiang)(jiang)共同努力，為可穿戴設備、家電、娛樂和監控(kong)等應用定義IoT Edge情境感知計算(suan)多模式處理的最佳實(shi)現(xian)。
政產學研合作在推進邊緣AI研究和部署方面發揮著至關重要的作用，一些國家推出了邊緣AI的試點項目和協作平臺。
在英(ying)國(guo)，國(guo)家邊緣人(ren)工(gong)智能中(zhong)心是一個(ge)協作平臺，聯合學術界、工(gong)業界和公共(gong)部門(men)推進邊緣人(ren)工(gong)智能技術。該中(zhong)心由紐卡斯爾大學牽頭，匯集了來(lai)自(zi)(zi)英(ying)國(guo)各地機構的多學科團隊，其(qi)使(shi)命是提高醫療保(bao)健和自(zi)(zi)動駕駛電動汽車等(deng)時間關鍵型應用的數據質量(liang)和決策準確性(xing)。
同樣，美國國家科學基金會的NAIRR試點項目是(shi)一項旨在實現AI普及(ji)的大型計劃。英特爾、英偉達、微軟、Meta、OpenAI和(he)IBM等行(xing)業(ye)參與(yu)者(zhe)為開發(fa)安全節能的AI應用程序(xu)的研究人員貢獻了計算能力和(he)AI工具。
從聯邦學習到神經形態計算：邊緣AI的5大前沿趨勢
技(ji)術(shu)的(de)發(fa)展日新月(yue)異，邊(bian)(bian)緣(yuan)AI的(de)5個新興(xing)趨勢正在重塑人(ren)(ren)工(gong)智能(neng)系統，包括聯邦學習、邊(bian)(bian)緣(yuan)原生(sheng)(sheng)AI模(mo)型、量子增強(qiang)智能(neng)和邊(bian)(bian)緣(yuan)生(sheng)(sheng)成AI。這些趨勢彼此結合，讓自動駕(jia)駛汽車可(ke)以相(xiang)互(hu)訓練，無(wu)需依(yi)賴集中式數據集；醫院(yuan)可(ke)以部署基(ji)于患者數據實(shi)時演(yan)進的(de)AI模(mo)型，確保高度個性(xing)化的(de)治療(liao)；工(gong)業機器人(ren)(ren)將(jiang)以預測智能(neng)運行，在故障發(fa)生(sheng)(sheng)之前檢測并(bing)修(xiu)復。
神經形態計算(suan)、多(duo)智能(neng)體強化學習(xi)和后量子(zi)密碼學等領域的新興(xing)創新也在(zai)重新定義邊(bian)緣AI的各種(zhong)可能(neng)性(xing)，使(shi)人工智能(neng)系統變得更快、更安(an)全(quan)、效率更高。
聯邦學習：邊緣的去中心化智能
聯邦(bang)(bang)學習(xi)（FL）正(zheng)在從隱私保護發展成為去中心化智能的(de)基石。未來(lai)5年，聯邦(bang)(bang)框架(jia)有望積(ji)極增強模型適(shi)應性(xing)、自主性(xing)和(he)跨行業協(xie)作。市(shi)場預測(ce)到(dao)2030年，聯邦(bang)(bang)學習(xi)有望實(shi)現(xian)近3億(yi)美元的(de)市(shi)場價值，預計復合年增長率(lv)為12.7%。
聯邦(bang)學(xue)習演進的(de)(de)(de)另(ling)一個主要驅動力是與6G等下一代網(wang)絡的(de)(de)(de)集成。隨(sui)著邊緣部署規模(mo)(mo)的(de)(de)(de)擴(kuo)大，超低延遲網(wang)絡將使AI模(mo)(mo)型能夠更有效地(di)在分布式設備之(zhi)間同步，從而減少(shao)優化(hua)和部署更新所需的(de)(de)(de)時(shi)間。量子聯邦(bang)學(xue)習（QFL）的(de)(de)(de)出現也(ye)正在被探索(suo)，以減少(shao)設備之(zhi)間的(de)(de)(de)通(tong)(tong)信(xin)負擔，使大規模(mo)(mo)物(wu)聯網(wang)網(wang)絡的(de)(de)(de)通(tong)(tong)信(xin)過(guo)程更加高效。
