新时代的自主系统将须要更极速的数据处置，且接近数据源启动处置，这使得一些CIO将AI参与他们2025年的边缘计算布局中。
剖析师预测，企业AI的下一个阶段将引入自主系统，简直无需人工干预。据Gartner最近的一份报告显示，往年已有75%的CIO参与了AI估算。随着GenAI嵌入更多设备，成功自主决策将依赖实时数据处置，并且防止高昂的云计算老本，这正是边缘计算施展作用的中央。
经过接近数据源处置数据，边缘计算能够放慢决策速度，缩小数据传输，从而降落老本，成为AI运行的理想环境。“边缘计算正在极速开展，从一个有前景的概念演化为许多行业的关键工具，”前白宫CIO、Fortalice Solutions网络安保公司开创人Theresa Payton说道，“到2025年，随着AI和物联网的扩展，边缘计算将愈加遍及。”
以位于威斯康星州的电力供应公司Dairyland Power Cooperative为例，他们驳回GenAI来优化和优化现场基础设备的性能和效率。“AI让边缘计算对CIO更具吸引力，由于它协助咱们缩小数据处置的提前，而在咱们追务实时处置的状况下，这带来了渺小长处。”该公司的副总裁兼CIO Nate Melby示意。
其他人也以为，随着AI在关键企业运行中的遍及，边缘计算的处置才干将随之优化。“随着AI运行在关键义务的企业用例中少量参与，其中一些AI运行将转移到边缘，”散布式云计算平台公司Akamai的执行副总裁兼CTO Robert Blumofe说道，“边缘计算能够缩小提前、降落老本，并降落数据泄露的危险。”
但是，企业中的GenAI引发了少量的炒作，实践的价值运行案例却比比皆是。剖析师对此泡沫启动了掩饰，一些技术指导者也选用中止关系名目。针对最近AI热潮的降温，AVOA的CIO战略顾问Tim Crawford提示指导者要做出理性的投资决策。不过，他依然以为，在提高效率的驱动下，GenAI和某些边缘运行有着值得探求的时机。
CIO对边缘计算的兴味
近年来，边缘计算的关注度迅速回升。据IDC预计，2024年环球在边缘计算上的支出增长了14%。推进这种兴味的一个关键起因是将AI投入实践运行，这须要低提前和高隐衷的结合，而这正是边缘计算的长处所在。
“咱们看到边缘计算的经常使用迅速扩展，”Blumofe说道，“咱们在自己的运行中经常使用它，客户也越来越多地驳回它。”展望2025年，更多CIO方案在边缘成功AI的运行。
“明年，咱们的企业方案应用边缘计算来增强运营决策智能，并推进咱们向智能资产的方向开展，”Melby补充道。在他们的畛域中，AI和边缘计算正变得必无法少，以成功下一代高度智能化的工业数字运营。他示意，这是一个新型的、网络化的灵活动力生态系统的基础。
依据Fortalice Solutions的Payton的说法，将数据处置接近数据发生的中央，尤其无利于须要即时执行和实时洞察的运行，无论是在批发、制作业，还是客户体验畛域。她示意：“那些优先思考实时决策和数据处置的企业，应在其2025年及的路途图中归入边缘计算。”
AI与边缘计算携手并进
边缘计算的**是实时处置数据，在数据搜集并须要处置的端点启动操作，而AI在其中成为了清楚的助手。软件公司Bizagi的CIO Antonio Vázquez示意：“AI可以经过在数据传输、可扩展性、安保性和老本方面提高效率，协助处置过去阻碍技术驳回的疑问。”
运营方面的收益也值得思考，计算公司Macrometa的CEO兼联结开创人Chetan Venkatesh补充道：“AI经过成功网络边缘的实时智能数据处置，使边缘计算对CIO来说愈减轻要。”在他看来，这种结合解锁了性能优化、增强的用户体验、新的运行交付模式以及更好的韧性，而另一个额外的好处是数据隐衷，这也是AI系统中备受争议的话题。“在本地处置敏感数据，可以处置日益增长的数据主权和合规性疑问。”他说。
优化数据处置的模式和地点，也象征着踊跃的业务成绩。Payton示意：“AI使边缘计算对CIO来说极具关系性，由于它让企业能够在数据生成的中央启动处置和剖析。随着AI的始终开展，它对极速数据处置的依赖使得边缘计算不只要益，而且对坚持竞争长处来说至关关键。”
边缘AI的运行场景
AI推理可以部署在设备上、本地或云端，但在许多须要速度和隐衷的场景中，边缘计算尤其突出。Venkatesh示意：“边缘AI准许在最关键的中央——接近数据源启动即时决策。”这为一些以前无法能的用例关上了大门。
许多面向用户的场景都能从基于边缘的AI中受益，Payton强调了面部识别技术、为半智能驾驶汽车提供实时交通更新，以及衔接设备和智能手机上的数据驱动增强配置作为或许的运行畛域。“在批发畛域，AI可以经过智能设备实时提供共性化体验，”她说，“在医疗保健畛域，基于边缘的AI可以经过可穿戴设备立刻提示医疗专业人员发现的意外状况，从而或许援救生命。”
Bizagi的Vázquez指出，AI和边缘计算在智慧市区中的运行是一个明白的胜利。他示意，边缘的AI模型可以在交通灯控制之外，协助优化市民安保、智能化交通、智能电网和自愈基础设备等畛域。以他为例，巴林、格拉斯哥和拉斯维加斯等市区曾经开局启动AI试验，以改善市区布局、缓解交通流量并协助公共安保。
