你可能永远无法想象人类在进入“信息爆炸”时代后会产生多么庞大的数据！

2010年，全世界每年创造的数据总量约为2个泽字节（Zettabyte，ZB），而每个Zettabyte相当于约1万亿GB。

但这还只是信息狂歌的前奏，随着移动计算和物联网（IoT）的跨越式增长，预计全球到2025年创造的数据总量将达到175 ZB，到2035年，更是将达到惊人的2,142 ZB。

届时，我们该怎么存储和处理如此巨量的数据？相信大家首先还是会想起“云”系统。的确，作为现代重要的基础设施，云业务已经成为主要互联网企业和软件企业的营收支柱，同时为无数中小公司提供了高效的服务。

可“云”也有其固有的问题。对于任何企业来说，云安全都是一个无法忽视的风险。网络托管公司GoDaddy就报告说，在最近的一次漏洞入侵中，120多万客户的数据可能被黑客访问，而且他们花了一个多月的时间才发现这一情况。

另外，即使是非安全故障也会造成极大的损失。去年11月，谷歌（Google）就发生了一次云服务中断事故，致使用户无法访问；而Facebook的服务器在今年10月也中断了三个多小时；今年当地时间12月8日的上午10点45分左右，亚马逊网络服务（AWS）出现重大中断，美东的用户受波及颇为严重。

不仅仅是传统互联网公司，随着各行业数字化和信息化升级加速，一些原本和数据安全无关的行业也开始受此之扰。

其中最典型的就是汽车界，今年11月22日，就有数十名国外特斯拉车主在社交媒体上抱怨，他们在手机应用程序上收到错误提示“故障代码500”，使他们无法连接打开车门或启动汽车。

最终调查显示事故原因也是服务器遇到意外情况。对此马斯克发推文道歉，表示他们意外增加了网络流量冗余，并保证将采取措施确保此类事件不再发生。

由此可见，随着数据需求呈指数增长，这些云服务器将面临比以往更大的压力。

那么可有奏效的解决方案？首先，我们不可能只是依赖于简单地扩大云容量，因为服务器需要大量的能源，占全球总消耗量的1% 。随着人们对气候变化的担忧不断增加，减少能源使用的压力也随之而来。

为了解决这个问题，转向边缘计算（Edge Computing）和边缘人工智能（Edge AI）或许是另一条可行的出路。因为边缘人工智能不仅使数据处理更加节能，而且更加安全和快速。

概括来说，边缘人工智能是指机器学习算法在设备本身或附近的服务器上处理。目前，这种技术最典型的应用就是我们早就习以为常的“智能手机”，它就是使用边缘技术来完成各种任务。

在运用中，一个真正的边缘人工智能微芯片将能够做出自主的、以数据为导向的决定，而不需要互联网或云端连接。

当然，边缘人工智能的目的不是为了取代云计算，而是对其进行补充和改进。它的亮点之一就是改善延迟。目前，如果一个设备在4G或5G网络上发出数据请求，它会被蜂窝基站接收，然后被传递到网络内的某个数据服务器。

在这种情况下，延迟（数据到达服务器并返回到你的手机所需的时间）不算高（目前5G在10-20毫秒的范围内），但依然不容忽视，且随着数据量的增加，延迟往往也随之增加。

而边缘人工智能的强大之处就在于可以将延迟压缩到只有“亚毫秒”（即不到1毫秒）的级别，因为数据从未离开设备。同时，也增加了安全性，因为数据在传输到塔台或服务器的过程中无法被截获。

另外，该技术的分散性使机器学习算法能够自主运行，也避免了网络中断或手机信号不好的风险。

如果数据确实需要离开设备，边缘人工智能芯片的加入则大大减少了发送的信息量，提高了效率。只有经过高度处理的数据才会被发送到云端，从而减少30-40%的能源消耗。

随着网络供应商将边缘人工智能技术整合到基站中，边缘技术正变得越来越成为5G推广的重要组成部分。预计在2025年全球总计175 ZB的数据量中，将有超过75%的数据需要在边缘侧分析、处理与储存。

市场研究数据与分析报告服务商Pitchbook指出，在过去12个月里，资本市场对边缘计算半导体行业的投资增长了74%，使总投资额达到58亿美元。例如以色列人工智能芯片公司Hailo在C轮融资中筹集了1.36亿美元，估值超过10亿美元，创下了边缘人工智能芯片领域中融资新记录。

在国内，也有多家边缘技术公司获得资本青睐。IT桔子数据显示，2012-2020年中国AI芯片行业投资金额逐年增长，2020年投资金额达到58.96亿元。从今年到目前的融资情况来看，今年AI芯片领域的融资金额规模预计超过100亿元。

如今年6月，边辕视觉的日本总部宣布完成Pre-A轮逾千万人民币级融资；9月29日，诺磊科技（南京）有限公司宣布完成近亿元C+轮融资；以及5G边缘智能企业AI-Link艾灵网络和边缘人工智能芯片公司探境科技先后完成新一轮融资。

根据赛迪顾问预测，2021年中国AI芯片市场规模将增长至305.7亿元，同比增幅可达57.8%。而据美国市场调研公司CB Insights估算，到2023年，全球边缘计算行业整体市场容量有望达到340亿美元。

自2017年成为显学后，边缘技术市场规模正在以20%甚至更高的年复合增长率增长，将快速在家居、安防、智慧城市、医疗、自动驾驶等众多领域应用和普及。

例如，自动驾驶汽车对延迟的要求极高，实时数据处理必须是瞬时的。如若不然，数据传输速度的延迟可能会使汽车无法及时刹车，由此带来的后果不堪设想。即使延迟足够低，数据传输也可能被黑客截获，有可能危及车内人员的安全。

而且，面向司机的摄像头中的边缘人工智能也可以被编程，以识别司机是否分心，是否在玩手机，甚至是否在驾驶时睡着了，然后与车内的智能设备沟通，让司机停车。

在工业制造领域，集成的边缘人工智能芯片可以以前所未有的速度分析数据。分析传感器数据并实时检测与规范的偏差，使工人能够在机器出现故障之前更换机器。使用中，实时分析会触发自动决策过程，然后通知工作人员。

另外，生产速度也可以不断调节，如果在生产线上出现故障，或者为了最大限度地延长机器的使用寿命，设备就会放慢速度。因此，由故障设备造成的生产瓶颈将被减少，工人的安全也得到了提高。

可以说，边缘人工智能在很大程度上是技术进步的前沿。结合现有的基于云的通信技术，人工智能与设备本身的整合将提高数据分析的效率、安全性和速度。一言以蔽之，人工智能就是未来。