在廣義上，計算的歷史是對理想系統架構的不斷搜索。在過去的幾十年中，系統架構師不斷地從集中式配置中來回移動，其中計算資源位于遠離用戶的分布式體系結構中，處理資源則更靠近個人用戶。

早期的系統使用高度集中式的模型來向遍布企業的用戶提供增加的計算能力和存儲能力。

在20世紀80年代和90年代，這些集中式架構讓位給低成本PC的興起和LAN的出現，然后因特網連接起來。在這個新的模型中，計算任務越來越多地委托給個人PC。

隨著筆記本電腦、平板電腦和智能手機的興起，這種高度分布式的架構最終演變成了移動性。但是隨著計算需求的增加，系統架構師開始將任務移動到云，在那里他們可以利用其幾乎無限的計算和存儲資源、高可靠性和低成本。因此，近年來，架構設計師們開始轉向圍繞云構建更加集中的路徑。例如，智能手機把所有的東西都送回云中進行處理和存儲，僅在需要數據時，將其返回到設備。

然而，并非所有的應用程序都要在云端運行。事實上，隨著設計師們向在邊緣運行的應用程序增加越來越高的智能水平，他們將需要更快速地響應不斷變化的環境條件。例如，當一輛自主車進入一個智能城市時，沒有足夠的時間與云溝通，以確定交通燈是紅色時是否需要停車，它必須立即采取行動。類似地，當智能家居中的安全系統檢測到房屋內的移動時，必須依靠其設備上的資源來檢測該移動是闖入房屋的竊賊或只是家里的寵物狗。

種種新場景的應用，需要智能設備擁有邊緣端的計算處理能力。通過人工智能技術，如智能語音或面部識別等技術，這些智能設備將能夠迅速適應變化的環境，發揮它們的功能。并且，通過應用機器學習技術，這些設備將能夠基于不斷收集的數據來學習和升級它們的操作。

AI重新定義邊緣計算的應用領域

AI賦能的邊緣計算市場潛力巨大。潛在的應用范圍從消費級應用，如智能電視，可以感覺到當用戶離開房間并自動關機，延伸到工業級應用，如下一代機器視覺解決方案的目標是在未來的智能工廠。

智能汽車

目前來看，邊緣計算解決方案最熱門的市場之一是汽車行業，汽車從一個主要機械設備迅速發展為一個日益電子化的平臺，推動了這一轉變。AI賦能的邊緣計算使先進的駕駛員輔助系統（ADAS）出現，極大程度的提高了駕駛安全性。

不僅如此，移動終端市場的最新進展有助于加速這種變化。智能手機為汽車帶來了新的功能和應用，移動處理器和標準化的MIPI接口的發展有助于降低將這些能力整合到汽車中的成本。如今，先進的汽車娛樂系統提供信息和娛樂，而ADAS解決方案帶來了廣泛的安全功能，包括自動制動、車道檢測、盲點檢測和自動平行停車功能。

今天的汽車將越來越多的視覺系統集成到汽車內，以監控汽車內部的駕駛員以及道路狀況。這些嵌入式視覺系統跟蹤駕駛員的頭部和身體移動以指示困倦或分心，以及擴大的外部攝像機數量以支持自動停車和倒車輔助、盲點檢測、交通標志監視和避碰。車道偏離預警系統等新的應用將視頻輸入與車道檢測算法相結合，以確定車輛在道路上的位置。因此，汽車制造商正在整合每輛車的多個攝像頭。以期達到緊急制動、車道檢測、行人檢測和交通標志識別以及盲點檢測、泊車輔助和交叉交通警報的功能。

智能工廠

在工業領域，AI和邊緣應用有望在智能工廠的發展中發揮越來越重要的作用。在工業4.0模式的推動下，下一代智能工廠將先進的機器人技術、機器學習技術應用于軟件服務和工業物聯網（IIOT），以提高組織和最大化生產率。

工業1.0標志著將水和蒸汽動力機械引入制造業，工業2.0反映了由制造商的計算機和自動化集成定義的電力大規模生產技術的運動。即將到來的工業4.0模型將引入網絡物理系統制造，以監控智能工廠中的工作過程，并利用人工智能資源進行分散決策。通過引入諸如大數據和分析的組件、IT和IoT的融合、機器人技術的最新進展和數字供應鏈的演進，這一演進將推動該行業的數字化轉型。此外，通過不斷地與人類和操作員進行通信，這些物理系統將成為IIOT的一部分。

智能工業工廠如何與當前工廠不同？它將提供幾乎通用的互操作性和更高級別的機器、設備、傳感器和人之間的通信。其次，它將高度重視信息透明，其中系統通過傳感器數據向上下文化的信息創建物理世界的虛擬副本。此外，智能工廠的決策將高度分散，允許網絡物理系統盡可能自主地運行。最后，該工廠的新發展將具有高水平的技術支持，其中系統將能夠幫助彼此解決問題、做出決定并幫助人類完成可能是高度困難或危險的任務。

邊緣計算給基于人工智能的系統的開發者帶來了下一個巨大的挑戰：面對不斷變化的外部環境和消費者日益增長智能需求，只有不斷尋求廣泛的技術才能實現突破；也因此，AI+邊緣計算將真正助力實現豐富多彩的智能未來。