在AI 發(fā)展的進程中，早期云端 AI 憑借強大的算力與集中式的數(shù)據(jù)處理能力，成為行業(yè)發(fā)展的主導力量。但隨著應用場景不斷拓展，尤其是在物聯(lián)網(wǎng)、自動駕駛、工業(yè)控制等領域，云端 AI 的局限性逐漸顯現(xiàn)。國際數(shù)據(jù)公司（IDC）研究顯示，2025年全球邊緣計算解決方案支出將接近2610億美元，預計年復合增長率（CAGR）將達到13.8%，到2028年將達到3800億美元，零售和服務業(yè)將占據(jù)邊緣解決方案投資的最大份額，占全球總支出的近28%。這一數(shù)據(jù)直觀體現(xiàn)出產(chǎn)業(yè)重心正從云端向邊緣傾斜。

人們越來越擔心人工智能正滑入泡沫領域。麻省理工學院NANDA項目發(fā)布的一份報告《GenAI鴻溝：2025年商業(yè)人工智能現(xiàn)狀》發(fā)現(xiàn)，95%的公司在開發(fā)生成式人工智能工具后幾乎沒有實現(xiàn)生產(chǎn)力提升。就連OpenAI首席執(zhí)行官薩姆·奧特曼也承認，投資者可能對人工智能過度興奮，并將當前的市場比作泡沫。

然而，業(yè)內(nèi)人士認為，這種批評主要針對基于云端的人工智能市場和軟件算法。

01 為什么需要邊緣AI生成？

當前市面上主流的語言大模型，從OpenAI 的 GPT、谷歌的 Gemini、Anthropic 的 Claude，到國內(nèi)熱門的 DeepSeek，幾乎都依賴 AI 云計算完成生成任務。這種依托遠程服務器的模式，憑借強大的算力，能輕松應對大規(guī)模模型訓練、高分辨率圖像合成等復雜需求，而且擴展性極強 —— 小到個人用戶的日常問答，大到企業(yè)級的批量部署，都能靈活適配，對普通用戶來說，這樣的體驗已經(jīng)足夠滿足需求。

但放到企業(yè)級應用或更復雜的場景中，云端模式的短板就逐漸顯現(xiàn)：一是延遲較高，復雜任務的響應速度容易受網(wǎng)絡波動影響；二是對網(wǎng)絡的依賴性極強，一旦斷網(wǎng)便無法使用；最關鍵的是數(shù)據(jù)隱私風險—— 大量原始數(shù)據(jù)需要上傳至云端處理，不僅會增加帶寬成本，還可能因傳輸或存儲環(huán)節(jié)的漏洞導致數(shù)據(jù)泄露，這對醫(yī)療、金融等敏感領域來說尤為棘手。

也正因此，邊緣生成式AI 的優(yōu)勢開始凸顯。它將生成能力直接部署在本地設備上 —— 可能是我們的手機、監(jiān)控攝像頭，也可能是自動駕駛車輛、工業(yè)機床，數(shù)據(jù)處理全程在本地完成，敏感信息無需離開設備，從源頭保障了隱私安全。與此同時，邊緣 AI 的低延遲特性堪稱 “實時場景救星”：自動駕駛需要毫秒級的路況判斷、工業(yè)自動化依賴即時的設備故障預警，這些對響應速度要求極高的場景，邊緣 AI 都能精準適配。更重要的是，它無需頻繁傳輸數(shù)據(jù)，大幅降低了帶寬需求，即便在無網(wǎng)絡的偏遠地區(qū)或信號薄弱的工業(yè)車間，也能獨立運行，穩(wěn)定性和可靠性遠超云端模式。

邊緣智能的技術雛形可追溯至20 世紀 90 年代，當時以內(nèi)容交付網(wǎng)絡（CDN）的形態(tài)出現(xiàn)。其最初定位是通過分布在網(wǎng)絡邊緣的服務器，就近為用戶提供網(wǎng)絡服務與視頻內(nèi)容分發(fā)，核心目標在于分流中心服務器的負載壓力，提升內(nèi)容傳輸與訪問效率。

