人工智能(AI)的整合無處不在，為各個行業(yè)提供了變革機會。

其中一種范式轉(zhuǎn)變是人工智能與邊緣計算的融合，促進可持續(xù)解決方案和創(chuàng)新應(yīng)用。

人工智能的快速發(fā)展使企業(yè)能夠在客戶體驗(CX)和預(yù)測分析方面，以大規(guī)模的高度個性化轉(zhuǎn)變其服務(wù)和業(yè)務(wù)，以管理業(yè)務(wù)運作。

人工智能、5G和物聯(lián)網(wǎng)融合

5G網(wǎng)絡(luò)提供的好處是:

• 低延遲
• 設(shè)備連接的大幅度增加反過來又允許擴展機器來實現(xiàn)機器通信
• 網(wǎng)絡(luò)連接設(shè)備和傳感器的出現(xiàn)導(dǎo)致了大規(guī)模的超個性化

環(huán)境與經(jīng)濟

PWC發(fā)布了一份報告，闡述了人工智能幫助減少碳排放的潛力。據(jù)其分析，到2030年，應(yīng)用于農(nóng)業(yè)、能源、交通和水四大領(lǐng)域的人工智能經(jīng)濟可能會帶來高達:

• 為全球經(jīng)濟增長貢獻5.2萬億美元或GDP的4.4%。
• 溫室氣體(ghg)排放量減少2.4億噸，即4%。
• 全球凈就業(yè)崗位增加3820萬個，即1%。

如此，環(huán)境目標(biāo)和經(jīng)濟目標(biāo)可以相互協(xié)調(diào),特別是通過技術(shù)進步。隨著企業(yè)和整體經(jīng)濟的增長，更高效的人工智能在宏觀經(jīng)濟和社會層面更有效,能夠擴展規(guī)模并創(chuàng)造經(jīng)濟和就業(yè)增長。在微觀經(jīng)濟層面,通過降低部署和擴展人工智能的成本,企業(yè)可能會擴展到新的服務(wù)、產(chǎn)品和商業(yè)模式,并使初創(chuàng)企業(yè)蓬勃發(fā)展和擴大規(guī)模。與此同時，以更低的能源消耗實現(xiàn)這一目標(biāo)可以降低碳足跡。

此外,一群領(lǐng)先的人工智能研究科學(xué)家闡述了可利用機器學(xué)習(xí)協(xié)助應(yīng)對氣候變化跨電氣系統(tǒng)、工業(yè)、交通、建筑、智能電網(wǎng)、災(zāi)害管理等行業(yè)。確保這些利益的挑戰(zhàn)，是使人工智能能夠在包括成本和環(huán)境在內(nèi)的有效基礎(chǔ)上進行擴展，能源效率是這兩個方面的關(guān)鍵。

生成式人工智能的出現(xiàn)掀起了一股熱潮，它通常是由大型語言模型(LLM)提供的,這些模型采用了變壓器和自我注意機制架構(gòu),通常與深度強化學(xué)習(xí)方法相結(jié)合,以獎勵正確的響應(yīng)。然而,這些模型在計算上是耗費資源的,包括服務(wù)器需求、能源成本和碳足跡。

AI無處不在：從智能到“智能+智能”邊緣

智能是指連接互聯(lián)網(wǎng)的設(shè)備。然而，隨著人工智能在設(shè)備的本地嵌入，例如帶有人工智能的PC，連接設(shè)備正變得越來越“智能”，在這種情況下，智能指的是對用戶做出有意義的響應(yīng)并個性化體驗的能力，而不是人類水平的智能。

隨著物聯(lián)網(wǎng)規(guī)模的擴大，邊緣計算的增長將需要超低延遲，這反過來又允許實時響應(yīng)。

如上所述，人工智能將越來越多地處于網(wǎng)絡(luò)的邊緣——稱為邊緣計算或簡稱邊緣，即數(shù)據(jù)的處理更接近其生成的地方,實際上可能位于設(shè)備本身。這樣可以保持非常低的延遲,從而對用戶作出實時響應(yīng)。

以安全性和可靠性為關(guān)鍵因素的云/邊緣混合

云模型將繼續(xù)應(yīng)用于數(shù)據(jù)中心，為儲存歷史數(shù)據(jù)進行分析提供重要資源和能力。這也將允許使用混合模型進行正在進行的算法開發(fā)，支持在云服務(wù)器上訓(xùn)練人工智能模型，并在邊緣推斷人工智能，從而為大規(guī)模個性化提供進一步的潛力。

邊緣人工智能的示例

• 智能電網(wǎng)實現(xiàn)實時雙向信息流動，并將其與谷歌DeepMind的NowCast和GraphCast等人工智能模型相結(jié)合，以預(yù)測天氣并優(yōu)化可再生能源供需管理。
• 由物聯(lián)網(wǎng)支持的微電網(wǎng)可以在并網(wǎng)或獨立島設(shè)置中運行，并啟用本地生產(chǎn)的能源，管理停電并提高效率。
• 內(nèi)置傳感器的智能電表可以傳輸實時信息，檢測停電和監(jiān)測供電質(zhì)量。
• 可再生能源存儲的電池優(yōu)化。
• 具有計算機視覺的無人機可以檢查太陽能電池板和風(fēng)力渦輪機，并檢測損壞情況，從而減少發(fā)電量。
• 意外中斷預(yù)測和自動干預(yù)。
• 綠色氫和燃料電池的發(fā)展。
• 自動化機器學(xué)習(xí)的綠色人工智能。
• 城市交通管理規(guī)劃，預(yù)測交通擁堵和改道交通。
• 設(shè)計電動汽車運行過程的算法,以優(yōu)化電池充電、距離和可用充電點之間的關(guān)系。
• 人工智能已被部署在智能建筑的建設(shè)中，物聯(lián)網(wǎng)傳感器可以檢測房間內(nèi)是否有人，并相應(yīng)地調(diào)整供暖/空調(diào)或照明，以優(yōu)化能源消耗。
• 將生成式人工智能應(yīng)用于建筑的建筑和規(guī)劃階段，以預(yù)測數(shù)字雙胞胎的潛在問題，并優(yōu)化可持續(xù)性設(shè)計。
• 制造業(yè)部門，預(yù)測分析應(yīng)用于計劃外停機和自動化，以減少其發(fā)生，從而優(yōu)化生產(chǎn)運行并減少此類停機可能造成的浪費。
• 優(yōu)化制造過程和供應(yīng)鏈的能源消耗和碳足跡。
• 零售行業(yè)的建議與預(yù)測分析一起應(yīng)用，使品牌能夠增強需求預(yù)測并優(yōu)化其供應(yīng)庫存和生產(chǎn)。