科技云報道原創(chuàng)。

隨著以大模型為代表的AIGC時代拉開序幕，算力需求持續(xù)爆發(fā)，AI與邊緣深度融合已是大勢所趨，越來越多的企業(yè)開始積極布局GenAI。

GenAI技術(shù)的商用化部署和應(yīng)用成為企業(yè)競逐的新陣地，勾勒出大模型從“技術(shù)力”轉(zhuǎn)向“生產(chǎn)力”的新生態(tài)。

算力就是生產(chǎn)力，更豐富的算力資源成為人工智能競爭的核心基石。

IDC預(yù)計，全球AI計算市場規(guī)模將從2022年的195億美元增長到2026年的346.6億美元，其中GenAI計算市場規(guī)模將從2022年的8.2億美元增長到2026年的109.9億美元。

GenAI計算占整體AI計算市場的比例將從4.2%增長到31.7%。

AI算力瓶頸下邊緣計算崛起

隨著AI大模型爆發(fā)，大模型迭代和訓(xùn)練所需的算力呈指數(shù)級增長。同時，單個AI超算規(guī)模也受到功耗、土地、散熱等因素制約，算力供給與需求的缺口持續(xù)放大。

此前，ChatGPT官網(wǎng)一度停止Plus付費項目的購買，GPT-4推出之后也已多次下調(diào)付費用戶訪問限制，原因是訪問量激增超出了服務(wù)器的承受能力。

隨著這場GenAI熱潮逐步擴張，算力短缺已成為行業(yè)面臨的共同挑戰(zhàn)。

如果說傳統(tǒng)算力是AI大模型的筋骨，那么邊緣算力就是遍布全身的神經(jīng)系統(tǒng)。

英偉達(dá)指出，為了有效運用算力達(dá)成AI應(yīng)用目標(biāo)，大規(guī)模數(shù)據(jù)中心勢必要增加資本支出以擴大云端運算效能，同時也將帶動邊緣設(shè)備的銷售。

在AI向?qū)嶋H場景落地的過程中，邊緣算力的重要性將加速凸顯。未來的AI運算將呈現(xiàn)出“訓(xùn)練與迭代在云端、推理與內(nèi)容生產(chǎn)梯度分布（云側(cè)+霧側(cè)+邊緣側(cè)）”的格局變化，邊緣算力有望成為AI算力的重要組成部分。

相較于傳統(tǒng)云端，邊緣計算作為一種分布式計算架構(gòu)，具有低延遲、高安全性、高可靠性、保護(hù)用戶隱私等優(yōu)勢，其在實時決策在自動駕駛、醫(yī)療保健、金融、制造等各個領(lǐng)域都至關(guān)重要。

從效率方面看，邊緣計算使GenAI模型能夠在邊緣處理數(shù)據(jù)，從而顯著減少延遲并實現(xiàn)更快洞察。這意味著可以實時做出關(guān)鍵決策，從而提高運營效率、增強客戶體驗和更好的整體業(yè)務(wù)成果。

其次，通過利用邊緣計算，企業(yè)可以在邊緣設(shè)備網(wǎng)絡(luò)上分配計算負(fù)載，從而優(yōu)化資源利用率并有效擴展。這種方法最大限度地減少了集中式云基礎(chǔ)設(shè)施的壓力并優(yōu)化了帶寬使用，從而節(jié)省了成本并提高了性能。

第三，通過邊緣計算，GenAI模型可以直接在邊緣設(shè)備或本地服務(wù)器上運行，最大限度地減少將敏感數(shù)據(jù)傳輸?shù)郊惺皆品?wù)器的需要。

通過使數(shù)據(jù)更接近其來源，公司可以顯著降低與數(shù)據(jù)泄露、未經(jīng)授權(quán)的訪問和合規(guī)性問題相關(guān)的風(fēng)險。

從關(guān)系上看，邊緣計算并不尋求取代云計算，相反是對其重要的補充。邊緣計算和云之間的協(xié)作可實現(xiàn)混合架構(gòu)，最大限度地發(fā)揮兩種范式的優(yōu)勢。

GenAI模型可以利用云的可擴展性和存儲功能，同時受益于邊緣設(shè)備的低延遲和本地處理能力。這種融合確保了GenAI采用的多功能且適應(yīng)性強的基礎(chǔ)設(shè)施。

邊緣計算重構(gòu)生產(chǎn)力邊界

隨著企業(yè)開始越來越多地?fù)肀I，邊緣計算和AI的融合擁有改變?nèi)蛐袠I(yè)的巨大潛力。通過利用本地化處理、實時洞察和優(yōu)化的資源利用，可以充分釋放AI的全部潛力，同時保護(hù)敏感數(shù)據(jù)并推動組織進(jìn)入AI時代。

對此，全球科技巨頭開始將目光越來越多地轉(zhuǎn)向這一領(lǐng)域。

比如，華為、高通均推出邊緣AI產(chǎn)品。去年3月，高通中國在安卓手機上首次演示了模型參數(shù)超過10億的Stable Diffusion；華為于去年7月發(fā)布智慧搜圖功能，該功能通過對模型進(jìn)行小型化處理。