邊緣量子計算和量子神經網絡
量(liang)子(zi)計(ji)算將重(zhong)新定義邊(bian)緣(yuan)AI的(de)(de)功(gong)能(neng)(neng)。雖然當今(jin)的(de)(de)邊(bian)緣(yuan)AI依賴于優化(hua)的(de)(de)深(shen)度學習(xi)模型和低(di)功(gong)耗硬件加速器，但量(liang)子(zi)計(ji)算引入了(le)一種完全不(bu)同的(de)(de)方(fang)法(fa)(fa)(fa)：利用量(liang)子(zi)態來處理指數級增(zeng)大的(de)(de)數據集，并以傳(chuan)統方(fang)法(fa)(fa)(fa)無法(fa)(fa)(fa)達到的(de)(de)速度優化(hua)決策(ce)。隨著量(liang)子(zi)處理單(dan)元(yuan)（QPU）超越基(ji)于云(yun)的(de)(de)基(ji)礎設施(shi)，混合量(liang)子(zi)-經典AI將在邊(bian)緣(yuan)出現(xian)，增(zeng)強(qiang)金(jin)融、醫療保健、能(neng)(neng)源(yuan)和工業(ye)(ye)自(zi)動化(hua)等行業(ye)(ye)的(de)(de)實時(shi)決策(ce)能(neng)(neng)力。
量子神(shen)經(jing)(jing)網絡（QNN）是一種(zhong)新型(xing)(xing)AI模型(xing)(xing)，它利用(yong)量子特性(xing)來檢測(ce)數據中的模式和(he)關系，而“傳統AI”則難以做到這一點。與需要增(zeng)加功率和(he)內存來提高(gao)性(xing)能(neng)的現有(you)神(shen)經(jing)(jing)網絡不同，QNN可以以更(geng)緊(jin)湊(cou)、更(geng)高(gao)效的方式處(chu)理信息。
到目前為止，量子計算由于其硬件要求（包括極端冷(leng)卻(que)）而(er)僅限于基于云的數(shu)據中心(xin)。然而(er)，移動QPU的最新(xin)進展很可能使在室溫下運行(xing)量子算法成為可能。在未來幾年，量子計算將不僅限于云端，還(huan)可以嵌(qian)入到邊緣(yuan)的自(zi)主系統、工業機器人和物聯網設(she)備(bei)中。
自主人形機器人的邊緣人工智能
人(ren)(ren)形(xing)機器人(ren)(ren)的下(xia)一階段(duan)將(jiang)由具(ju)身智(zhi)能(neng)(neng)定義，其中人(ren)(ren)工智(zhi)能(neng)(neng)模型變得(de)更(geng)具(ju)適應性、響應性，并能(neng)(neng)夠自(zi)我改進。
在零(ling)售環境(jing)中(zhong)，人(ren)形機器(qi)人(ren)可(ke)以通(tong)過回(hui)答(da)口頭詢問、分析面部表情和瀏覽商店布局來協助消費者。同時，在醫(yi)院和養(yang)老院中(zhong)，人(ren)工智(zhi)能(neng)機器(qi)人(ren)可(ke)以監測(ce)患者、協助行動并檢測(ce)可(ke)能(neng)預示醫(yi)療(liao)緊急(ji)情況(kuang)的細微行為變化，所(suo)有這些(xie)都(dou)通(tong)過設備端處理來確保數據隱私和安全。
人工智能驅動的AR/VR：下一個進化方向
增(zeng)強現(xian)(xian)實（AR）和(he)(he)虛(xu)擬現(xian)(xian)實（VR）已不再局限于游戲和(he)(he)娛樂(le)，邊緣AI是這一發展的關(guan)鍵推動(dong)因素。下(xia)一代AR/VR設(she)備(bei)將在本(ben)地處(chu)理信息，從而實現(xian)(xian)實時響應并提高能源效(xiao)率。
