回顧2024年AI產(chǎn)業(yè)的發(fā)展，AI大模型依然在高歌猛進，不過將AI工作負載從云端卸載到終端的趨勢已經(jīng)非常明顯，以邊緣計算為承載的邊緣AI潛力無限。根據(jù)STL Partners邊緣計算關鍵數(shù)據(jù)統(tǒng)計，全球邊緣計算市場規(guī)模預計將從2020年的90億美元，快速增長到2030年的4450億美元，其間年復合增長率為48%。AIGC時代的到來，加速了邊緣計算與AI的深度融合，邊緣AI的理念得到了各行業(yè)的廣泛認可。

在最新的2025年預測中，NVIDIA AI專家預測，智能商店、新型機器人將不斷崛起，并且醫(yī)療健康、制造業(yè)等領域將實現(xiàn)突破性發(fā)展。不斷涌現(xiàn)的行業(yè)經(jīng)典案例顯示，邊緣AI讓終端數(shù)據(jù)體現(xiàn)出了更高的價值，從數(shù)據(jù)轉化為智能是當下各行業(yè)的重點工作。

NVIDIA 2025年預測解讀

NVIDIA 2025年預測的主題是《AI將深入挖掘行業(yè)數(shù)據(jù)湖》，在這份預測里，NVIDIA的AI專家談到了很多行業(yè)應用——手術機器人、AI藥廠、移動機器人（AMR）、智慧金融、AI工廠、智能電網(wǎng)、AI智能體、智慧零售等。這些極具創(chuàng)新潛能的應用表明，全球各個行業(yè)都在積極構建和定制大語言模型（LLM），AI大模型下沉至終端讓“AI+”從理念走進現(xiàn)實，進而促成了這些典型應用。

圖源：NVIDIA

正如NVIDIA醫(yī)療健康副總裁Kimberly Powell在談到手術機器人時所說，數(shù)字孿生、模擬和AI讓手術機器人變得更加強大，使其能夠以各種方式協(xié)助人類臨床醫(yī)生，從理解和響應人類指令，到執(zhí)行和協(xié)助復雜的手術。Kimberly Powell強調，用于訓練機器人執(zhí)行復雜任務的新型虛擬世界將會使自主手術機器人成為現(xiàn)實。這些手術機器人將能夠精確地執(zhí)行復雜手術任務，縮短患者的康復時間，并減少外科醫(yī)生的認知工作量。

NVIDIA Omniverse和仿真技術副總裁Rev Lebaredian則提議，“讓我們擁抱物理AI，為能夠感知、理解物理世界并與之互動的AI模型做好準備，這是企業(yè)將要競相應對的一項挑戰(zhàn)。”可能很多人對于物理AI這個概念還有一些陌生，簡單理解，物理AI就是在數(shù)字世界里通過3D重構的方式模擬物理世界，可以讓算法模型更好地理解物理世界，適應物理世界的約束。物理AI需要根據(jù)真實場景完成基于物理學的大規(guī)模仿真，可以讓機器人等智能體在虛擬世界中快速完成各種訓練，訓練的成本和效率都得到了顯著優(yōu)化。

其他NVIDIA AI專家的預測就不在此一一展開，但這些預測實際上更多是應用領域的差異，在實現(xiàn)邏輯上有很大的共性，基本是圍繞智能體、AI大模型下沉、虛擬現(xiàn)實、物理AI、物理仿真等理念展開，完成細分領域的“AI+”。所實現(xiàn)的成果就是，基于細分領域的數(shù)據(jù)構建AI模型或仿真，然后用模型和仿真結果賦能終端實現(xiàn)更好的智能化。

因而，透過NVIDIA AI專家的預測不難看出，從數(shù)據(jù)轉化為具體的AI應用將為終端行業(yè)帶來巨大的價值空間。數(shù)據(jù)價值挖掘是一種通過數(shù)據(jù)分析、機器學習、統(tǒng)計方法等技術手段，從大量數(shù)據(jù)中提取有用信息和知識的過程。隨著AI大模型、物理AI和智能體等概念的強化，數(shù)據(jù)挖掘和轉化的目標變得更加清晰，數(shù)據(jù)的增長也不再局限于云端或數(shù)據(jù)中心里，終端設備成為源源不斷的數(shù)據(jù)源。然后基于數(shù)據(jù)的算法、模型和智能體將具備更強大的智能化能力，能夠以更快的速度、更低的成本和更低的功耗提供實時分析和反饋。這種相互促進讓終端應用得以快速迭代，不僅高效、低功耗、安全，并具有很強的垂直屬性，包括個性化定制的屬性。