不過，隨著物聯(lián)網(wǎng)（IoT）設備的爆發(fā)式增長，疊加 4G、5G 移動通信技術的普及，全球數(shù)據(jù)產(chǎn)生量呈指數(shù)級攀升，逐步邁入澤字節(jié)（ZB）時代。傳統(tǒng)云計算架構(gòu)在此背景下逐漸顯露出短板：數(shù)據(jù)需全量傳輸至云端處理，不僅造成高額帶寬消耗，還因傳輸距離導致高延遲問題，同時數(shù)據(jù)跨網(wǎng)絡流轉(zhuǎn)也帶來了隱私泄露的風險，已難以滿足實時性、安全性要求較高的場景需求。

進入21 世紀后，為解決云計算的痛點，邊緣計算概念正式提出。其核心思路是將數(shù)據(jù)處理環(huán)節(jié)從云端下沉至靠近數(shù)據(jù)源的邊緣節(jié)點，通過在本地完成數(shù)據(jù)的初步篩選、處理與轉(zhuǎn)發(fā)，大幅減少上傳至云端的數(shù)據(jù)量，從而緩解帶寬壓力、降低延遲。但這一階段的邊緣計算，主要聚焦于數(shù)據(jù)處理流程的優(yōu)化，尚未與人工智能（AI）技術結(jié)合，未涉及 AI 算法的部署與應用。

直到2020 年以后，隨著 AI 技術（尤其是輕量化模型、低功耗計算技術）的成熟，邊緣計算與 AI 開始深度融合，“邊緣智能” 作為一門獨立的融合技術正式興起。它的核心特征是將 AI 算法（包括推理與訓練環(huán)節(jié)）部署在靠近數(shù)據(jù)生成端的邊緣設備（如物聯(lián)網(wǎng)終端、邊緣服務器）上，既能實現(xiàn)數(shù)據(jù)的實時處理與低延遲決策，又能避免原始數(shù)據(jù)上傳云端，從源頭保障數(shù)據(jù)隱私安全。

縱觀邊緣智能的發(fā)展歷程，可清晰劃分為三大核心階段：第一階段以“邊緣推理” 為核心，模型訓練過程仍依賴云端完成，訓練好的模型再被推送至邊緣設備執(zhí)行推理任務；第二階段進入 “邊緣訓練” 階段，借助自動化開發(fā)工具，實現(xiàn)模型訓練、迭代、部署的全流程邊緣化，減少對云端資源的依賴；第三階段也是未來的發(fā)展方向，是 “自主機器學習”，目標是讓邊緣設備具備自主感知、自適應調(diào)整的學習能力，無需人工干預即可完成模型優(yōu)化與能力升級。

當然，這并不意味著云端AI 會被取代。面對超大規(guī)模模型訓練、跨設備協(xié)同的復雜任務，云端強大的算力依然不可替代。未來的趨勢更可能是 “云端 + 邊緣” 互補：云端負責底層模型的訓練與優(yōu)化，邊緣負責本地場景的實時部署與數(shù)據(jù)處理，二者協(xié)同發(fā)力，既能發(fā)揮云端的算力優(yōu)勢，又能兼顧邊緣的隱私與實時性，最終推動人工智能技術更安全、更高效地走進各行各業(yè)。

數(shù)據(jù)來源：precedenceresearch 半導體產(chǎn)業(yè)縱橫制表

市場研究機構(gòu)Market數(shù)據(jù)表明，全球邊緣人工智能市場規(guī)模預計到 2032 年將超過 1400 億美元，較 2023 年的 191 億美元大幅增長。Precedence Research 數(shù)據(jù)顯示，邊緣計算市場在 2032 年可能達到 3.61 萬億美元（CAGR 30.4%）。這些數(shù)據(jù)預示著邊緣 AI 廣闊的發(fā)展前景，也解釋了為何大廠紛紛將目光投向這片新藍海。

02 巨頭布局，搶占先機

在邊緣AI 芯片賽道，大廠競爭激烈。芯片領域作為邊緣 AI 發(fā)展的核心硬件支撐，近兩年呈現(xiàn)出算力革新與架構(gòu)創(chuàng)新并行的趨勢。

