2030年代将由边缘计算驱动：为什么下一个十年的计算从现在开始

如果你想看到AI的未来，忘掉弗吉尼亚北部的服务器农场或旧金山的创业孵化器。去佛罗里达州劳德代尔堡外的一家汽车美容公司看看。

运营这家公司的智能来自于一个你可能没有听说过的公司，除非你在汽车美容行业，否则他们是行业领袖——Sonny’s The CarWash Factory。Sonny’s 是世界上最大的输送带式汽车美容设备制造商——一个传统上由刷子、肥皂和皮带定义的行业，但在成千上万的地点，他们正在用计算机视觉替换几十年前的声纳，以毫秒为单位测量车辆大小，使用车牌识别技术进行即时忠诚度登记，并在驾驶到达的收银台处测试对话式AI。

虽然数十亿美元追逐下一个类似ChatGPT的产品——投资者们很多 分析师 警告说这些投资已经超过了实际的采用率——一场安静的革命正在停车场、工厂车间、海上的船只和医院的地下室发生。

我们正在见证一场分裂。 一方面是消费者AI：华丽、补贴和运营昂贵。 另一方面是物理AI：不引人注目、植根于硬性投资回报率，并且已经在无法承受延迟或停机的行业中改变了运营。

这种分裂将定义即将到来的十年。 如果2010年代是关于连接设备（IoT）的，如果2020年代是关于在数据起源处处理数据（边缘计算），那么2030年代将是关于即时对数据进行处理。 这是边缘AI的时代。

创新发生在意想不到的地方

对于根植于物理商品的行业，云端往往太远了——从字面上和运营上讲。

以零售市场为例。每个商店都在与库存记录和现实之间的差距作斗争。衣服被移动、试穿和误放，传统数据库在几分钟内变得过时。但有些公司正在转向一种商店本身就是数据库的模式。天花板上的RFID扫描器实时跟踪服装——识别进入试衣间的、从未离开的和特定尺寸最终的位置。它们不仅仅是更新记录；它们正在实时地数字化物理空间——这只有本地处理才能实现。

医疗保健行业也正在遵循类似的路径。现代CT和MRI扫描每位患者产生数千兆字节的数据——这些数据太大、太敏感，无法不断地传输到云端。答案不是更大的管道，而是将AI带到扫描仪上。医院开始在本地运行推理，保持患者数据在现场，同时在几秒钟内提供诊断见解。

航运业面临类似的约束。集装箱船从发动机、导航系统和货物传感器中产生数万兆字节的运营数据。但在公海上的连接成本每千兆字节高达数千美元。航运公司正在船上部署边缘服务器来处理这些数据，在港口到达之前运行预测维护模型以防止发动机故障。AI伴随着船舶行驶，因为云端根本无法覆盖到那么远的地方。

这些不是研发实验。它们是通过边缘计算解决的运营问题。

三层架构

要了解企业基础设施的发展方向，看看你口袋里的电话。 Apple Intelligence 将三层计算模型引入主流：设备上的处理用于速度，私有计算层用于更重的任务，云端用于广泛的知识。工业环境正在采用这种确切的架构——不是为了方便，而是为了物理学。

考虑新一波的人形机器人。这些机器运行在电池上；它们不能在背上携带超级计算机，也不能依赖云端来做出每秒的安全决策。相反，它们依赖于一个关键的“中间层”：

• 设备（机器人）：在本地处理立即的运动和安全。

• 私有边缘：工厂车间上的一个本地服务器处理重型推理和机队协调。

• 云端：保留用于训练和全局软件更新。

2010年代是云端优先的。2030年代将是边缘优先的——如果必要的话，使用云端。

这种架构解决了真正的约束。机器人运行在电池上，无法承载重型计算负载。工厂车间需要毫秒级的响应时间，云端延迟无法提供。医院的患者数据必须因法规遵从性而保持在现场。中间层处理重型推理工作，协调设备机队，并在本地运营和全局系统之间充当缓冲器。可以把它看作是一个压缩成单个服务器机架的本地数据中心，处理数万兆字节的数据而不需要接触公共互联网。当机器人需要执行安全操作时，它会在本地处理。当它需要根据当天的运营更新其导航模型时，边缘服务器会在夜间处理。当制造商发布新的功能时，云端会将其推送下来。每个层次都做它最擅长的事情。

“拨号”时代的结束

尽管出现了这些架构上的转变，现实情况仍然很混乱。物理AI目前处于“拨号”时代。运营领导者被“黑盒子”所困扰——用于人数统计、视频分析或传感器的专有设备，它们之间不能相互通信。这就像携带一个单独的设备用于电子邮件、地图和照片。

我们现在看到拥有20,000多个地点的组织用统一的边缘平台取代这种拼缝式的解决方案，使他们能够像软件更新一样推出新应用程序，而不是像硬件项目一样。

同时，像Starlink这样的低轨道地球卫星网络正在消除连接死区。就像新兴经济体跳过了固定电话直接进入移动电话时代一样，航运、采矿和铁路等行业正在跳过集中式云架构，直接转向分布式边缘AI，因为他们的运营物理学要求如此。

投资悖论

物理AI永远不会有“ChatGPT时刻”。它不可能。生成式AI中的错误可能是一个病毒式的截图；物理AI中的错误可能是一个安全隐患。

这就是为什么在这里进展是稳定的，而不是爆炸性的。Waymo花了十多年时间进行测试和模拟，然后才扩展到主要城市。在医疗保健领域，分析扫描的AI是一种需要FDA批准的医疗设备。你无法下载安全性或成熟度。你必须通过努力来获得它。

投资悖论很简单：华丽的消费者AI占据了头条新闻，但运营AI占据了经济学。2030年代不会属于拥有最多病毒模型的公司，而是那些能够在需要的地方部署智能的公司。

当你在世界任何地方进入由Sonny’s技术驱动的汽车美容店，系统识别你的车辆并以自然语言与你交谈时，不要把它看作是一个花招。把它看作是一个蓝图。这就是基础设施。今天铺设基础设施的公司正在为下一个十年打造竞争壁垒。