綜上所述，邊緣AI在2025年將發(fā)生一些顯著的變化，不再只是簡單地基于通用算法和基礎算力，而是基于行業(yè)數(shù)據(jù)打造專屬的大模型和智能體，能夠根據(jù)實時的數(shù)據(jù)采集給出及時的反饋和策略調整，已經(jīng)具備具身智能的雛形。這種趨勢將受到各個終端行業(yè)的歡迎，正如分析機構Gartner在報告中提到的，到2025年將有75%的數(shù)據(jù)產(chǎn)生在數(shù)據(jù)中心和云之外，并在邊緣側進行處理；到2026年，86%的邊緣開發(fā)者在項目開發(fā)時會將目標鎖定在AI方向。

邊緣AI部署的現(xiàn)狀、挑戰(zhàn)和應對之策

NVIDIA AI專家的預測告訴我們，2025年邊緣AI是大有可為的，且對創(chuàng)新有非常大的包容性。當然，現(xiàn)階段各行業(yè)所面臨的市場情況并不一致，且有明顯的地域差異。簡單看一下AI在一些典型領域的普及情況：
·自動駕駛：乘聯(lián)會數(shù)據(jù)顯示，2023年中國市場乘用車L2級自動駕駛的滲透率達到了47.3%，明顯領先于全球（高盛數(shù)據(jù)稱約為20%）；
·智能機器人：I-AIIG的數(shù)據(jù)指出，美國機器人市場中AI驅動的高端機器人系統(tǒng)占比為30%，遠高于全球平均水平。
·人形機器人：Omdia最新報告指出，2027年全球人形機器人銷量破萬，當前處于行業(yè)爆發(fā)的前夜。

隨著各行業(yè)對于邊緣AI的認可度越來越高，參與度越來越深，邊緣AI的部署開始出現(xiàn)既定的方案，比如NVIDIA全球副總裁、汽車事業(yè)部負責人吳新宙在分享自動駕駛預測時談到的，支撐自動駕駛車輛開發(fā)有三臺關鍵計算機——一臺用于在數(shù)據(jù)中心訓練基于AI的堆棧，另一臺用于模擬和驗證，第三臺車載計算機用于處理實時傳感器數(shù)據(jù)以實現(xiàn)安全駕駛。

更前沿的人形機器人也是如此，目前人形機器人主要由感知系統(tǒng)、動力系統(tǒng)、控制系統(tǒng)、能源系統(tǒng)和通信模塊等幾個關鍵部分組成，其中感知系統(tǒng)和控制系統(tǒng)主要的職責就是實現(xiàn)智能化?？刂葡到y(tǒng)是人形機器人的大腦，包含了主控芯片、子系統(tǒng)控制器和各種控制組件，主控芯片上運轉著最核心的算法模型。

雖然經(jīng)過一段時間的發(fā)展，邊緣AI的部署不再是摸著石頭過河，但仍有一些挑戰(zhàn)需要去克服。邊緣AI系統(tǒng)主要包括硅芯片層、硬件系統(tǒng)層、AI和應用層、垂直解決方案層。相較于云端AI，邊緣AI在能效、實時性和數(shù)據(jù)安全方面展現(xiàn)出明顯優(yōu)勢，然而，部署邊緣AI方案的硬件資源是非常有限的，包括計算資源、存儲資源和網(wǎng)絡帶寬資源皆是如此，如何基于有限的硬件資源構建強大的智能應用是所有行業(yè)共同研究的課題。為構建更好的邊緣AI，開發(fā)者需要更強大的計算芯片，也需要通過量化技術、權重剪枝、低秩分解等技術盡可能去壓縮AI模型，全面推動軟硬件協(xié)同優(yōu)化。