蘋果在iPhone 系列中積極布局自研邊緣 AI 芯片，以最新發(fā)布的 iPhone 16 系列為例，其搭載的 A18 芯片專為 AI 功能深度優(yōu)化。A18 采用第二代 3 納米工藝，集成 16 核神經(jīng)網(wǎng)絡引擎，每秒運算可達 35 萬億次 。這一強大算力使得面容 ID 識別瞬間完成，Animoji 生成也流暢無比，響應速度進入毫秒級時代。同時，得益于芯片的本地處理能力，數(shù)據(jù)無需上傳至云端，從根本上規(guī)避了云端傳輸帶來的隱私風險，為用戶筑牢隱私防線。

英偉達作為圖形處理及AI 計算領域的佼佼者，在邊緣 AI 芯片布局上同樣成果斐然。其推出的 Jetson 系列邊緣 AI 芯片，專為機器人、無人機、智能攝像頭等邊緣設備打造。以 Jetson Xavier NX 為例，這款芯片集成了 512 個 NVIDIA CUDA 核心和 64 個 Tensor Core，具備高達 21 TOPS（每秒運算萬億次）的算力，卻僅需 15W 的功耗，能夠為機器人在復雜多變的環(huán)境中提供強大的視覺識別與決策執(zhí)行支持。在物流倉儲場景中，搭載 Jetson Xavier NX 芯片的移動機器人可快速識別貨物、貨架位置，規(guī)劃最優(yōu)路徑，高效完成貨物搬運任務，大幅提升物流運作效率。

國內(nèi)企業(yè)在邊緣AI 芯片領域也成績亮眼。云天勵飛2022 年推出的 DeepEdge 10 系列專為邊緣大模型設計；2024 年升級的 DeepEdge200 采用 D2D Chiplet 技術，搭配 IPU-X6000 加速卡，可適配云天天書、通義千問等近 10 個主流大模型，在智慧安防攝像頭中實現(xiàn)異常行為實時識別，預警響應時間縮短至 0.5 秒內(nèi)。

國產(chǎn)AI算力芯片公司主要產(chǎn)品 來源：民生證券

在8月26日晚間，云天勵飛公布2025年半年度報告。財報顯示，其2025年上半年實現(xiàn)營業(yè)收入6.46億元，較上年同期增長123.10%；歸母凈利潤為-2.06億元，同比虧損收窄1.04億元；扣非凈利潤為-2.35億元，同比虧損收窄1.10億元。對于業(yè)績變化，該公司表示，報告期內(nèi)，營業(yè)收入較上年同期增加，主要是消費級及企業(yè)級場景業(yè)務的銷售收入增加所致。虧損收窄主要系報告期內(nèi)營業(yè)收入及毛利率同步增加所致。

數(shù)據(jù)來源：公司財報 半導體產(chǎn)業(yè)縱橫制表

面對邊緣設備內(nèi)存、算力等資源受限的現(xiàn)實，谷歌、微軟、Meta 等國際科技巨頭等紛紛聚焦于輕量化大模型的研發(fā)與優(yōu)化，以實現(xiàn)大模型在邊緣設備上的高效運行。

谷歌在這一領域積極探索，通過對模型架構(gòu)的精巧設計與參數(shù)的精細調(diào)整，將部分大模型進行了成功的輕量化改造。例如其推出的Gemini Nano 模型，基于Transformer 架構(gòu)進行優(yōu)化，在保持較高模型性能的同時，大幅減少了模型參數(shù)數(shù)量與計算復雜度，能夠在智能安防攝像頭等邊緣設備上流暢運行，為實時視頻圖像分析提供有力支持。在城市安防監(jiān)控網(wǎng)絡中，部署了 Gemini Nano 模型的攝像頭可實時識別行人、車輛，監(jiān)測異常行為，及時發(fā)出警報，有效提升城市安全防控能力。

