为什么苹果和微软将AI推向边缘？

传统上人工智能是部署在云上，因为AI算法处理大量数据并消耗大量计算资源。但人工智能并不只存在于云端，在许多情况下，基于人工智能的数据处理和决策需要在接近网络边缘设备的本地上进行。

边缘的AI可以更快、更可靠、更安全地做出关键任务和时间敏感的决策。智能手机、智能手表以及安装在机器和基础设施上的传感器等等，这些在网络边缘的智能设备的迅速增长推动了将人工智能推向边缘的热潮。

本月早些时候，苹果斥资2亿美元收购了Xnor，这是一家总部位于西雅图的人工智能初创公司AI专注于低功耗机器学习软件和硬件。而微软提供了一个名为Azure IoT Edge的综合工具包，允许人工智能工作负载转移到网络边缘。

人工智能会继续向边缘移动吗?与云中的人工智能相比，边缘的人工智能有什么优点和缺点?要理解人工智能的未来，有必要回顾一下计算的历史，以及在四种计算范式下，钟摆是如何从集中式智能转向分散式智能。

集中与分散的

从计算的早期开始，设计的挑战之一就是智能应该存在于网络中。正如我2001年在《哈佛商业评论》上发表的一篇文章中所观察到的，有一种从集中情报到分散情报的“情报迁移”——一个现在正在重复的循环。

计算机的第一个时代是大型机，智能集中在一个拥有所有计算能力的大型中央计算机上。在网络的另一端是终端，它们基本上由一个绿色的屏幕和一个本身没什么智能的键盘组成，因此它们被称为“哑终端”。

计算的第二个时代是桌面计算机或个人计算机(PC)，它将大型机范式颠倒了过来。pc包含了本地存储和计算的所有智能，甚至不需要连接到网络。这种去中心化的智能带来了计算的民主化，并导致了微软和英特尔的崛起，其愿景是让每一个家庭和每一张桌子上都有一台个人电脑。

第三个计算时代称为客户机-服务器计算，它在两个极端的智能之间提供了一个折衷方案。大型服务器在后端完成繁重的工作，“前端智能”被收集并存储在联网的客户端硬件和软件上。

计算的第四个时代是云计算范式，由亚马逊的Amazon Web服务、Salesforce.com的SaaS(软件即服务)产品和微软的Azure云平台等公司开创。云提供了大规模的计算能力和非常便宜的内存和存储。人工智能应用程序被安置在云里是有道理的，因为在2012年到2019年间，人工智能算法的计算能力增加了30万倍，每三个半月就翻一番。

钟摆又摆动了

然而，基于云的人工智能也有它的问题。首先，基于云的人工智能会遭遇延迟——数据转移到云上进行处理，结果通过网络传输回本地设备时的延迟。在许多情况下，延迟会产生严重的后果。例如，当一家化工厂的传感器预测即将发生爆炸时，该工厂需要立即关闭。机场或工厂的安全摄像头必须识别入侵者并立即做出反应。当人工智能算法预测即将发生碰撞时，自动驾驶汽车甚至不能等待十分之一秒来启动紧急制动。在这些情况下，人工智能必须位于边缘，在边缘处可以更快地做出决策，而不需要依赖网络连接，也不需要在网络上来回移动大量数据。

钟摆再次摆动，从集中到分散的智能，正如我们看到40年前从主机计算到桌面计算的转变。

然而，正如我们在个人电脑上发现的那样，要想转到边缘并不容易。相机、传感器或智能手机的计算能力是有限的。此外，网络边缘的许多设备没有连接电源，这就带来了电池寿命和散热问题。特斯拉、ARM和英特尔等公司正在应对这些挑战，因为它们正在开发更高效的处理器和更精简的算法，不需要使用那么多的电力。

但人工智能在云中的表现仍有好一些的时候。当决策需要巨大的计算能力，不需要实时做出决定时，人工智能应该留在云中。例如，当人工智能被用于解释核磁共振扫描或分析农场上空无人机收集的地理空间数据时，我们可以利用云的全部力量，即使我们必须等待几分钟或几个小时才能做出决定。

训练与推理

判断人工智能应该存在于何处的一种方法是，理解人工智能算法中的训练和推理之间的区别。当人工智能算法被建立和训练时，这个过程需要大量的数据和计算能力。要教会一辆自动驾驶汽车识别行人或红绿灯，你需要向算法输入数百万张图像。然而，一旦该算法被训练，它可以执行“推断”——局部观察一个对象，以确定它是否是行人。在推理模式下，该算法利用其训练在网络边缘做出较少计算密集型的决策。

云中的人工智能可以与边缘的人工智能协同工作。考虑一下像特斯拉这样的人工智能汽车。边缘的人工智能能实时做出无数决定，比如刹车、转向和换道。晚上，当汽车停好并连接到Wi-Fi网络时，数据会上传到云端，以进一步训练算法。然后，更智能的算法可以通过云端下载到车上，这是一个良性循环，特斯拉已经通过基于云的软件更新重复了数百次。

拥抱“和”的智慧

云计算将需要人工智能，就像有更多理由将人工智能置于边缘一样。这不是一个非此即彼的答案，而是一个“和”。人工智能将出现在它需要出现的地方，就像智能将出现在它需要出现的地方一样。我看到人工智能正在进化成“环境智能”——分布式的、无处不在的和相互连接的。在对未来的展望中，边缘智能将补充云中的智能，从而更好地平衡集中式计算和本地化决策的需求。

原文始发于：为什么苹果和微软将AI推向边缘？