另外，在軟硬件協(xié)同優(yōu)化方面還會有一些額外的挑戰(zhàn)，比如軟硬件協(xié)同優(yōu)化往往是基于訓練數(shù)據(jù)，而忽視了最終的部署場景，上述內容已經(jīng)提到，現(xiàn)階段的邊緣AI并不是簡單的部署通用算法，而是需要模型根據(jù)實時數(shù)據(jù)進行反饋和臨時決策，這就導致很多優(yōu)化之后的方案在現(xiàn)場部署時還需要進行重新優(yōu)化，有時候方案可能需要回溯到設計之初的階段，這對開發(fā)者而言是很大的打擊。

為了幫助各行業(yè)應對新時期邊緣AI的部署挑戰(zhàn)，讓NVIDIA AI專家的預測更好地從理念照進現(xiàn)實，NVIDIA提供了豐富的解決方案。NVIDIA Blackwell架構和基于該架構的計算平臺也為邊緣AI提供了充足的算力保障，克服邊緣AI的“算力不足恐懼癥”,為生成式AI和加速計算帶來突破性的進步。

Blackwell架構的技術突破，圖源：NVIDIA

NVIDIA為各行業(yè)的邊緣AI開發(fā)提供了豐富的開發(fā)資源、服務。面向智能機器人，基于NVIDIA Omniverse構建的Isaac Sim是一款參考應用，允許開發(fā)者在基于物理的虛擬環(huán)境中設計、模擬、測試和訓練基于AI的機器人和自主機器，在此過程中開發(fā)者可以選擇自定義模擬器，也可以選擇基于Isaac Sim現(xiàn)有技術構建方案。

NVIDIA Isaac Sim應用框圖，圖源：NVIDIA

面向物理AI，NVIDIA Omniverse平臺提供了各種API、SDK和服務，可幫助開發(fā)者輕松將通用場景描述 (OpenUSD) 和RTX渲染技術集成到現(xiàn)有軟件工具和仿真工作流中，以構建這些3D環(huán)境。NVIDIA Omniverse是西門子、富士康等行業(yè)龍頭的共同選擇，可以幫助完成工廠的數(shù)字孿生，機器人的虛擬訓練空間搭建，以及幫助生產(chǎn)線進行自動光學檢測、物體識別、缺陷檢測和軌跡規(guī)劃等。

面向汽車自動駕駛技術開發(fā)，NVIDIA DRIVE Orin系統(tǒng)級芯片已經(jīng)在各品牌車輛上廣泛搭載，同時基于NVIDIA Blackwell GPU架構的NVIDIA DRIVE Thor車載計算平臺已經(jīng)成為車企更新下一代自動駕駛技術的首選平臺，賦能當前和未來主流的“AI定義汽車”。

NVIDIA DRIVE Thor車載計算平臺，圖源：NVIDIA

實際上，不僅是NVIDIA AI專家預測的這些應用，各種邊緣AI的實現(xiàn)都可以在NVIDIA找到合適的方案，包括計算平臺、虛擬空間、參考示例和核心技術等。同時，開發(fā)者也可以從云端獲取NVIDIA先進的AI技術，目前NVIDIA NIM微服務已經(jīng)擴展到各項關鍵的亞馬遜云科技AI服務中，包括NVIDIA Nemotron-4（先進的 LLM）、Llama 3.1 8B-Instruct（8B大語言模型）、Llama 3.1 70B-Instruct（70B大語言模型）和Mixtral 8x7B Instruct v0.1（專家模型）等。

結語

隨著AI大模型和算力逐漸下沉，2025年邊緣AI可謂是前景無限。正如NVIDIA機器人與邊緣計算副總裁Deepu Talla預測的那樣：在不久的將來，從手術室、數(shù)據(jù)中心到倉庫和工廠，機器人將無處不在。甚至交通控制系統(tǒng)，又或整個城市，也將從靜態(tài)、人工操作的系統(tǒng)轉變?yōu)榛谖锢鞟I的自主交互式系統(tǒng)。

但是需要注意到的是，邊緣AI的核心要義正在發(fā)生變化，已經(jīng)初具具身智能的能力，可以和環(huán)境進行交互，這對整個邊緣系統(tǒng)提出了更高的要求。在應對這些設計挑戰(zhàn)時，NVIDIA的硬件和方案是開發(fā)者的得力幫手，推動邊緣AI方案的升級迭代。