新时代的自主系统将需要更快速的数据处理，且靠近数据源进行处理，这使得一些CIO将AI加入他们2025年的边缘计算规划中。
分析师预测，企业AI的下一个阶段将引入自主系统，几乎无需人工干预。据Gartner最近的一份报告显示，今年已有75%的CIO增加了AI预算。随着GenAI嵌入更多设备，实现自主决策将依赖实时数据处理，并且避免高昂的云计算成本，这正是边缘计算发挥作用的地方。
通过靠近数据源处理数据，边缘计算能够加快决策速度，减少数据传输，从而降低成本，成为AI应用的理想环境。“边缘计算正在快速发展，从一个有前景的概念演变为许多行业的关键工具，”前白宫CIO、Fortalice Solutions网络安全公司创始人Theresa Payton说道，“到2025年，随着AI和物联网的扩展，边缘计算将更加普及。”
以位于威斯康星州的电力供应公司Dairyland Power Cooperative为例，他们采用GenAI来优化和提升现场基础设施的性能和效率。“AI让边缘计算对CIO更具吸引力，因为它帮助我们减少数据处理的延迟，而在我们追求实时处理的情况下，这带来了巨大优势。”该公司的副总裁兼CIO Nate Melby表示。
其他人也认为，随着AI在关键企业应用中的普及，边缘计算的处理能力将随之提升。“随着AI应用在关键任务的企业用例中大量增加，其中一些AI应用将转移到边缘，”分布式云计算平台公司Akamai的执行副总裁兼CTO Robert Blumofe说道，“边缘计算能够减少延迟、降低成本，并降低数据暴露的风险。”
然而，企业中的GenAI引发了大量的炒作，实际的价值应用案例却屈指可数。分析师对此泡沫进行了揭穿，一些技术领导者也选择停止相关项目。针对最近AI热潮的降温，AVOA的CIO战略顾问Tim Crawford提醒领导者要做出理性的投资决策。不过，他仍然认为，在提高效率的驱动下，GenAI和某些边缘应用有着值得探索的机会。
CIO对边缘计算的兴趣
近年来，边缘计算的关注度迅速上升。据IDC估计，2024年全球在边缘计算上的支出增长了14%。推动这种兴趣的一个重要因素是将AI投入实际应用，这需要低延迟和高隐私的结合，而这正是边缘计算的优势所在。
“我们看到边缘计算的使用迅速扩大，”Blumofe说道，“我们在自己的应用中使用它，客户也越来越多地采用它。”展望2025年，更多CIO计划在边缘实现AI的应用。
“明年，我们的企业计划利用边缘计算来增强运营决策智能，并推动我们向智能资产的方向发展，”Melby补充道。在他们的领域中，AI和边缘计算正变得必不可少，以实现下一代高度智能化的工业数字运营。他表示，这是一个新型的、网络化的动态能源生态系统的基础。
根据Fortalice Solutions的Payton的说法，将数据处理靠近数据产生的地方，尤其有利于需要即时行动和实时洞察的应用，无论是在零售、制造业，还是客户体验领域。她表示：“那些优先考虑实时决策和数据处理的企业，应在其2025年及以后的路线图中纳入边缘计算。”
AI与边缘计算携手并进
边缘计算的核心是实时处理数据，在数据收集并需要处理的端点进行操作，而AI在其中成为了明显的助手。软件公司Bizagi的CIO Antonio Vázquez表示：“AI可以通过在数据传输、可扩展性、安全性和成本方面提高效率，帮助解决过去阻碍技术采用的问题。”
运营方面的收益也值得考虑，计算公司Macrometa的CEO兼联合创始人Chetan Venkatesh补充道：“AI通过实现网络边缘的实时智能数据处理，使边缘计算对CIO来说更加重要。”在他看来，这种结合解锁了性能提升、增强的用户体验、新的应用交付方式以及更好的韧性，而另一个额外的好处是数据隐私，这也是AI系统中备受争议的话题。“在本地处理敏感数据，可以解决日益增长的数据主权和合规性问题。”他说。
提升数据处理的方式和地点，也意味着积极的业务成果。Payton表示：“AI使边缘计算对CIO来说极具相关性，因为它让企业能够在数据生成的地方进行处理和分析。随着AI的不断发展，它对快速数据处理的依赖使得边缘计算不仅有益，而且对保持竞争优势来说至关重要。”
边缘AI的应用场景
AI推理可以部署在设备上、本地或云端，但在许多需要速度和隐私的场景中，边缘计算尤其突出。Venkatesh表示：“边缘AI允许在最重要的地方——靠近数据源进行即时决策。”这为一些以前不可能的用例打开了大门。
许多面向用户的场景都能从基于边缘的AI中受益，Payton强调了面部识别技术、为半自动驾驶汽车提供实时交通更新，以及连接设备和智能手机上的数据驱动增强功能作为可能的应用领域。“在零售领域，AI可以通过智能设备实时提供个性化体验，”她说，“在医疗保健领域，基于边缘的AI可以通过可穿戴设备立即提醒医疗专业人员发现的异常情况，从而可能挽救生命。”
Bizagi的Vázquez指出，AI和边缘计算在智慧城市中的应用是一个明确的胜利。他表示，边缘的AI模型可以在交通灯控制之外，帮助提升市民安全、自动化交通、智能电网和自愈基础设施等领域。以他为例，巴林、格拉斯哥和拉斯维加斯等城市已经开始进行AI实验，以改善城市规划、缓解交通流量并帮助公共安全。
