新時代的自主系統將需要更快速的數據處理，且靠近數據源進行處理，這使得一些CIO將AI加入他們2025年的邊緣計算規劃中。

分析師預測，企業AI的下一個階段將引入自主系統，幾乎無需人工干預。據Gartner最近的一份報告顯示，今年已有75%的CIO增加了AI預算。隨著GenAI嵌入更多設備，實現自主決策將依賴實時數據處理，并且避免高昂的云計算成本，這正是邊緣計算發揮作用的地方。

通過靠近數據源處理數據，邊緣計算能夠加快決策速度，減少數據傳輸，從而降低成本，成為AI應用的理想環境。“邊緣計算正在快速發展，從一個有前景的概念演變為許多行業的關鍵工具，”前白宮CIO、Fortalice Solutions網絡安全公司創始人Theresa Payton說道，“到2025年，隨著AI和物聯網的擴展，邊緣計算將更加普及。”

以位于威斯康星州的電力供應公司Dairyland Power Cooperative為例，他們采用GenAI來優化和提升現場基礎設施的性能和效率。“AI讓邊緣計算對CIO更具吸引力，因為它幫助我們減少數據處理的延遲，而在我們追求實時處理的情況下，這帶來了巨大優勢。”該公司的副總裁兼CIO Nate Melby表示。

其他人也認為，隨著AI在關鍵企業應用中的普及，邊緣計算的處理能力將隨之提升。“隨著AI應用在關鍵任務的企業用例中大量增加，其中一些AI應用將轉移到邊緣，”分布式云計算平臺公司Akamai的執行副總裁兼CTO Robert Blumofe說道，“邊緣計算能夠減少延遲、降低成本，并降低數據暴露的風險。”

然而，企業中的GenAI引發了大量的炒作，實際的價值應用案例卻屈指可數。分析師對此泡沫進行了揭穿，一些技術領導者也選擇停止相關項目。針對最近AI熱潮的降溫，AVOA的CIO戰略顧問Tim Crawford提醒領導者要做出理性的投資決策。不過，他仍然認為，在提高效率的驅動下，GenAI和某些邊緣應用有著值得探索的機會。

CIO對邊緣計算的興趣

近年來，邊緣計算的關注度迅速上升。據IDC估計，2024年全球在邊緣計算上的支出增長了14%。推動這種興趣的一個重要因素是將AI投入實際應用，這需要低延遲和高隱私的結合，而這正是邊緣計算的優勢所在。

“我們看到邊緣計算的使用迅速擴大，”Blumofe說道，“我們在自己的應用中使用它，客戶也越來越多地采用它。”展望2025年，更多CIO計劃在邊緣實現AI的應用。

“明年，我們的企業計劃利用邊緣計算來增強運營決策智能，并推動我們向智能資產的方向發展，”Melby補充道。在他們的領域中，AI和邊緣計算正變得必不可少，以實現下一代高度智能化的工業數字運營。他表示，這是一個新型的、網絡化的動態能源生態系統的基礎。

根據Fortalice Solutions的Payton的說法，將數據處理靠近數據產生的地方，尤其有利于需要即時行動和實時洞察的應用，無論是在零售、制造業，還是客戶體驗領域。她表示：“那些優先考慮實時決策和數據處理的企業，應在其2025年及以后的路線圖中納入邊緣計算。”

AI與邊緣計算攜手并進

邊緣計算的核心是實時處理數據，在數據收集并需要處理的端點進行操作，而AI在其中成為了明顯的助手。軟件公司Bizagi的CIO Antonio Vázquez表示：“AI可以通過在數據傳輸、可擴展性、安全性和成本方面提高效率，幫助解決過去阻礙技術采用的問題。”

運營方面的收益也值得考慮，計算公司Macrometa的CEO兼聯合創始人Chetan Venkatesh補充道：“AI通過實現網絡邊緣的實時智能數據處理，使邊緣計算對CIO來說更加重要。”在他看來，這種結合解鎖了性能提升、增強的用戶體驗、新的應用交付方式以及更好的韌性，而另一個額外的好處是數據隱私，這也是AI系統中備受爭議的話題。“在本地處理敏感數據，可以解決日益增長的數據主權和合規性問題。”他說。

提升數據處理的方式和地點，也意味著積極的業務成果。Payton表示：“AI使邊緣計算對CIO來說極具相關性，因為它讓企業能夠在數據生成的地方進行處理和分析。隨著AI的不斷發展，它對快速數據處理的依賴使得邊緣計算不僅有益，而且對保持競爭優勢來說至關重要。”

邊緣AI的應用場景

AI推理可以部署在設備上、本地或云端，但在許多需要速度和隱私的場景中，邊緣計算尤其突出。Venkatesh表示：“邊緣AI允許在最重要的地方——靠近數據源進行即時決策。”這為一些以前不可能的用例打開了大門。

許多面向用戶的場景都能從基于邊緣的AI中受益，Payton強調了面部識別技術、為半自動駕駛汽車提供實時交通更新，以及連接設備和智能手機上的數據驅動增強功能作為可能的應用領域。“在零售領域，AI可以通過智能設備實時提供個性化體驗，”她說，“在醫療保健領域，基于邊緣的AI可以通過可穿戴設備立即提醒醫療專業人員發現的異常情況，從而可能挽救生命。”

Bizagi的Vázquez指出，AI和邊緣計算在智慧城市中的應用是一個明確的勝利。他表示，邊緣的AI模型可以在交通燈控制之外，幫助提升市民安全、自動化交通、智能電網和自愈基礎設施等領域。以他為例，巴林、格拉斯哥和拉斯維加斯等城市已經開始進行AI實驗，以改善城市規劃、緩解交通流量并幫助公共安全。

