1.1　边缘智能产生的“大背景”

近年来，各国政府高度重视人工智能、边缘计算、大数据等新一代信息技术的发展，加之，国家级战略规划、科技助推政策的密集出台，不仅加快了资本向信息技术领域的流动，更催生了大量边缘智能业务需求场景。

1.1.1　新一代信息技术的推动发展

当前，以人工智能AI（Artificial Intelligence）、区块链BC（Block Chain）、云计算CC（Cloud Computing）、大数据BD（Big Data）、边缘计算EC（Edge Computing）、联邦学习FL（Federated Learning）、5G通信等为代表的新一代信息技术（可以初步概括为“ABCDEFG”），已成为理论研究的焦点、应用实践的重点和社会发展的增长点。

如图1-1中新一代信息技术框架所示，海量、高速、异构、多样的大数据不仅给传统信息技术带来严峻挑战，更促进了信息技术（Information Technology，IT）到数据技术（Data Technology，DT）的演进。一方面，为满足爆炸式的数据计算存储服务需求，动态扩展、按需服务、高可靠性的云计算服务模式应运而生。另一方面，随着数据与计算能力前所未有的丰富，人工智能算法和芯片技术取得了突破性进展，AI走出了实验室，走进了商业、工业、军事、生活等多个领域。

与此同时，联邦学习为大数据背景下的“数据孤岛”问题提供了安全的分布式机器学习框架；边缘计算为云计算面临的传输处理时延、网络拥塞、安全隐私问题提供了从“云端”向用户端“下沉”的解决方案，尤其在低时延、泛在连接、高带宽的5G通信技术助力下，云服务的“最后一公里”被打通，数据可以保留在智能芯片所加持的边缘设备终端，AI应用可以下沉至网络边缘，加之区块链的安全可信保障，新一代信息技术大跨步进入了边缘智能的新时代。

1.大数据

在新一代信息技术演进的大事件中，大数据不仅被誉为“新时代的生产资料”，更是数据思维的重要体现。在图1-2所示的大数据技术发展时间轴上，牛津大学教授Schnberger在著作Big Data： A Revolution That Will Transform How We Live，Work and Think中指出，基于随机采样、精确求解、因果推理的传统数据分析模式已演变为全数据、近似求解、关联分析的大数据模式。

2.云计算

在云计算的发展脉络中，云服务不仅造就了像亚马逊、谷歌、微软、阿里等云服务巨头，更把“如同使用水、电一般按需获取云服务”的理念深入用户的生活中。如图1-3所示，以敏捷开发与运维（DevOps）、微服务、容器为代表的云原生（Cloud Native）技术概念已成为云计算发展的前沿。

3.人工智能

人工智能的研究远远早于大数据和云计算。据相关资料记载，人类对于人工智能的思考和探索可追溯到希腊神话中人类对人工智能及生命的幻想。然而，如图1-4所示，在人工智能的发展脉络中，1956年的美国达特茅斯会议后，人工智能理论研究的序章才正式展开。尤其是在2012年的ImageNet大赛中，得益于训练数据增多、GPU并行计算能力的提升，深度神经网络成为了人工智能在大量应用领域的重要代名词。

4.智能芯片

芯片是计算的“大脑”。随着面向智能计算设计的智能芯片性能不断提升，智能加持的云服务也真正可以从遥远的“云端”下沉到万物互联的“用户终端”。如图1-5所示，2017年Google发布的TPU智能芯片开启了智能芯片元年，智能芯片发展进入了快车道，其中，寒武纪（Cambricon）发布了神经元网络单元NPU，IBM发布了类脑芯片Truenorh，清华大学发布了第三代“天机”芯片，阿里巴巴发布了人工智能芯片含光800，这些智能芯片为人工智能、云计算等强计算需求领域的持续发展提供了强大算力支撑。

5.联邦学习

在大数据时代，数据是机器学习等人工智能技术的“血液”。随着数据的极大丰富，人们对数据隐私、数据安全、数据利用的合规合法性也愈加重视；因此，为满足数据隐私、安全和监管要求，联邦学习技术应运而生。如图1-6所示，联邦学习是实现高效数据共享、解决数据孤岛问题的有效解决方案，为深度神经网络分布式部署、训练数据扩展等问题的解决带来了希望。尤其是基于PyTorch的PySyft框架、基于TensorFlow的TensorFlow Federated框架、中国微众银行的FATE框架、Uber的Horovod等开源联邦学习项目的开展以及相关国际标准的筹备，这些工作对联邦学习的进一步推广具有重要意义。

6.5G通信

5G通信技术无疑是当今各国科技“争锋”的重点领域，也是我国在“卡脖子”技术方面“弯道超车”的关键发力点。如图1-7所示，在中国5G元年后，华为发布全球首款旗舰5G SoC芯片：麒麟990，并发布面向全场景的分布式操作系统：鸿蒙1.0；高通发布全球首款集成调制解调器、射频收发器和射频前端的商用芯片：骁龙X55 5G；三星发布首款5G集成移动处理器：Exynos 980……时至今日，中国已成为5G通信领域的“高端玩家”，相信我国在以5G为代表的“新基建”发展中，会“风正帆悬，破浪前行”。

