5G鋪路，邊緣計算助力人工智能提升整體可靠性

本刊記者 |王熙

雖然AI現在已經取得了非常大的突破，但同樣還面臨著很多挑戰。最大的就是，AI在進行分析處理時，需要消耗大量的計算資源和存儲資源。而現階段，能夠這些復雜工作的正是來自于5G技術之一的邊緣計算。

隨著人工智能（AI）快速發展，具備感知、認知功能的智能終端產品不斷出現：智能助手、智能終端、智能可穿戴設備、智能家居等一系列消費級產品日新月異。另一方面，無人駕駛汽車、智能服務機器人等具備復雜系統的綜合型人工智能產品，也在加速研發和產業化進程中，正逐漸走進人們的生產生活，帶來全新的產業和應用。

AI作為一種通用型技術，在自身發展的同時也推動著其他技術和產業的發展，而其他相關技術和產業的發展反過來又加速了AI的進步。其中，5G就為AI數據的傳送速度和質量提供了有效保證。

邊緣計算讓AI駛入“快車道”

雖然AI現在已經取得了非常大的突破，但同樣還面臨著很多挑戰。最大的就是，AI在進行分析處理時，需要消耗大量的計算資源和存儲資源。

尤其是在物聯網時代，隨著智能終端產品的爆發增長，大量數據通過有限的網絡連接傳輸至位于集中式數據中心的分析引擎進行數據分析，而這卻是適得其反，因為分析引擎可能出現響應不足，也可能導致額外的延時并浪費寶貴的帶寬。

而現階段，能夠這些復雜工作的正是來自于5G技術之一的邊緣計算。邊緣計算靠近物理設備或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，來滿足AI快速連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求技術，使得AI應用的性能、整體可靠性大大提升。

同時，邊緣計算的另一大優勢也在AI領域得以發揚光大，就是實時性。例如AR/VR、互聯汽車、無人駕駛、遠程醫療、以及智慧城市，上述這些智能終端產品及解決方案，都是無法容忍超過數毫秒的時延，并對于抖動或時延變化極其敏感的。舉例來說，互聯汽車要求低時延、高帶寬，并基于接近于用戶計算和內容存儲，這些條件都使得邊緣核心成為了必備項。在很多場景下，尤其是使用封閉式自動化操作來維護高可用性的場景，響應時間必須保證在幾十毫秒內，而這種條件除邊緣計算外是無法達成的。

AI時代數據安全問題加劇

遺憾的是，人工智能時代，數據的收集、使用等各個環節也面臨著新的風險。在數據收集環節，大規模的機器自動化地收集著成千上萬的用戶數據，涉及到個人姓名、性別、電話號碼、電子郵箱、地理位置、家庭住址在內的方方面面的數據，這些數據海量收集形成對用戶的全面追蹤。

另外，在數據使用環節，大數據分析技術廣泛使用，數據經挖掘能分析出深層信息，不僅可以識別出特定的個人，還能分析出個人的購物習慣、行蹤軌跡等信息，進一步擴大了隱私暴露的風險。此外，在整個數據的生命周期中，由于黑客攻擊、系統安全漏洞等原因，個人數據始終面臨著被泄露的潛在安全風險。

而邊緣計算能夠使得安全部件更接近于攻擊源，啟動更高效的安全應用并增加分層數量以抵御針對核心的侵犯和風險。