新一轮人工智能浪潮下，数据规模激增，边缘算力将成为AI模型重要组成部分。
通过在网络边缘侧为用户 IT 服务和云计算功能，边缘计算技术能够有效地降低网络运营和服务交付的时延，提供更好的用户体验。
边缘计算与人工智能、5G、物联网、元宇宙等新兴技术的结合，叠加能源、交通、制造等行业需求的驱动，行业市场空间广阔。#人工智能#
PrecedenceResearch数据显示，2022年全球边缘计算市场规模为45.5亿美元，该市场规模将以12.46%的CAGR增长至2030年的1165亿美元。
Gartner报告表明，超过90%的企业都将开启自身在边缘计算的独特应用，并将在未来成为规模化行业，边缘计算发展战略将成为大势所趋。
据 IDC 预测，到 2025 年全球将有 800 亿台终端设备接 入到互联网，移动数据流量将高达 160 ZB，将给云计算系统带来了极大的负载， 将终端设备的数据上传至云端时可能引起较长传播时延。#边缘计算#
关注乐晴智库，洞悉产业格局！
边缘计算行业概览
行行查 | 行业研究数据库 显示，边缘计算指靠近数据源或用户侧提供计算、存储的基础设施，为边缘应用提供服务。相比于集中部署的云计算，边缘计算解决了时延过长、汇聚流量大等问题，为实时性和带宽要求较高的业务提供了更好的支持。
边缘计算落地场景主要分为三类。
边缘计算落地场景主要包括三类，第一类是流量较大的业务，包括超高清视频、互动直播等。第二类是大规模的物联网业务，包括智能物流、智慧城市等。第三类是对延时和连接可靠性要求较高的云游戏、自动驾驶、工业自动化等。
边缘计算应用场景：
相较于云计算，边缘计算拥有低时延、少带宽需求、高安全性的优势，在元宇宙时代更为重要：
1）低时延：云计算模式下，设备产生的数据需传输至云计算中心处理，再将结果返回至应用，因此实时性不足。而边缘计算将算力部署在数据源附近，大大减少了时延；
2）减轻带宽压力：面对数据量的快速增长，传统的云计算依靠光纤、卫星等进行传输已经难以承担，而边缘计算在数据源处进行数据处理，减少冗余数据，减轻带宽需求；
3）降低隐私泄露风险：对于部分数据私密性较高的行业，如监控系统和人脸识别等，若将视频和照片数据上传至云端分析则将加大隐私泄露风险；此时运用边缘计算，本地化存储分析，可降低数据泄露的风险。#5月财经新势力#
边缘计算产业链
边缘计算产业进入高速发展期，产业生态逐渐形成，上下游合作增强。
上游主要包括软硬件基础设施，设计芯片到服务器供应商及边缘软件架构。中游主要是提供边缘服务，主要有三类企业：边缘计算服务平台、运营商MEC以及云计算服务下沉企业下游边缘计算应用为主，随着5G在产业的应用需求增加，工业互联网在工业各个垂直行业的解决方案将继承边缘计算来解决特殊场景需求。
边缘计算产业链：
资料来源：华西证券
在AI浪潮以及物联网趋势不断加深，以及 5G 等网络建设持续发展背景下，边缘侧相关产品及应用侧有望 打开海量空间。产业链边缘芯片和边缘算力两大核心细分环节值得重点关注：
边缘AI芯片
根据部署位置，AI芯片可以分为云端（数据中心）芯片和边缘端（终端）芯片。
云端芯片部署位置包括公有云、私有云或者混合云等基础设施，主要用于处理海量数据和大规模计算，而且还要能够支持语音、图片、视频等非结构化应用的计算和传输，一般情况下都是用多个处理器并行完成相关任务。
边缘端AI 芯片主要应用于嵌入式、移动终端等领域，如摄像头、智能手机、边缘服务器、工控设备等，此类芯片一般体积小、耗电低，性能要求略低，一般只需具备一两种AI 能力。
当前应用领域由云端向边缘侧移动，终端催生大量芯片需求。
资料来源：亿欧智库
从功能上来看，AI芯片分为训练芯片和推断芯片两种。
由于功耗、算力等条件限制，目前边缘端的AI芯片绝大部分为边缘推断芯片。
从技术架构来看，它可分为四大类，分别为通用性芯片（GPU）、半定制化芯片（FPGA）、全定制化芯片（ASIC）。
在边缘计算中，AI芯片会利用传声器阵列、摄像头等传感器采集到的数据按照已构建的模型进行推理并输出相应的结果。
由于边缘计算的应用场景众多，对于硬件的算力、能耗等性能要求也不尽相同，因此催生出对AI芯片更加广泛的需求。
不同边缘场景对AI算力的需求：
资料来源: 艾瑞咨询、华创证券
国内海思、寒武纪、云天励飞、国芯科技、海光信息等芯片厂商陆续推出高性价比的边缘端AI芯片。
寒武纪“思元”220芯片是专门用于深度学习的边缘加速芯片，采用台积电16nm工艺，具备高算力（32Tops）、低功耗(10W）的特点。
云天励飞DeepEye1000采用22nm工艺，集成双核视觉DSP处理器，内置硬件加速运算子ACC，峰值算力可达2.0Tops，可支持4K@30fps视频、4路高清视频并行的实时分析。
边缘算力
伴随AI等场景的发展，数据中心及智能终端数据处理需求持续增长，边缘计算将有效解决算力需求高增带来的数据处理问题。
算力发展的解决方案将是云端和边缘端同时发展，其中边缘端算力的发展更值得期待。
目前高算力设备仍占比较低，例如只有不到1%的电脑或主机可以在最低画质下玩《微软飞行模拟器》。
而对算力要求更高的元宇宙，如果希望能纳入尽可能多的终端和用户，需要降低对设备配置的要求，云端渲染和视频流是一个必然的思路。
根据IDC预测，实时数据的占比将在未来五年不断增加，到2024年将达到数据产生总量的四分之一左右。
实时数据的激增促进了边缘基础设施的发展，也使得边缘计算能力变得越来越重要，人工智能应用也将更加依赖于处在边缘的算力支撑。
到2023年，全球超过50%的新建基础设施将部署在边缘，将近20%用于支撑AI工作负载的服务器将部署在边缘侧。
边缘算力基本网络架构：
此外，边缘算力还在供零售/金融/远程连接领域使用的“开箱即用云”、移动连接、通用用户驻地设备（uCPE）、卫星通信（SATCOM）等环节起到重要作用。
中心和边缘侧的算力错位：
边缘算力布局厂商主要包括首都在线、优刻得、网宿科技、 光环新网、新炬网络等。
总的来说，边缘计算可以按需部署于无线接入云、边缘云或者汇聚云。对于低时延场景，边缘计算需要部署于靠近基站侧的无线接入云甚至终端自身处（如安防摄像头、智能汽车）；对于高带宽要求的大流量热点地区，边缘计算可以部署于边缘云；对于海量连接的场景，边缘计算可部署于位置更高一些的汇聚云，以便覆盖更大区域的业务需求。
