一直以來(lái)，邊緣計(jì)算應(yīng)用場(chǎng)景的多樣性與碎片化，為邊緣AI部署帶來(lái)了巨大的挑戰(zhàn)。在數(shù)字化轉(zhuǎn)型加速推進(jìn)的當(dāng)下，行業(yè)碎片化問(wèn)題日益凸顯。

　　近日，視覺(jué)物聯(lián)在《2025邊緣計(jì)算市場(chǎng)調(diào)研報(bào)告》企業(yè)走訪(fǎng)中發(fā)現(xiàn)，大模型與邊緣計(jì)算的深度融合，為破解這一困局提供了新的思路與可能，有望成為推動(dòng)行業(yè)變革的關(guān)鍵力量。

　　一方面，大模型強(qiáng)大的算法普適性與邊緣計(jì)算的本地化優(yōu)勢(shì)相結(jié)合，能夠有效應(yīng)對(duì)行業(yè)碎片化場(chǎng)景。

　　例如在智能交通領(lǐng)域，道路上分布著大量的攝像頭、傳感器等設(shè)備，這些設(shè)備產(chǎn)生的數(shù)據(jù)具有實(shí)時(shí)性強(qiáng)、碎片化的特點(diǎn)。通過(guò)在邊緣側(cè)部署大模型，能夠直接對(duì)這些設(shè)備采集的數(shù)據(jù)進(jìn)行分析處理，實(shí)時(shí)識(shí)別交通流量、車(chē)輛違規(guī)行為等，無(wú)需將數(shù)據(jù)全部傳輸?shù)皆贫?，既提高了?shù)據(jù)處理效率，又降低了網(wǎng)絡(luò)傳輸成本。

　　另一方面，大模型訓(xùn)練的準(zhǔn)確度和速度與邊緣計(jì)算的協(xié)同，進(jìn)一步增強(qiáng)了對(duì)碎片化需求的響應(yīng)能力。

　　在工業(yè)制造場(chǎng)景中，工廠(chǎng)內(nèi)分布著眾多不同類(lèi)型的生產(chǎn)線(xiàn)和設(shè)備，產(chǎn)生的數(shù)據(jù)復(fù)雜多樣。利用邊緣計(jì)算節(jié)點(diǎn)收集這些數(shù)據(jù)，并借助大模型快速準(zhǔn)確的訓(xùn)練能力，能夠針對(duì)每條生產(chǎn)線(xiàn)、每臺(tái)設(shè)備的特定需求，快速訓(xùn)練出適配的模型，實(shí)現(xiàn)設(shè)備故障預(yù)測(cè)、生產(chǎn)流程優(yōu)化等功能。

　　這種結(jié)合方式，不僅改變了以往針對(duì)單個(gè)設(shè)備或生產(chǎn)線(xiàn)進(jìn)行定制化開(kāi)發(fā)的模式，而且通過(guò)大模型與邊緣計(jì)算的組合，以更高效、統(tǒng)一的方式滿(mǎn)足多樣化的生產(chǎn)需求。

　　對(duì)于上游企業(yè)而言，大模型與邊緣計(jì)算的融合，顯著降低了運(yùn)營(yíng)成本并提升了管理效率。

　　企業(yè)無(wú)需為每個(gè)分散的業(yè)務(wù)場(chǎng)景和設(shè)備，單獨(dú)搭建復(fù)雜的數(shù)據(jù)處理中心和開(kāi)發(fā)定制化模型，借助邊緣計(jì)算節(jié)點(diǎn)和通用大模型，就能實(shí)現(xiàn)對(duì)不同區(qū)域、不同類(lèi)型業(yè)務(wù)的集中管理和優(yōu)化。

　　例如零售行業(yè)，連鎖門(mén)店分布廣泛，各門(mén)店的銷(xiāo)售數(shù)據(jù)和庫(kù)存數(shù)據(jù)碎片化嚴(yán)重。通過(guò)在門(mén)店部署邊緣計(jì)算設(shè)備，結(jié)合大模型進(jìn)行數(shù)據(jù)分析，企業(yè)可以實(shí)時(shí)掌握各門(mén)店的經(jīng)營(yíng)狀況，實(shí)現(xiàn)精準(zhǔn)的庫(kù)存管理和商品調(diào)配，有效降低運(yùn)營(yíng)成本。

　　從下游用戶(hù)角度來(lái)看，大模型與邊緣計(jì)算的應(yīng)用極大縮短了響應(yīng)速度、提高了使用效率。

　　在智能家居領(lǐng)域，用戶(hù)家中各類(lèi)智能設(shè)備眾多，且使用場(chǎng)景豐富。當(dāng)用戶(hù)發(fā)出指令時(shí)，邊緣計(jì)算設(shè)備結(jié)合大模型能夠快速理解用戶(hù)需求，并協(xié)調(diào)家中的智能設(shè)備做出響應(yīng)，無(wú)需將指令傳輸?shù)皆贫嗽俜祷?，?shí)現(xiàn)了即時(shí)響應(yīng)，為用戶(hù)帶來(lái)更加流暢、便捷的使用體驗(yàn)。

　　然而，大模型與邊緣計(jì)算在破解行業(yè)碎片化問(wèn)題的進(jìn)程中，也面臨著諸多挑戰(zhàn)。

　　邊緣計(jì)算設(shè)備的計(jì)算資源和存儲(chǔ)能力相對(duì)有限，如何在資源受限的情況下，保障大模型的高效運(yùn)行；數(shù)據(jù)在邊緣側(cè)處理過(guò)程中的安全與隱私保護(hù)問(wèn)題，以及兩者融合過(guò)程中的技術(shù)標(biāo)準(zhǔn)統(tǒng)一問(wèn)題等，都亟待解決。

　　但隨著技術(shù)的不斷發(fā)展和創(chuàng)新，大模型與邊緣計(jì)算必將深度融合，成為破解行業(yè)碎片化困局、推動(dòng)行業(yè)向高效化、智能化發(fā)展的強(qiáng)大引擎。

　　視覺(jué)物聯(lián)聯(lián)合AIoT星圖研究院已經(jīng)啟動(dòng)《2025邊緣計(jì)算市場(chǎng)調(diào)研報(bào)告》，將從技術(shù)發(fā)展與落地應(yīng)用等方面展開(kāi)深度調(diào)研，揭示行業(yè)基本面，洞察競(jìng)爭(zhēng)格局，為企業(yè)戰(zhàn)略制定、投資決策、市場(chǎng)拓展等提供結(jié)構(gòu)化的參考依據(jù)。

　　我們擬將調(diào)研更多深耕邊緣計(jì)算領(lǐng)域發(fā)展方向的企業(yè)，并從中總結(jié)行業(yè)發(fā)展現(xiàn)狀以及未來(lái)發(fā)展趨勢(shì)，供其他企業(yè)參考，歡迎企業(yè)踴躍報(bào)名參加。