新一輪人工智能浪潮下，資料規模激增，邊緣算力将成為AI模型重要組成部分。
通過在網絡邊緣側為使用者 IT 服務和雲計算功能，邊緣計算技術能夠有效地降低網絡營運和服務傳遞的時延，提供更好的使用者體驗。
邊緣計算與人工智能、5G、物聯網、元宇宙等新興技術的結合，疊加能源、交通、制造等行業需求的驅動，行業市場空間廣闊。#人工智能#
PrecedenceResearch資料顯示，2022年全球邊緣計算市場規模為45.5億美元，該市場規模将以12.46%的CAGR增長至2030年的1165億美元。
Gartner報告表明，超過90%的企業都将開啟自身在邊緣計算的獨特應用，并将在未來成為規模化行業，邊緣計算發展戰略将成為大勢所趨。
據 IDC 預測，到 2025 年全球将有 800 億台終端裝置接 入到網際網路，移動資料流量将高達 160 ZB，将給雲計算系統帶來了極大的負載， 将終端裝置的資料上傳至雲端時可能引起較長傳播時延。#邊緣計算#
關注樂晴智庫，洞悉産業格局！
邊緣計算行業概覽
行行查 | 行業研究資料庫 顯示，邊緣計算指靠近資料源或使用者側提供計算、存儲的基礎設施，為邊緣應用提供服務。相比于集中部署的雲計算，邊緣計算解決了時延過長、彙聚流量大等問題，為實時性和帶寬要求較高的業務提供了更好的支援。
邊緣計算落地場景主要分為三類。
邊緣計算落地場景主要包括三類，第一類是流量較大的業務，包括超高清視訊、互動直播等。第二類是大規模的物聯網業務，包括智能物流、智慧城市等。第三類是對延時和連接配接可靠性要求較高的雲遊戲、自動駕駛、工業自動化等。
邊緣計算應用場景：
相較于雲計算，邊緣計算擁有低延遲時間、少帶寬需求、高安全性的優勢，在元宇宙時代更為重要：
1）低延遲時間：雲計算模式下，裝置産生的資料需傳輸至雲計算中心處理，再将結果傳回至應用，是以實時性不足。而邊緣計算将算力部署在資料源附近，大大減少了時延；
2）減輕帶寬壓力：面對資料量的快速增長，傳統的雲計算依靠光纖、衛星等進行傳輸已經難以承擔，而邊緣計算在資料源處進行資料處理，減少備援資料，減輕帶寬需求；
3）降低隐私洩露風險：對于部分資料私密性較高的行業，如監控系統和人臉識别等，若将視訊和照片資料上傳至雲端分析則将加大隐私洩露風險；此時運用邊緣計算，本地化存儲分析，可降低資料洩露的風險。#5月财經新勢力#
邊緣計算産業鍊
邊緣計算産業進入高速發展期，産業生态逐漸形成，上下遊合作增強。
上遊主要包括軟硬體基礎設施，設計晶片到伺服器供應商及邊緣軟體架構。中遊主要是提供邊緣服務，主要有三類企業：邊緣計算服務平台、營運商MEC以及雲計算服務下沉企業下遊邊緣計算應用為主，随着5G在産業的應用需求增加，工業網際網路在工業各個垂直行業的解決方案将繼承邊緣計算來解決特殊場景需求。
邊緣計算産業鍊：
資料來源：華西證券
在AI浪潮以及物聯網趨勢不斷加深，以及 5G 等網絡建設持續發展背景下，邊緣側相關産品及應用側有望 打開海量空間。産業鍊邊緣晶片和邊緣算力兩大核心細分環節值得重點關注：
邊緣AI晶片
根據部署位置，AI晶片可以分為雲端（資料中心）晶片和邊緣端（終端）晶片。
雲端晶片部署位置包括公有雲、私有雲或者混合雲等基礎設施，主要用于處理海量資料和大規模計算，而且還要能夠支援語音、圖檔、視訊等非結構化應用的計算和傳輸，一般情況下都是用多個處理器并行完成相關任務。
邊緣端AI 晶片主要應用于嵌入式、移動終端等領域，如攝像頭、智能手機、邊緣伺服器、工控裝置等，此類晶片一般體積小、耗電低，性能要求略低，一般隻需具備一兩種AI 能力。
目前應用領域由雲端向邊緣側移動，終端催生大量晶片需求。
資料來源：億歐智庫
從功能上來看，AI晶片分為訓練晶片和推斷晶片兩種。
由于功耗、算力等條件限制，目前邊緣端的AI晶片絕大部分為邊緣推斷晶片。
從技術架構來看，它可分為四大類，分别為通用性晶片（GPU）、半定制化晶片（FPGA）、全定制化晶片（ASIC）。
在邊緣計算中，AI晶片會利用傳聲器陣列、攝像頭等傳感器采集到的資料按照已建構的模型進行推理并輸出相應的結果。
由于邊緣計算的應用場景衆多，對于硬體的算力、能耗等性能要求也不盡相同，是以催生出對AI晶片更加廣泛的需求。
不同邊緣場景對AI算力的需求：
資料來源: 艾瑞咨詢、華創證券
國内海思、寒武紀、雲天勵飛、國芯科技、海光資訊等晶片廠商陸續推出高成本效益的邊緣端AI晶片。
寒武紀“思元”220晶片是專門用于深度學習的邊緣加速晶片，采用台積電16nm工藝，具備高算力（32Tops）、低功耗(10W）的特點。
雲天勵飛DeepEye1000采用22nm工藝，內建雙核視覺DSP處理器，内置硬體加速運算子ACC，峰值算力可達2.0Tops，可支援4K@30fps視訊、4路高清視訊并行的實時分析。
邊緣算力
伴随AI等場景的發展，資料中心及智能終端資料處理需求持續增長，邊緣計算将有效解決算力需求高增帶來的資料處理問題。
算力發展的解決方案将是雲端和邊緣端同時發展，其中邊緣端算力的發展更值得期待。
目前高算力裝置仍占比較低，例如隻有不到1%的電腦或主機可以在最低畫質下玩《微軟飛行模拟器》。
而對算力要求更高的元宇宙，如果希望能納入盡可能多的終端和使用者，需要降低對裝置配置的要求，雲端渲染和視訊流是一個必然的思路。
根據IDC預測，實時資料的占比将在未來五年不斷增加，到2024年将達到資料産生總量的四分之一左右。
實時資料的激增促進了邊緣基礎設施的發展，也使得邊緣計算能力變得越來越重要，人工智能應用也将更加依賴于處在邊緣的算力支撐。
到2023年，全球超過50%的建立基礎設施将部署在邊緣，将近20%用于支撐AI工作負載的伺服器将部署在邊緣側。
邊緣算力基本網絡架構：
此外，邊緣算力還在供零售/金融/遠端連接配接領域使用的“開箱即用雲”、移動連接配接、通用使用者駐地裝置（uCPE）、衛星通信（SATCOM）等環節起到重要作用。
中心和邊緣側的算力錯位：
邊緣算力布局廠商主要包括首都線上、優刻得、網宿科技、 光環新網、新炬網絡等。
總的來說，邊緣計算可以按需部署于無線接入雲、邊緣雲或者彙聚雲。對于低延遲時間場景，邊緣計算需要部署于靠近基站側的無線接入雲甚至終端自身處（如安防攝像頭、智能汽車）；對于高帶寬要求的大流量熱點地區，邊緣計算可以部署于邊緣雲；對于海量連接配接的場景，邊緣計算可部署于位置更高一些的彙聚雲，以便覆寫更大區域的業務需求。
關注樂晴智庫，洞悉産業格局！