生成式人工智能（AI）算力从集中化数据中心向“边缘AI”扩展，有望为用户带来更快、更个性化的体验，并为投资者带来有吸引力的机会。
01
AI算力正从数据中心向终端用户扩展，创造了更强大的AI体验。
02
边缘AI体验会是怎样的情形？想象一下能够实时翻译对话的AI赋能电话，或配备个性化AI助手的自动驾驶汽车。
03
向边缘AI的扩展能够在设备、服务和基础设施领域创造投资机会。
生成式AI在2023年异军突起，成为一股变革性力量，令全球瞩目，并吸引了大量投资。但它尚处于早期发展阶段，生成式AI的优势还集中在价值链的部分环节。我们认为，这种情形在未来数年会随着应用范围的不断扩大而改变；“边缘AI”有望成为一个重要增长点，有分析估计，到2025年边缘AI数据将占所有企业数据的一半。1
边缘AI的应用
目前，包括生成式AI在内的大多数AI计算活动都集中在大型数据中心，这有助于AI模型利用其巨大的处理能力。但是随着生成式AI的应用越来越广泛，我们预计算力将向“边缘”扩展，更接近终端用户。在这种情况下，智能手机、汽车、个人电脑和边缘服务器将承担更多的计算负载，从而实现更快、更低延迟的体验。
这会对我们的终端用户带来什么新体验？想象一下在国外旅行时使用可以实时、准确翻译对话的AI赋能智能手机，或者乘坐配备个性化AI助手的自动驾驶汽车。利用边缘AI技术提供更个性化、更高效的服务的公司将有机会脱颖而出，进而获得竞争优势。
向边缘AI扩展的意义何在
要想弄清楚边缘AI相对于集中式模型的优势何在，就需要了解AI的两类主要计算活动：训练和推理。
训练涉及在AI模型中开发智能，类似于人类在进入就业市场之前花数年时间接受教育和培训。像ChatGPT这样的生成式AI模型的训练过程包括分析网站、书籍和维基百科文章中的海量文本。这种训练需要借助数以千计的互连高端图形处理单元（GPU），这些单元最适合完成这一阶段所需的处理工作。
人工智能模型得到充分训练后，就会被部署到更广泛的用途，这一过程被称为推理。在推理过程中，AI模型会根据用户的要求执行任务，例如生成照片、推荐餐厅或总结最近发生的事件。推理过程对计算量的需求可能会超越训练需求，尤其是当数百万用户频繁使用生成式AI应用程序时。
仅在数据中心进行AI推理可能会成本高昂，并可能导致用户体验不畅。解决这个问题的最佳方法是将推理计算分散于整个网络中，包括数据中心、边缘服务器和离用户最近的设备等。该方法已在移动游戏和社交媒体照片过滤器上得到应用，其中的推理计算分布在边缘，以增强用户体验。生成式AI可能也会遵循类似的轨迹。
投资者如何把握边缘AI的趋势
最近有几家公司发布了即将推出边缘AI产品的公告。
几大半导体公司推出了新的神经处理单元（NPU），这是专门为运行AI算法而设计的芯片。（其中一家公司甚至预测，未来两年内，AI赋能的个人电脑可以达到1亿个单元，数量十分惊人。2）
另一家著名的半导体公司推出了一个移动计算平台，该平台可在移动设备上实现生成式AI。
全球最大的智能手机制造商之一表示，其计划将AI集成到该公司生产的每款智能手机上。
新推出的这类边缘AI设备和服务具有重大的投资意义。首先，边缘AI能够提振个人电脑和智能手机的销售。由于越来越多的用户等待设备升级，当前个人电脑和智能手机的销售增长日渐乏力3。其次，边缘AI设备的应用为下一代“杀手级app”的出现铺平了道路，就像智能手机浪潮刚刚兴起之后，移动app的爆炸式增长一样。最后，我们认为，边缘AI的飞速发展有可能助力新人工智能模型突破的研究工作，进而会促使公司加大对AI基础设施的投资。
注：
1. 截至2024年2月。
2. 截至2023年10月。
3. 截至2023年12月。