華為與高通一定程度上驗證了高性能邊緣AI的可行性，并且表明通過模型壓縮+聯(lián)網(wǎng)智能的方式有望在邊緣端實現(xiàn)AI大模型的體驗。

此外，英偉達(dá)黃仁勛也表示，人工智能的下一個浪潮將是具身智能。具身智能能夠在物理世界中進(jìn)行操作和感知，輸出各種機械動作。

具身智能將邊緣算力需求提升到了一個新高度，具身智能的“大腦”不僅要處理視覺信息、生成提示詞，更要負(fù)責(zé)輸出指令來執(zhí)行機械動作。在移動芯片無法滿足所需算力的場景下，邊緣IDC將是算力的有效補充措施。

AIPC、AI手機、具身智能、自動駕駛等AI新應(yīng)用的興起，無疑為邊緣云市場帶來了巨大影響，這種影響既體現(xiàn)在市場規(guī)模的擴張，也反映在技術(shù)要求的提升方面。

AIPC、AI手機作為AI普惠的終端，其本質(zhì)在于云端與本地端的混合協(xié)作，通過利用云端的大數(shù)據(jù)處理能力來豐富本地設(shè)備的使用場景。

這種混合協(xié)作模式對云計算的性能和穩(wěn)定性提出了更高的要求，同時也為云計算帶來了更多的數(shù)據(jù)處理和存儲需求。

邊緣云作為離用戶最近的數(shù)據(jù)處理中心，能夠迅速響應(yīng)這些需求，提供低延遲、高帶寬的數(shù)據(jù)處理服務(wù)。

具身智能和自動駕駛的發(fā)展，更是推動了邊緣云市場的快速增長。智能機器人需要在真實的物理環(huán)境下執(zhí)行各種任務(wù)，這就需要邊緣云提供強大的實時計算能力和數(shù)據(jù)交互能力。

不僅如此，邊緣AI應(yīng)用場景仍在持續(xù)豐富。邊緣云服務(wù)提供商Zenlayer技術(shù)專家表示，對于實時性要求極高的應(yīng)用，如自動駕駛和智能制造，邊緣計算能夠提供毫秒級的低延遲響應(yīng)。

通過在車輛或生產(chǎn)線上部署邊緣計算節(jié)點，客戶可以實時處理傳感器數(shù)據(jù)，進(jìn)行決策和控制，從而確保安全和高效的生產(chǎn)運行。

其次，對于需要處理大量數(shù)據(jù)的應(yīng)用，如智能視頻監(jiān)控和智慧城市，邊緣計算能夠減輕中心云的壓力，實現(xiàn)數(shù)據(jù)的本地化處理。

通過在攝像頭或傳感器附近部署邊緣計算設(shè)備，可以對視頻流進(jìn)行實時分析，識別異常事件，并及時進(jìn)行響應(yīng)。

此外，邊緣計算還能夠解決大模型在數(shù)據(jù)傳輸和隱私保護(hù)方面的問題。通過將模型推理過程放在邊緣端進(jìn)行，可以減少數(shù)據(jù)傳輸量，降低網(wǎng)絡(luò)帶寬要求，同時保護(hù)用戶數(shù)據(jù)的隱私和安全。

事實上，目前已有企業(yè)開始探索邊緣計算在AI大模型中的應(yīng)用。

據(jù)Zenlayer技術(shù)專家介紹，某家專注于大模型技術(shù)的初創(chuàng)企業(yè)基于Zenlayer提供的一整套SDN解決方案，通過智能路由和數(shù)據(jù)傳輸協(xié)議優(yōu)化等手段，搭建了一條高效穩(wěn)定的數(shù)據(jù)傳輸通道，確保大模型在訓(xùn)練、推理等關(guān)鍵環(huán)節(jié)都能獲得及時、準(zhǔn)確的數(shù)據(jù)支持，從而顯著提升了模型的應(yīng)用效果和用戶體驗。

此外，還有對于一些AI大模型客戶希望將算力資源部署至海外，Zenlayer針對這類需求，提供了算力托管或算力租賃服務(wù)，將計算資源部署在靠近用戶的邊緣數(shù)據(jù)中心，使大模型推理能夠在本地進(jìn)行，極大地降低了數(shù)據(jù)傳輸?shù)难舆t和成本。

同時，Zenlayer還為客戶提供了一系列數(shù)據(jù)本地存儲和傳輸方案，在滿足各個國家對數(shù)據(jù)合規(guī)要求的同時，盡量優(yōu)化業(yè)務(wù)交互體驗。

結(jié)語

如果把視線放得更長遠(yuǎn)，在AI等眾多顛覆性技術(shù)的背后，總離不開邊緣計算的存在。當(dāng)全球都沸騰在AIGC的風(fēng)潮里，邊緣云服務(wù)商正通過邊緣端和云邊的融合協(xié)同，滿足更多元的AI應(yīng)用場景，以更自如的算力，讓AI技術(shù)更自如地普惠。

【關(guān)于科技云報道】

專注于原創(chuàng)的企業(yè)級內(nèi)容行家——科技云報道。成立于2015年，是前沿企業(yè)級IT領(lǐng)域Top10媒體。獲工信部權(quán)威認(rèn)可，可信云、全球云計算大會官方指定傳播媒體之一。深入原創(chuàng)報道云計算、大數(shù)據(jù)、人工智能、區(qū)塊鏈等領(lǐng)域。

審核編輯 黃宇