智通財經APP獲悉，民生證券發佈研報稱，目前AI已同邊緣計算結合催生了“邊緣智能”這一新領域，其可利用規模化的邊緣節點資源驅動AI應用，而非完全依賴雲計算能力。邊緣智能類似於：在終端設備上本地運行人工智能算法，並使用在設備上創造的本地數據。現階段，AI大模型下不僅需要提升訓練側精度與準確度，對於邊緣端的快速響應、數據隱私也同樣重要。看好AI規模化應用下的應用場景多點開花，同時建議關注在邊緣智能與數據安全側具有先發優勢的公司。
民生證券主要觀點如下：
起源於雲計算，主要爲應對海量數據需求
民生證券指出，雲計算的處理方式是將所有數據上傳至計算資源集中的雲端數據中心或服務器處理，任何需要訪問該信息的請求都必須上送雲端處理。但隨着互聯網、物聯網數據量增加，傳統雲計算架構已無法滿足龐大的計算需求。傳統雲計算模式下，物聯網數據被終端採集後要先傳輸至雲計算中心，再通過集羣計算後返回結果，這必然出現較長的響應時間。邊緣計算則可就近在網絡邊緣側完成數據分析與處理，降低傳輸時間的同時也加強了安全性。
數據已愈加在邊緣側集中
作爲推動人工智能發展的關鍵驅動力，數據源已經歷了從超大規模雲數據中心到日益廣泛的終端設備(如移動設備、邊緣設備和物聯網設備)的徹底轉變。過去，在線購物記錄、社交媒體內容及商業新聞等大數據主要產生並存儲在超大規模的數據中心。然而，隨着物聯網與AI的出現，這一趨勢正在逆轉。根據IDC及Statista預測，2025年全球將有近800億個物聯網設備及傳感器，數據中心側產生約175ZB數據流量。根據思科全球雲指數，2021年雲外總共生成近850ZB的數據，而全球數據中心流量預計僅爲20.6ZB。即數據來源正在從大規模的雲數據中心向邊緣設備遷徙;另一方面也印證了雲計算逐漸無法處理大規模分佈的計算能力。
AI大模型已從“玩具”走向“工具”，數據進一步刺激邊緣計算需求
民生證券認爲，如何讓大模型滲透進入各類垂直場景，如何更低成本的使用大模型，如何讓更多場景與用戶接觸AI，成爲了發展的下一個重點。目前AI已同邊緣計算結合催生了“邊緣智能”這一新領域，其可利用規模化的邊緣節點資源驅動AI應用，而非完全依賴雲計算能力。邊緣智能類似於：在終端設備上本地運行人工智能算法，並使用在設備上創造的本地數據。
邊緣智能多集中在推理階段
民生證券認爲，未來的邊緣智能主要側重於提升模型推理階段同用戶間的交互性能，模型訓練依舊主要交由雲上數據中心完成。但不同於邊緣計算的是，邊緣智能並非必須強調模型已擁有完全的訓練能力，因爲邊緣智能本身可以通過獲取設備終端、網絡節點資源進行自我推理更新。一定程度上，邊緣智能更像是當下流行深度神經網絡中的計算節點。
風險提示：邊緣計算商業化落地速度不及預期；產業供應鏈風險。