人工智能(AI)的整合无处不在，为各个行业提供了变革机会。
其中一种范式转变是人工智能与边缘计算的融合，促进可持续解决方案和创新应用。
人工智能的快速发展使企业能够在客户体验(CX)和预测分析方面，以大规模的高度个性化转变其服务和业务，以管理业务运作。
人工智能、5G和物联网融合
5G网络提供的好处是:
- 低延迟
- 设备连接的大幅度增加反过来又允许扩展机器来实现机器通信
- 网络连接设备和传感器的出现导致了大规模的超个性化
环境与经济
PWC发布了一份报告，阐述了人工智能帮助减少碳排放的潜力。据其分析，到2030年，应用于农业、能源、交通和水四大领域的人工智能经济可能会带来高达:
- 为全球经济增长贡献5.2万亿美元或GDP的4.4%。
- 温室气体(ghg)排放量减少2.4亿吨，即4%。
- 全球净就业岗位增加3820万个，即1%。
如此，环境目标和经济目标可以相互协调,特别是通过技术进步。随着企业和整体经济的增长，更高效的人工智能在宏观经济和社会层面更有效,能够扩展规模并创造经济和就业增长。在微观经济层面,通过降低部署和扩展人工智能的成本,企业可能会扩展到新的服务、产品和商业模式,并使初创企业蓬勃发展和扩大规模。与此同时，以更低的能源消耗实现这一目标可以降低碳足迹。
此外,一群领先的人工智能研究科学家阐述了可利用机器学习协助应对气候变化跨电气系统、工业、交通、建筑、智能电网、灾害管理等行业。确保这些利益的挑战，是使人工智能能够在包括成本和环境在内的有效基础上进行扩展，能源效率是这两个方面的关键。
生成式人工智能的出现掀起了一股热潮，它通常是由大型语言模型(LLM)提供的,这些模型采用了变压器和自我注意机制架构,通常与深度强化学习方法相结合,以奖励正确的响应。然而,这些模型在计算上是耗费资源的,包括服务器需求、能源成本和碳足迹。
AI无处不在：从智能到“智能+智能”边缘
智能是指连接互联网的设备。然而，随着人工智能在设备的本地嵌入，例如带有人工智能的PC，连接设备正变得越来越“智能”，在这种情况下，智能指的是对用户做出有意义的响应并个性化体验的能力，而不是人类水平的智能。
随着物联网规模的扩大，边缘计算的增长将需要超低延迟，这反过来又允许实时响应。
如上所述，人工智能将越来越多地处于网络的边缘——称为边缘计算或简称边缘，即数据的处理更接近其生成的地方,实际上可能位于设备本身。这样可以保持非常低的延迟,从而对用户作出实时响应。
以安全性和可靠性为关键因素的云/边缘混合
云模型将继续应用于数据中心，为储存历史数据进行分析提供重要资源和能力。这也将允许使用混合模型进行正在进行的算法开发，支持在云服务器上训练人工智能模型，并在边缘推断人工智能，从而为大规模个性化提供进一步的潜力。
边缘人工智能的示例
- 智能电网实现实时双向信息流动，并将其与谷歌DeepMind的NowCast和GraphCast等人工智能模型相结合，以预测天气并优化可再生能源供需管理。
- 由物联网支持的微电网可以在并网或独立岛设置中运行，并启用本地生产的能源，管理停电并提高效率。
- 内置传感器的智能电表可以传输实时信息，检测停电和监测供电质量。
- 可再生能源存储的电池优化。
- 具有计算机视觉的无人机可以检查太阳能电池板和风力涡轮机，并检测损坏情况，从而减少发电量。
- 意外中断预测和自动干预。
- 绿色氢和燃料电池的发展。
- 自动化机器学习的绿色人工智能。
- 城市交通管理规划，预测交通拥堵和改道交通。
- 设计电动汽车运行过程的算法,以优化电池充电、距离和可用充电点之间的关系。
- 人工智能已被部署在智能建筑的建设中，物联网传感器可以检测房间内是否有人，并相应地调整供暖/空调或照明，以优化能源消耗。
- 将生成式人工智能应用于建筑的建筑和规划阶段，以预测数字双胞胎的潜在问题，并优化可持续性设计。
- 制造业部门，预测分析应用于计划外停机和自动化，以减少其发生，从而优化生产运行并减少此类停机可能造成的浪费。
- 优化制造过程和供应链的能源消耗和碳足迹。
- 零售行业的建议与预测分析一起应用，使品牌能够增强需求预测并优化其供应库存和生产。
