在科技领域，同一时期出现的诸多尖端理论或者是技术，总会在某一个点不期而遇，并且以一种组合的方式推动社会进步。在5g的带动下，ai和边缘计算即是如此。最近随着中国，德国，以及世界其他主要国家开始5g落地，关于边缘计算，ai和物联网的话题再度被炒热。得益于未来5g的高带宽，边缘计算有了落地的基础，而ai的发展，则加快了相关应用的进步，随之而来的则是万物互联的物联网时代......
众所周知，物联网最基础的要求是设备彼此能够达到智能互联，如果5g是彼此互联的“腿”，那么ai则是知道如何互联的“魂”。在当今社会，数据爆炸性的增长使得云端数据中心不堪重负，越来越多的应用场景都要求数据必须以高度智慧化的方式实现即时识别和处理，否则将产生难以估量的损失，比如自动驾驶......
据美国tractica公司发布的数据显示，到2025年，人工智能的边缘设备年产量将从2018年的1.614亿台，增加到26亿台。其中包括移动电话，智能扬声器，传统的电脑，pad，甚至头戴显示器，汽车传感器，无人机以及消费类和商用类的机器人和摄像头。其中的很多设备也将实现高度的ai化。
在目前的商业环境下，云端的物联只能算是一种原始物联，即通过传感器将设备的各种状态，信息简单记录，然后发送到核心系统进行分析。但是，随着ai和5g的到来，将赋予边缘设备更多的智能化，就如同八爪鱼一样，神经元的60%都集中在触角上。未来的边缘系统不再是对数据的简单上传，而是可以对其进行分析，推理和模式匹配，并最终实现无监督机器学习。系统和传感器也将有能力根据最新数据来调整其内部算法。比如，智能传感器会为设备生成温度，压力，湿度，空气质量，震动和声音等信息以数据的形式保存起来，然后通过算法进行智能分析以后下发相应的处理指令。处理结果在初期可能不尽如人意，但通过ai学习，结果会逐渐获得优化。
从硬件的角度来看，如今的设备对ai算法的支持越来越高。传感器“麻雀虽小五脏俱全”的属性可实现在极小空间内的数据内存和处理，这将极大的缓解传统云端处理设备的运算压力，从而大大减轻数据中心的工作负荷。
除了前文提到的交通工具，ai的边缘计算事例还有很多，和我们最相关的就有医疗设备，制造系统等。比如，在手术室中病人身体的关键数据需要被即刻处理，才能立即为医生提供准确而有效的信息以作下一步行动决策，这将为关键时刻挽救病人的生命创造机会。
除此以外还有物流行业，可以在物流公司的各种设施，装备上面安置摄像头，实时监控及管理由货车、运货车运送的货物。这将极大的增强快递物品状态的可追溯性，并提升用户满意度。
人工智能增强边缘决策的优势总结来说有如下几点：
首先，和现在的集中式物联网模型相比，ai的边缘设备在响应能力上有质的提升。同时，实时处理和数据洞察的能力也非现有设备可比。在安全性方面也将更有保障，比如传统互联网设备在数据往复发送的过程中，被篡改或者暴露的风险很高，但将数据就地处理之后，就可以极大的降低这种风险。
其次，ai边缘设备具有更高的灵活度，智能设备能够支持特定行业或特定地点产生的要求，包括从建筑能源管理到医疗监测等诸多行业。同时，在管理上也可以不再高度依赖人工。
最后，在用户服务方面，ai化的边缘系统也将提供更高的满意度支持。比如网约车，ai可以通过位置感知服务给予响应，或在出现延误时重新安排路径计划，节约用户出行成本的同时，降低公司的违约风险。