微軟則另辟蹊徑，推出的phi-1.5 模型雖參數(shù)規(guī)模相對較小，但在模型訓練數(shù)據(jù)選擇上獨具匠心。該模型采用了精心篩選的 27B token “教科書級” 數(shù)據(jù)進行訓練，在數(shù)學推理能力方面表現(xiàn)卓越，超越了部分參數(shù)規(guī)模龐大的千億級模型。在教育領域的智能輔導系統(tǒng)中，phi-1.5 模型可快速、準確地解答學生提出的數(shù)學問題，提供詳細的解題步驟與思路，輔助教師教學，提升教學質(zhì)量與效率。

03 爆發(fā)點，在哪里

智能家居設備是邊緣AI最常見的應用場景之一。它讓智能家居設備告別“單一指令執(zhí)行”，轉(zhuǎn)向 “行為預判式服務”。智能溫控器通過學習用戶作息與睡眠周期，結(jié)合室外天氣動態(tài)調(diào)溫，既保障舒適又降低 15%-20% 能耗，遠優(yōu)于傳統(tǒng)設備。以小度音箱為代表的終端，憑借邊緣 AI 實現(xiàn) 0.3 秒內(nèi)響應高頻指令，還能聯(lián)動跨品牌設備形成場景服務，如 “回家模式” 自動觸發(fā)開燈、調(diào)溫、放音樂，推動中國智能家居場景聯(lián)動滲透率達 38%，超全球平均水平。

可穿戴設備是邊緣AI的另一個重要領域。Meta 與雷朋合作的智能眼鏡，在上海等城市實現(xiàn)毫秒級圖像識別與本地翻譯，無網(wǎng)狀態(tài)下也能實時轉(zhuǎn)換路牌文字、推薦周邊店鋪，累計出貨量已經(jīng)突破200萬臺。中國品牌更聚焦深度健康管理，華為 Watch GT 系列通過邊緣 AI 融合心率、血氧、心電圖等數(shù)據(jù)，篩查睡眠呼吸暫停綜合征準確率達 85%，幫助超 10 萬用戶提前發(fā)現(xiàn)健康問題；OPPO 手環(huán)則依據(jù)用戶運動數(shù)據(jù)實時調(diào)整強度，生成個性化計劃，讓健康管理形成 “采集 - 分析 - 建議” 閉環(huán)。

在工業(yè)領域，AI 與物聯(lián)網(wǎng)、機器人的結(jié)合，正推動工廠從 “單一設備自動化” 升級為 “全流程智能協(xié)同”，通過邊緣 AI 實時處理生產(chǎn)數(shù)據(jù)，實現(xiàn) “故障預判、流程優(yōu)化、質(zhì)量追溯” 的全鏈條智能化。智能工廠中的機器人，已不再是“重復單一動作” 的機械臂，而是具備 “實時決策能力” 的 “智能生產(chǎn)單元”。Arm 的計算平臺則為工業(yè)物聯(lián)網(wǎng)提供了 “高效數(shù)據(jù)處理底座”。工業(yè)場景中，一臺智能設備每天會產(chǎn)生超 10GB 的傳感器數(shù)據(jù)（如溫度、振動、壓力），若全部上傳云端處理，不僅會占用大量帶寬，還會導致數(shù)據(jù)延遲（可能達數(shù)分鐘），而 Arm 平臺的邊緣計算能力可實現(xiàn) “本地數(shù)據(jù)過濾與分析”—— 僅將 “異常數(shù)據(jù)”（如振動頻率超出正常范圍）上傳云端，同時在本地生成 “設備健康報告”，提醒運維人員及時檢修。

長遠來看，邊緣 AI 的深度價值，在于推動人工智能從 “工具屬性” 向 “場景屬性” 延伸。當智能不再依賴云端的遠程支撐，而是嵌入到生活與生產(chǎn)的具體場景中 ——從家庭溫控器根據(jù)用戶習慣動態(tài)調(diào)溫，到工廠機器人自主優(yōu)化作業(yè)路徑，再到可穿戴設備為用戶定制健康方案，人工智能才算真正融入產(chǎn)業(yè)肌理與生活日常。這種轉(zhuǎn)變，既規(guī)避了技術泡沫化的風險，也讓人工智能的價值在實際應用中落地生根。

       原文標題 : 邊緣AI，何以成為大廠角逐的新沃土？