总编访谈：边缘 AI 与云 AI的抉择

世间最难事情就是 “度”的掌握，也就是做出正确的选择。在当今快节奏的技术环境中，在边缘 AI 和云 AI 之间进行抉择，也有一个“度”的问题，过犹不及。

那么，应该如何因势利导呢？为此，DOIT总编宋家雨特邀Gcore中国区经理郭立进行了专访。

宋家雨：边缘 AI与云 AI各自有哪些特点和优势？

郭立：边缘 AI 是将 AI 算法直接部署在网络边缘的本地设备上，如以智能恒温器、安全摄像头和其他本地处理数据联网设备为代表的物联网设备，以智能手表、健身追踪器等设备为代表的可穿戴设备，以及边缘服务器为边缘设备，通过部署边缘 AI算法，这些设备所收集数据可以进行就地的即时处理数据，而不是依赖于联网的集中式云服务器处理，从而缩短响应时间并提高数据安全性。

边缘 AI提高实时响应能力，由于数据本地处理，因此减少了将信息发送到云端处理带来的网络延迟；将敏感数据保持本地化，也降低传输过程中数据泄露的风险；因为减少了对持续云计算资源、数据传输的需求，有助于节省运营成本。但边缘 AI也存在一些劣势，如与云服务器相比，边缘设备的计算能力、存储容量相对较低。此外，边缘设备的初始设置和持续维护有可能更加昂贵、更加复杂，与此同时，边缘设备抵御物理或网络攻击的能力相对较弱，产品方案相对匮乏。

与边缘AI相比，云 AI是使用集中式云服务器处理和存储数据，可以支持更大规模的AI 模型算法。该技术利用云计算平台的庞大资源，轻松与云提供商的服务集成，如此其能力远超边缘设备，能够提供更加强大、可持续扩展的运营环境，能够支持更加广泛的 AI算法应用和功能。可扩展性和灵活性。轻松扩展以满足不断增长的数据和日益复杂的应用程序的需求，无需更改物理基础设施即可适应波动。

云AI的优势是适用于要求苛刻的 AI 任务，这些任务需要大量计算资源来执行活动，例如深度学习和大规模数据分析。此外，云AI能够应对大型数据集的访问和训练，改进模型训练。相比边缘AI，数据往返云端AI处理，会带来延迟的开销，会影响即时决策应用的性能表现。此外，在云端传输敏感数据会增加数据泄露的风险；而在一些偏远或不稳定网络区域，联网能力也会让应用受到限制。

宋家雨：看上去，边缘 AI与云 AI是鱼和熊掌不能兼得，什么才是最明智的选择呢？

郭立：了解何时使用边缘 AI 和云 AI 对于提高 AI 技术在各种环境中的性能和可用性至关重要。我可以结合情境适用性给出一些建议。

边缘 AI 非常适合需要立即处理无延迟数据的情况，例如自动驾驶和制造自动化；而在互联网访问不可靠或不可用的环境中，边缘 AI 可以有效运行，因为它可以在本地处理数据。相比云 AI 更适合需要处理大量数据且需要大量计算能力的应用程序，例如训练复杂的机器学习模型；当 AI 应用程序需要大量计算资源和高级模型功能时，云 AI 会提供必要的基础设施来支持这些需求。

在实际的应用实践中，工业物联网、医疗保健等领域大量采用边缘 AI的解决方案， 如边缘 AI 支持工业物联网环境中的实时监控和响应系统，通过直接从物联网设备处理数据而无需云传输来提高效率和安全性；在医疗设备和监控系统中，边缘 AI 提供对患者护理至关重要的即时处理能力，其中快速决策至关重要。

在大数据分析和机器学习的应用场景中，云 AI 利用云计算的强大功能快速高效地分析大量数据集，使企业能够从大数据中获得洞察力，从而为战略决策提供信息；通过访问广泛的计算资源，云 AI 支持开发和部署复杂的机器学习模型，这些模型从庞大而多样化的数据集中学习，并随着时间的推移不断改进。

宋家雨：混合模型能够做到两全其美吗？应该注意哪些问题？

郭立：答案是肯定的。集成边缘 AI 和云 AI 可以创建更强大的 AI 基础架构，也可以充分利用两种方案的优势。通过平衡实时处理和深度分析的混合方法可以带来额外的优势，边缘 AI 可以在本地处理数据，减少延迟，并允许在自动驾驶或紧急医疗服务等场景中立即做出必要的响应；深度分析。云 AI 可以处理复杂的分析并管理提供更深入见解的大型数据集，这些见解可用于增强运营策略和长期规划。此外，需要额外关注的是通过持续学习来提升AI模型的性能，也就是说，边缘 AI 可以根据实时数据立即做出调整，而云 AI 可以根据一段时间内积累的数据更新和完善模型，从而逐步提高决策和预测能力。

鉴于混合架构的复杂性，集成边缘和云 AI 需要精心设计，以确保不同系统之间的兼容性和有效通信，这包括选择能够在混合框架内无缝交互的正确硬件和软件；必须制定有效的数据管理策略来处理从边缘设备到云以及从云到边缘设备的数据流，其中包括管理带宽、存储，以及整个过程中的数据完整性和安全性等。总之，实施混合边缘和云 AI 系统可以充分利用边缘 AI 的即时响应能力和云 AI 强大的处理和分析能力，从而显著增强组织的 AI 能力。然而这种集成需要解决重大的架构和数据管理挑战，才能够确保平稳高效地运行。

小结

随着 AI 的不断发展，选择正确的基础设施（无论是边缘 AI 、云 AI 还是混合方案）对于优化 AI 应用的可扩展性、效率和灵活性至关重要。仔细评估您的特定业务需求和未来技术趋势将有助于做出明智的决策，从而增强您的 AI 能力并与您的战略目标保持一致。

关于Gcore

Gcore 是人工智能、公有云、边缘计算、内容分发、安全解决方案领域的国际领导者。我们管理着一个全球基础设施，旨在为企业提供一流的云计算和边缘计算服务。Gcore 总部位于卢森堡，在维尔纽斯、克拉科夫、贝尔格莱德、尼科西亚、第比利斯、塔什干、马尼拉、首尔和东京设有办事处。Gcore提供创新的人工智能、公有云和边缘计算解决方案，为每个人创造一个更智能、更互联、更安全的世界。

未经允许不得转载：DOIT » 总编访谈：边缘 AI 与云 AI的抉择