自主管理的智能基础设施正是Dairyland的Melby重点关注的领域。能源行业正在利用AI实现减排目标，向可再生能源过渡，并提高电网的韧性。“我们正努力实现更灵活的能源交换，分散能源的生成，并在实时操作中整合多种资源，”他说，“通过利用AI和边缘计算，我们可以通过机器决策设定明确且可预测的边界，从而有效降低一些复杂操作决策的风险。”一个具体的领域是基于成本和预测自动优化双向电力流的同时，选择和平衡多种能源来源，如风能、太阳能或电池储存。
制造业也是一个相关行业，Akamai的Blumofe指出，制造商可以利用边缘的AI算法监控生产质量和工作场所安全，并实时调整生产流程，这还可以包括预测性维护和机器自诊断。
AVOA的Crawford表示，还有一些特殊情况与GenAI的应用相关，比如将GenAI带到战场上的士兵手中，然而，总体来说，他对边缘AI持更加务实的看法，认为它更像是一种特定的应用场景，而非包罗万象的技术手段。“AI和边缘计算仍然非常小众化，”他说。他部分归因于模型训练的高昂成本和较低的回报，“必须有足够大的价值来抵消这些成本。”
边缘计算对业务的影响
CIO们普遍对边缘AI对业务的影响持积极态度，认为它可以带来更高的可靠性、减少数据传输、增强个性化体验并降低数据暴露的风险。
其中一个关键优势是提升边缘的可靠性。“自愈系统是提高任何需要优化资源的技术可靠性的关键，因为它靠近事件发生地，远离系统管理位置，”Bizagi的Vázquez表示。通过使用AI驱动的组件来实现负载平衡、故障容忍或预测性异常检测，这一目标可以实现。
除了传统的保护措施之外，边缘的自主AI还将解锁前所未有的实时操作响应能力。Melby表示：“提高决策智能、实现连续且无缝的自动化，以及向确保未来互操作性数字生态系统的迈进，都是巨大的优势。”特别是在能源行业，它可以通过从反应性维护转向预测性维护，帮助提升电网的维护效率。
除了运营优势之外，其他人还期待通过边缘AI提供更加快速、个性化的客户体验。Macrometa的Venkatesh指出：“当今的用户期望即时、智能和富有洞察力的在线体验。”然而，这些日益动态的交互通常需要通过远程服务器的API请求链，导致延迟。他表示：“设计良好、部署得当的边缘AI可以通过最少的代码更改集成更多功能，使企业能够提供用户所期望的实时互动体验。”
虽然潜在的好处非常多，但Crawford提醒，期望值必须建立在现实基础上，因为如果业务结果无法实现，许多应用场景将逐渐被淘汰。
此外，由于AI训练和推理所需的强大能耗，也提高了技术的门槛，带来了物理上的限制。他举了最近爱尔兰电网故障的例子，说明了高能耗计算如AI处理可能面临的挑战。
做好边缘AI的实施
对边缘AI实施的兴奋感应当与谨慎的乐观态度相结合。例如，Payton建议将AI战略与业务成果对齐，并采取“慢走不要跑”的方式。“我建议CIO们通过试点测试和学习的方法，确保在实施AI和边缘计算时充分了解总拥有成本、安全性考虑以及业务韧性计划。”她说。
CIO们还必须为投资提供合理的依据，并优化其物理资产的使用。Melby建议企业仔细考虑他们试图解决的问题以及预期结果。“在我的行业中，我们正在努力提高效率和韧性，边缘计算与AI将在我们之前无法实现的领域提供帮助，”他说，“这种潜力具有变革性。”他补充道，CIO们应仔细规划模块化或小型数据中心的边缘位置，以最大化价值。
Blumofe指出，成功还取决于为当前应用选择合适的模型，因为并非每个AI应用都需要运行在耗电量大、性能强大的GPU上的大型语言模型(LLM)。“在许多企业用例中，一个经过优化的小型AI模型，可以在普通CPU上运行，往往是更好的解决方案，”他说，“这种在边缘运行的优化模型可以显著减少延迟并大幅降低成本。”随着市场上LLM的数量迅速增加，单是解析可用选项就成为一项任务。
除了做出明智的决策外，整合与平台无关的工具和最前沿的蜂窝技术进步，对于边缘计算的未来也至关重要。Payton表示：“优先考虑可扩展的、去中心化的架构，这些架构能够处理AI工作负载，并利用将边缘、云端和本地系统无缝集成的混合云解决方案。此外，像5G这样的技术将在支持更快数据传输方面发挥关键作用，使边缘计算更加可行和有效。”
为更清洁的未来做好准备
Crawford表示，CIO们还没有充分讨论到的挑战即将快速到来，其中之一就是碳足迹。例如，欧盟《企业可持续发展报告指令》(CSRD)将在2025年初生效，要求公司对其环境影响进行精确的报告。
这样的法规可能会使处理密集型的AI项目的推广变得更加复杂。因此，在这样的环境中，CIO们必须保持精明和有针对性。Crawford鼓励他们在全力投入AI之前，先设想整个价值链，评估技术债务的风险，并加强系统的韧性。
Payton补充道：“在各个层面，实施强调安全性、韧性、透明度、公平性和问责制的最佳实践至关重要，以应对偏见、安全漏洞和伦理问题等风险。”
虽然AI带来的风险可能让人犹豫，但不进步的替代选择同样不可行。“对于希望提升基础设施的CIO们来说，拥抱边缘计算和AI不仅是一个趋势，更是保持竞争力的必要条件。”Venkatesh说道。