自主治理的智能基础设备正是Dairyland的Melby重点关注的畛域。动力行业正在应用AI成功减排指标，向可再活泼力过渡，并提高电网的韧性。“咱们正致力成功更灵敏的动力替换，扩散动力的生成，并在实时操作中整合多种资源，”他说，“经过应用AI和边缘计算，咱们可以经过机器决策设定明白且可预测的边界，从而有效降落一些复杂操作决策的危险。”一个详细的畛域是基于老本和预测智能优化双向电力流的同时，选用敌对衡多种动力来源，如风能、太阳能或电池贮存。
制作业也是一个关系行业，Akamai的Blumofe指出，制作商可以应用边缘的AI算法监控消费品质和上班场合安保，并实时调整消费流程，这还可以包含预测性保养和机器自诊断。
AVOA的Crawford示意，还有一些不凡状况与GenAI的运行关系，比如将GenAI带到战场上的战士手中，但是，总体来说，他对边缘AI持愈加务虚的认识，以为它更像是一种特定的运行场景，而非无所不包的技术手腕。“AI和边缘计算依然十分小众化，”他说。他局部归因于模型训练的高昂老本和较低的报答，“必定有足够大的价值来对消这些老本。”
边缘计算对业务的影响
CIO们广泛对边缘AI对业务的影响持踊跃态度，以为它可以带来更高的牢靠性、缩小数据传输、增强共性化体验并降落数据泄露的危险。
其中一个关键长处是优化边缘的牢靠性。“自愈系统是提高任何须要优化资源的技术牢靠性的关键，由于它接近事情出现地，远离系统治理位置，”Bizagi的Vázquez示意。经过经常使用AI驱动的组件来成功负载平衡、缺点容忍或预测性意外检测，这一指标可以成功。
除了传统的包全措施之外，边缘的自主AI还将解锁史无前例的实时操作照应才干。Melby示意：“提高决策智能、成功延续且无缝的智能化，以及向确保未来互操作性数字生态系统的迈进，都是渺小的长处。”特意是在动力行业，它可以经过从反响性保养转向预测性保养，协助优化电网的保养效率。
除了运营长处之外，其他人还等候经过边缘AI提供愈加极速、共性化的客户体验。Macrometa的Venkatesh指出：“当今的用户希冀即时、智能和富裕洞察力的在线体验。”但是，这些日益灵活的交互通常须要经过远程主机的API恳求链，造成提前。他示意：“设计良好、部署切当的边缘AI可以经过起码的代码更改集成更多配置，使企业能够提供用户所希冀的实时互动体验。”
只管潜在的好处十分多，但Crawford提示，希冀值必定建设在事实基础上，由于假设业务结果无法成功，许多运行场景将逐渐被淘汰。
此外，由于AI训练和推理所需的弱小能耗，也提高了技术的门槛，带来了物理上的限度。他举了最近爱尔兰电网缺点的例子，说明了高能耗计算如AI处置或许面临的应战。
做好边缘AI的实施
对边缘AI实施的兴奋感应当与审慎的失望态度相结合。例如，Payton倡导将AI战略与业务成绩对齐，并采取“慢走不要跑”的模式。“我倡导CIO们经过试点测试和学习的方法，确保在实施AI和边缘计算时充沛了解总领有老本、安保性思考以及业务韧性方案。”她说。
CIO们还必定为投资提供正当的依据，并优化其物理资产的经常使用。Melby倡导企业细心思考他们试图处置的疑问以及预期结果。“在我的行业中，咱们正在致力提高效率和韧性，边缘计算与AI将在咱们之前无法成功的畛域提供协助，”他说，“这种后劲具备改革性。”他补充道，CIO们应细心布局模块化或小型数据中心的边缘位置，以最大化价值。
Blumofe指出，成功还取决于为运行选用适合的模型，由于并非每个AI运行都须要运转在耗电量大、性能弱小的GPU上的大型言语模型(LLM)。“在许多企业用例中，一个经过优化的小型AI模型，可以在普通CPU上运转，往往是更好的处置方案，”他说，“这种在边缘运转的优化模型可以清楚缩小提前并大幅降落老本。”随着市场上LLM的数量迅速参与，单是解析可用选项就成为一项义务。
除了做出理智的决策外，整合与平台有关的工具和最前沿的蜂窝技术提高，关于边缘计算的未来也至关关键。Payton示意：“优先思考可扩展的、去中心化的架构，这些架构能够处置AI上班负载，并应用将边缘、云端和本地系统无缝集成的混合云处置方案。此外，像5G这样的技术将在支持更快数据传输方面施展关键作用，使边缘计算愈加可行和有效。”
为更清洁的未来做好预备
Crawford示意，CIO们还没有充沛探讨到的应战行将极速来到，其中之一就是碳足迹。例如，欧盟《企业可继续开展报告指令》(CSRD)将在2025年终失效，要求公司对其环境影响启动准确的报告。
这样的法规或许会使处置密集型的AI名目的推行变得愈加复杂。因此，在这样的环境中，CIO们必定坚持精明和有针对性。Crawford激励他们在全力投入AI之前，先想象整个价值链，评价技术债务的危险，并增强系统的韧性。
Payton补充道：“在各个层面，实施强调安保性、韧性、透明度、偏心性和问责制的最佳通常至关关键，以应答成见、安保破绽和伦理疑问等危险。”
只管AI带来的危险或许让人犹疑，但不提高的代替选用雷同无法行。“关于宿愿优化基础设备的CIO们来说，拥抱边缘计算和AI不只是一个趋向，更是坚持竞争力的必要条件。”Venkatesh说道。