自主管理的智能基礎設施正是Dairyland的Melby重點關注的領域。能源行業正在利用AI實現減排目標，向可再生能源過渡，并提高電網的韌性。“我們正努力實現更靈活的能源交換，分散能源的生成，并在實時操作中整合多種資源，”他說，“通過利用AI和邊緣計算，我們可以通過機器決策設定明確且可預測的邊界，從而有效降低一些復雜操作決策的風險。”一個具體的領域是基于成本和預測自動優化雙向電力流的同時，選擇和平衡多種能源來源，如風能、太陽能或電池儲存。

制造業也是一個相關行業，Akamai的Blumofe指出，制造商可以利用邊緣的AI算法監控生產質量和工作場所安全，并實時調整生產流程，這還可以包括預測性維護和機器自診斷。

AVOA的Crawford表示，還有一些特殊情況與GenAI的應用相關，比如將GenAI帶到戰場上的士兵手中，然而，總體來說，他對邊緣AI持更加務實的看法，認為它更像是一種特定的應用場景，而非包羅萬象的技術手段。“AI和邊緣計算仍然非常小眾化，”他說。他部分歸因于模型訓練的高昂成本和較低的回報，“必須有足夠大的價值來抵消這些成本。”

邊緣計算對業務的影響

CIO們普遍對邊緣AI對業務的影響持積極態度，認為它可以帶來更高的可靠性、減少數據傳輸、增強個性化體驗并降低數據暴露的風險。

其中一個關鍵優勢是提升邊緣的可靠性。“自愈系統是提高任何需要優化資源的技術可靠性的關鍵，因為它靠近事件發生地，遠離系統管理位置，”Bizagi的Vázquez表示。通過使用AI驅動的組件來實現負載平衡、故障容忍或預測性異常檢測，這一目標可以實現。

除了傳統的保護措施之外，邊緣的自主AI還將解鎖前所未有的實時操作響應能力。Melby表示：“提高決策智能、實現連續且無縫的自動化，以及向確保未來互操作性數字生態系統的邁進，都是巨大的優勢。”特別是在能源行業，它可以通過從反應性維護轉向預測性維護，幫助提升電網的維護效率。

除了運營優勢之外，其他人還期待通過邊緣AI提供更加快速、個性化的客戶體驗。Macrometa的Venkatesh指出：“當今的用戶期望即時、智能和富有洞察力的在線體驗。”然而，這些日益動態的交互通常需要通過遠程服務器的API請求鏈，導致延遲。他表示：“設計良好、部署得當的邊緣AI可以通過最少的代碼更改集成更多功能，使企業能夠提供用戶所期望的實時互動體驗。”

雖然潛在的好處非常多，但Crawford提醒，期望值必須建立在現實基礎上，因為如果業務結果無法實現，許多應用場景將逐漸被淘汰。

此外，由于AI訓練和推理所需的強大能耗，也提高了技術的門檻，帶來了物理上的限制。他舉了最近愛爾蘭電網故障的例子，說明了高能耗計算如AI處理可能面臨的挑戰。

做好邊緣AI的實施

對邊緣AI實施的興奮感應當與謹慎的樂觀態度相結合。例如，Payton建議將AI戰略與業務成果對齊，并采取“慢走不要跑”的方式。“我建議CIO們通過試點測試和學習的方法，確保在實施AI和邊緣計算時充分了解總擁有成本、安全性考慮以及業務韌性計劃。”她說。

CIO們還必須為投資提供合理的依據，并優化其物理資產的使用。Melby建議企業仔細考慮他們試圖解決的問題以及預期結果。“在我的行業中，我們正在努力提高效率和韌性，邊緣計算與AI將在我們之前無法實現的領域提供幫助，”他說，“這種潛力具有變革性。”他補充道，CIO們應仔細規劃模塊化或小型數據中心的邊緣位置，以最大化價值。

Blumofe指出，成功還取決于為當前應用選擇合適的模型，因為并非每個AI應用都需要運行在耗電量大、性能強大的GPU上的大型語言模型(LLM)。“在許多企業用例中，一個經過優化的小型AI模型，可以在普通CPU上運行，往往是更好的解決方案，”他說，“這種在邊緣運行的優化模型可以顯著減少延遲并大幅降低成本。”隨著市場上LLM的數量迅速增加，單是解析可用選項就成為一項任務。

除了做出明智的決策外，整合與平臺無關的工具和最前沿的蜂窩技術進步，對于邊緣計算的未來也至關重要。Payton表示：“優先考慮可擴展的、去中心化的架構，這些架構能夠處理AI工作負載，并利用將邊緣、云端和本地系統無縫集成的混合云解決方案。此外，像5G這樣的技術將在支持更快數據傳輸方面發揮關鍵作用，使邊緣計算更加可行和有效。”

為更清潔的未來做好準備

Crawford表示，CIO們還沒有充分討論到的挑戰即將快速到來，其中之一就是碳足跡。例如，歐盟《企業可持續發展報告指令》(CSRD)將在2025年初生效，要求公司對其環境影響進行精確的報告。

這樣的法規可能會使處理密集型的AI項目的推廣變得更加復雜。因此，在這樣的環境中，CIO們必須保持精明和有針對性。Crawford鼓勵他們在全力投入AI之前，先設想整個價值鏈，評估技術債務的風險，并加強系統的韌性。

Payton補充道：“在各個層面，實施強調安全性、韌性、透明度、公平性和問責制的最佳實踐至關重要，以應對偏見、安全漏洞和倫理問題等風險。”

雖然AI帶來的風險可能讓人猶豫，但不進步的替代選擇同樣不可行。“對于希望提升基礎設施的CIO們來說，擁抱邊緣計算和AI不僅是一個趨勢，更是保持競爭力的必要條件。”Venkatesh說道。