AI驅動的空間計(ji)算將允許AR眼(yan)鏡和(he)VR耳機根據上(shang)下文(wen)動態(tai)調整疊(die)加、深度感知和(he)環境交互。
在工(gong)業(ye)環境中，這(zhe)意味著AR驅動的(de)工(gong)作空間將(jiang)為(wei)工(gong)程師(shi)提供免提、AI生成的(de)指(zhi)令，這(zhe)些指(zhi)令可實時適(shi)應現實世界的(de)情況。在醫療保(bao)健領域，AR輔助手術將(jiang)集(ji)成AI能力(li)，以提高精度，根(gen)據(ju)外(wai)科醫生的(de)動作在幾毫秒(miao)內更新，而不會(hui)出現云引起的(de)延遲。
神經形態計算：低功耗人工智能的未來
通過引(yin)入大腦(nao)啟發式架構，神(shen)(shen)經形態(tai)計算(suan)(suan)有望在(zai)邊緣AI領(ling)域變得(de)越(yue)來(lai)越(yue)流行，這些架構在(zai)能源效率和處(chu)理(li)(li)能力(li)方面具有顯著優勢。與將內存和處(chu)理(li)(li)單(dan)元分開的(de)(de)傳統(tong)計算(suan)(suan)系統(tong)不同，神(shen)(shen)經形態(tai)系統(tong)集成了這些功能，模仿(fang)了人(ren)腦(nao)的(de)(de)并行和事件驅動特性(xing)。這種設計使它們能夠以最小的(de)(de)能耗處(chu)理(li)(li)復雜的(de)(de)實時(shi)數據(ju)處(chu)理(li)(li)任務，使其成為邊緣應用的(de)(de)理(li)(li)想(xiang)選擇(ze)。
例如，2022年《自然》雜志的一項研究中推出的NeuRRAM芯片模擬計算架構(gou)的(de)(de)能效(xiao)，是最(zui)先進的(de)(de)“內存計算”芯(xin)片的(de)(de)兩倍，可以(yi)在沒有云(yun)連(lian)接的(de)(de)情況下在邊緣設備上執(zhi)行(xing)復雜的(de)(de)認知任務。這一飛躍反映了從臺式電腦到智能手(shou)機的(de)(de)轉變，解鎖了曾經被認為不可能的(de)(de)便攜式應用程序。
研究和早(zao)期商業部(bu)署表明(ming)，神經形態芯(xin)片(pian)可以重(zhong)新定義智能在邊緣的部(bu)署方式。
寫在最后
邊緣AI正在重(zhong)塑(su)各行各業(ye)，從自動(dong)駕(jia)駛汽車到智(zhi)能制造，從醫療保(bao)健到零售物流，再到智(zhi)慧農業(ye)。通(tong)過將人工智(zhi)能的力量帶到數據(ju)源頭，邊緣AI實現了前(qian)所未(wei)有的實時洞察、自主決策和(he)資源優化。
它的(de)崛起標志(zhi)著人工智(zhi)能(neng)從集(ji)中式云模型(xing)向分布式智(zhi)能(neng)的(de)根本(ben)性(xing)轉(zhuan)變。
隨(sui)著邊緣AI生態系(xi)統的(de)不斷成熟(shu)，創新的(de)步(bu)伐正(zheng)在(zai)加快(kuai)。從(cong)(cong)聯邦學(xue)習到神經形態計算，從(cong)(cong)量子增(zeng)(zeng)強(qiang)智(zhi)能到人(ren)工智(zhi)能驅(qu)動的(de)增(zeng)(zeng)強(qiang)現實，前沿技術正(zheng)在(zai)重新定義邊緣AI的(de)可能性。展望未(wei)來，邊緣AI有望成為推動行業變革和社會進步(bu)的(de)關鍵(jian)力量。
最后，附上報告的(de)下載鏈(lian)接//www.ceva-ip.cn/，歡迎感興趣的(de)朋友獲取。
