在5G浪潮的驱动下，智能设备、自动驾驶、VR/AR、智能制造等对于实时性、本地性有着较强需求的场景日益丰富，边缘计算应运而生，有效提升了用户体验。但是，随着强实时数据量的迅速攀升，且数据形态更加多元，边缘计算面临的技术挑战更加复杂。在这一趋势下，融入AI能力的智能边缘计算应势而起。

边缘计算智能化升级

在IoT时代，海量设备将接入网络，进行数据采集和用户交互。在5G和AI的乘数效应下，数据的“量”和“质”都发生了改变。

其中，“量”的变化有两个维度。一方面，数据量呈现指数级增长；另一方面，有实时性要求处理的数据迅速上升，对于将云处理的数据下沉到边缘提出要求。据IDC预测，2025年全球物联网连接数将增长至270亿个，物联网设备数量将达到1000亿台，全球数据总量预计2025年将达到163个ZB，而未来超过70%的数据和应用将在边缘产生和处理。

而“质”的变化，体现在数据形态上。从PC时代到移动时代再到IoT时代，数据类型也从结构化数据、图形数据发展到多媒体数据，再到描述AI的元数据。在AI应用中，数据不仅仅被简单的存储、传输，其价值也需要深度挖掘。这就要求数据必须靠近信息源，进行本地化的智能分析与预处理。

“新型终端设备的数据产生要做预处理和消化。消化指的是做一些过滤，哪些往后台传，哪些要处理，哪些处理完要传到前端设备，这个过程必须在边缘侧完成。可以说，边缘计算非常重要，是真正支持万物智能化的关键点。”英特尔中国研究院院长宋继强在近期召开的“未来智能边缘计算论坛”上表示。

智能边缘计算是对边缘计算的智能化升级。宋继强表示，智能边缘、AI和5G是真正实现数据价值的关键技术转折点，三种技术将加速突破和融合，成为智能世界的新型基础设施，驱动各行各业新一轮的智能创新。”

“边缘计算强调的是计算发生的位置，是在云的边缘、网络的边缘还是设备的边缘。智能边缘计算是将智能处理能力载入边缘计算，它不是对数据进行处理、过滤或者是简单的分析，而是将AI能力融入其中。”宋继强在接受《中国电子报》等媒体采访时表示。

值得一提的是，边缘计算是一种场景众多且高度差异化的计算模式。除了计算发生的位置，与设备的距离（是有距离还是集成在设备上）、用途、环境，都对边缘计算的架构体系有着不同的要求。要高效处理多样化的数据，并将相应数据存储在边缘的不同位置，需要效能更高的计算、存储和连接。

应用潜能逐步彰显

2020年，疫情防控和复工复产成为全球经济的两条主线。在此期间，人与信息接触的方式发生了改变，推动数字经济进一步向智能经济演进。远程办公、在线医疗、在线教育等智能应用井喷式发展，对智能的需求前所未有。

在接受《中国电子报》采访时，宋继强表示，智能边缘计算将在智能经济的发展过程中，有着充足的发挥空间。

在远程教学和远程办公中，由于传统的网络基础设施存在不平均的情况，以及缺乏智能化处理机制，通常会将所有用户的信息等同传输。但是，不同场景下的信息传输和处理存在差异性。例如，在会议讲话中，语音信息和脸部、手势的视觉信息相对重要，其他的信息属于缺乏变化或是次要元素。

“如果有智能边缘计算，可以对输入的视频信号进行差异化的编码。传输过程的总信息量没有丢失，但是需要的数据量大幅度降低。”宋继强表示。

车路协同也是一个典型的边缘计算场景。交通路口等车辆工作环境包含大量高传输量的高清视频传感器、延时很低的雷达等，除了数据导入和简单的过滤之外还需要AI处理，实现发现问题、做出决策并执行的流程。

“交通路口可以在几个方向上都有摄像头，把摄像头的数据放在边缘，将车和人三维重建到场景中，并实时跟踪其速度和轨迹。如果有足够的计算量，就可以提前预测碰撞。这些都是边缘计算才能做到的。”宋继强向本报记者表示。

机器人是智能边缘计算的典型用例，英特尔一直通过产学研合作的方式推动机器人产业的发展，推进基于5G的云边端一体化部署，机器人更加智能化，自主感知和决策能力增强。