7.边缘计算

云计算解决了用户按需享用云服务的问题，而边缘计算解决了万物互联背景下云服务向网络边缘用户端的延伸和扩展问题。如图1-8所示，在边缘计算的发展中，思科等联合成立开放雾联盟（OpenFog Consortium）。同时，5G通信技术的关键使能场景涉及增强型移动宽带（Enhanced Mobile Broadband，eMBB）、超可靠低延迟通信（Ultra-reliable Low-Latency Communications，URLLC）、大规模机器类通信（Massive Machine Type Communications，mMTC）；因此边缘计算是5G的重要使能技术。

8.区块链

与其说区块链的诞生是信息安全技术的重要里程碑，不如说区块链是以密码学为基础的信息安全技术的集大成者。如图1-9所示的区块链发展大事件中，密码学大师Diffie和Hellman的学术成果奠定了迄今为止整个密码学的发展方向，对比特币等区块链实践的诞生起到决定性作用。1992年，差分隐私的发明者Cynthia Dwork及Moni Naor提出了基于工作量证明机制的垃圾邮件防范方法，该机制后来成为比特币的核心使能组件之一。可见，区块链技术的发展是大量密码学相关领域研究者不断开创、融合和拓展的成果结晶。

综上所述，新一代信息技术的发展不是一蹴而就的“远山愿景”，而是一步一个脚印逐步发展演进的技术体系。尤其是随着大数据、云计算、人工智能、智能芯片、边缘计算、联邦学习、区块链、5G通信的发展，“智能+”带来的大融合、大发展、大繁荣趋势变得势不可挡。因此，可以构想，5G联通了云计算与边缘计算两端，助力大数据和人工智能下沉至网络边缘和智能终端，联邦学习、区块链协同打通“智能+”安全应用的最后一公里，为技术和应用场景的深度融合、边缘智能开放架构体系形成提供了极为丰富的技术支撑。

1.1.2　国家政策的支持和引导

以我国为例，近年来政府高度重视新一代信息技术的发展，从“两会”到中央政治局常委会等重要场合，多项战略规划密集出台，鼓励引导基于新一代信息技术的国产安全可控体系快速发展，推动形成信息技术行业的安全可控和开放创新局面。图1-10梳理了我国在新兴技术领域的相关政策及发展规划。

尤其，习近平总书记在2020年中共中央政治局常务委员会会议上强调，要加快5G基建、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等七大领域的新型基础设施建设进度。

此外，美国、日本、德国、法国、英国、韩国也陆续推出了各自的国家云计算、人工智能等新一代信息技术发展规划，并逐步上升为国家级战略。因此，在国家政策的支持和引导下，以融合人工智能、云计算、边缘计算等新一代信息技术为主要手段的边缘智能呈现出越来越清晰的时代特征，并不断被推送到技术浪潮的发展前沿。

1.1.3　资本与业务需求的推动

据不完全统计，从2015年到2019年底，边缘智能相关领域共发生1700多起投融资事件，总融资额达1900多亿元；预计到2023年，相关企业在边缘智能领域投资将超过1万亿美元；到2025年，边缘智能的总经济影响可能在4万亿到11万亿美元之间。以人工智能为代表的新兴企业将不断推进融资轮次，并增加融资额度。可以说，资本在不断追加边缘智能领域的热度，而新兴创新型企业则顺势而为，持续抢滩布局，“驶入”资本蓝海。

同时，受益于城市端边缘智能业务的规模化落地，以及边缘智能对实体经济的融合赋能，边缘智能的整体业务享有数十万亿级的市场空间。此外，由于边缘智能在落地过程中将重构传统产业价值链，既需要适应传统产业的特性，理顺传统利益链条，也需要与生态合作伙伴共同搭建最适宜产业赋能的架构体系；因此，边缘智能会在几轮“产品优化→渠道打通→商业模式验证→产业迭代”后，迎来高速、优质的落地发展。

从业务需求角度分析：一方面，到2027年，边缘端设备将达到410亿台，边缘端设备数量和网络流量持续快速增长，云计算面临海量数据处理需求以及网络带宽压力持续增加，而边缘智能可以实现在设备侧数据源头的数据收集与决策，既可以减轻云计算的计算负载，也能满足某些场景下对数据处理与执行时延的苛刻要求。

另一方面，边缘智能比其他技术更注重业务与产业应用的结合，更贴近产业落地与用户需求。以智能驾驶场景为例，尽管边缘计算可以提供基本的信息服务环境和计算能力，减少网络资源占用，增强实时通信能力，并在极低时延的情况下完成数据处理和执行服务；但是，智能驾驶的关键是定位导航、环境感知能力、自动控制等多种技术的智能协同。因此，融合了各种信息技术的边缘智能是从更高层次实现智能驾驶的关键环节。

随着新一代信息技术的发展，“云-边-端”协同业务需求的不断增加，以及资本不断推动的边缘智能产业规模化落地，边缘智能已成为横跨多种技术的融合体系，并在智慧城市、智慧社区、智能家居等垂直行业中形成了大量典型示范应用。