為什么邊緣計算終于有了它的殺手級應用

2026-05-25 17:50

作者：Sophia物聯網智庫原創

過去十年，邊緣計算一直是各種會議上的高頻熱詞。

早期，行業探討的重心在于“什么是邊緣計算”和“為什么需要它”，行業陷入遠邊緣、近邊緣、網絡邊緣等定義之爭；而后，邊緣計算開始與 5G、工業互聯網、車聯網綁定，核心關鍵詞變成“實時性”和“本地決策”，運營商、設備廠商開始推動 MEC（多接入邊緣計算）架構；再后來，隨著概念逐漸明晰，AI 推理開始下沉到邊緣側，攝像頭、機器人、工業設備不只是采集數據，而是能夠本地分析、實時響應；如今，隨著生成式 AI 和 Agent 興起，行業討論重點又從“算力下沉”轉向“分布式智能協同”——許多過去停留在理論層面的邊緣計算構想，正在真實產業場景中加速落地。

近期，在海外舉行的一場專題討論會上，來自仲量聯行、英特爾、愛立信、高通和美國鐵塔公司的多位專家，圍繞邊緣計算的最新趨勢展開討論。參與者橫跨房地產、芯片、通信設備與鐵塔基礎設施等產業鏈多個環節，不少觀點頗具啟發性，本文借此進行梳理與分享。

“遲到的”殺手級應用：AI 推理

與會者并未試圖給“邊緣”下一個唯一標準定義，而是逐漸形成了一種“連續體（continuum）”的共識，即一個橫跨中心云、區域邊緣、本地邊緣乃至企業邊緣的靈活且可編程的執行環境。在這一體系中，工作負載會根據時延、隱私、安全與成本需求，被動態部署到不同位置。

在這場討論中，最值得注意的一個觀點是：AI 推理（AI Inferencing）正在成為邊緣計算真正的“殺手級應用”。

美國鐵塔公司的 Jim Poole 用一句頗為形象的話總結了過去十年的 MEC 發展：“MEC 像是在拿著釘子找錘子。”所謂多接入邊緣計算 MEC，是一種網絡架構，在網絡邊緣提供云計算功能和 IT 服務環境，目標是減少延遲，確保高效的網絡運營和服務交付，并改善客戶體驗。

從 MEC 的定義來看，行業其實很早就預判到了未來需要一個分布式計算層，因此運營商與基礎設施廠商提前布局了大量邊緣節點。但問題在于，當時并沒有真正需要這些節點的業務場景。換句話說，基礎設施走在了需求前面。這一判斷其實也解釋了過去幾年邊緣計算為何長期“雷聲大、雨點小”。無論是工業互聯網、VR/AR，還是車聯網，雖然都被視作邊緣計算的重要方向，但這些場景始終沒有形成足夠規模、足夠持續的算力需求。

如今的不同在于需求側的根本性轉變。隨著生成式 AI 的普及，無論是用戶需要何種想要的答案，都需要上行來提供請求與數據來源，本地產生的高清圖像、音頻及視頻流等原始數據必須實時上傳至云端進行處理，導致上行數據量在過去一年中大幅增加。高通的 Koymen 博士表示，用戶行為正從以下行鏈路為主的視頻消費，轉向以上行鏈路為中心的 AI 生成流量，智能體數據（Agentic Data）將在未來幾年內超過人類生成的數據。愛立信的 Joe Constantine 援引《愛立信移動市場報告》的數據進一步佐證：全球數據流量到 2029 年將增長兩倍，而到 2035 年，上行鏈路流量將增長 10 倍。

這種以“上傳-推理-響應”為特征的新模式，對網絡延遲和帶寬提出了前所未有的要求，這正是邊緣計算的用武之地。仲量聯行的 Sean Farney 給出了一句斷言：“邊緣 AI 推理正讓基礎設施領域重新變得性感起來。”在追逐這一目標 20 年后，行業終于迎來了真正的殺手級應用——AI 推理。它具備兩個關鍵特性：計算密度足夠高、對延遲足夠敏感，這兩者共同“迫使”計算能力不得不從集中的云數據中心向外擴散。

AI 正在迫使數據中心體系“重寫一遍”

那么，一個真正面向 AI 時代的邊緣節點，究竟會是什么樣子？Poole 給出了一組極具沖擊力的數據：過去 25 年里，全球約 95% 的數據中心，基本都是圍繞每機柜 5-10kW 的功率密度設計的；而如今，新一代 AI 系統的功率密度已經達到每機柜 150 至 200kW，甚至谷歌已展示出單機柜 1MW 的配置方案。

這已經不是優化一下風道設計就能解決的問題。這背后直接帶來了兩個變化——首先，“企業自建數據中心”正在迅速失去可行性。Poole 表示，在過去二十年里，數據中心行業最大的競爭對手其實一直是企業內部自建機房；但如今，隨著 AI 基礎設施復雜度與功率密度急劇提升，自建模式已經越來越難成立。“你已經無法再像過去那樣，自己建一個數據中心就解決問題了。”

其次，液冷正從“先進方案”變成行業標配，而現場發電（on-site power generation）在美國部分州甚至開始從“可選項”逐漸演變為一種監管要求。

與此同時，算力基礎設施的地理分布也在發生巨大變化。如今，北美大部分算力資源仍集中于約 15 個核心都市圈，但 Poole 預測，未來行業將在遠短于過去 25 年的發展周期內，迅速擴展至 30 至 50 個二線、三線市場。

真正懸而未決的問題，是未來邊緣基礎設施究竟會走向“集中化”還是“離散化”：未來會是全國分布著 300 個 10MW 級數據設施，還是在每座通信鐵塔旁部署 2000 個 60kW 的邊緣機柜？鐵塔公司顯然更傾向于后者。

作為芯片廠商代表，高通的觀點補充了另一個視角：并非所有 AI 推理任務都必須依賴 GPU。Koymen 認為，GPU 非常適合模型訓練，但在推理場景中，其成本與功耗都過于高昂；相比之下，部署在終端設備與遠邊緣側、專門針對推理優化的 NPU，更適合承擔邊緣連續體中那些輕量化推理任務。

從某種意義上說，AI 正在把數據中心重新拉回“重工業”屬性。而這也意味著，邊緣計算的競爭，正在從軟件能力逐漸轉向能源、地產與基礎設施能力，即誰能夠更快拿到土地、電力、散熱與部署資源——這也是為什么本次討論中會出現房地產與鐵塔基礎設施企業。

2028—2029：行業將走向何處？

面對即將到來的變革，專家們也對 2028-2029 年的行業格局給出了具體預測。

高通的 Koymen 將預測與其 6G 路線圖掛鉤：2028 年出現預商用設備，2029 年與全球運營商同步實現商業化，屆時邊緣基礎設施將支撐起 AI Recall、“所見即所得”的 AR 眼鏡以及機器人分布式計算等應用場景。

愛立信的 Constantine 給出了三個更量化的判斷：第一，到 2029 年，全球 75% 的數據流量將運行在 5G 網絡上；第二，行業將不再爭論“邊緣是什么”，而是轉向爭論服務等級協議（SLA）和 TM Forum 四級/五級自動化——這是一個行業從草莽走向成熟的標志；第三，數據中心的可持續發展壓力將成為首要的設計約束。

英特爾 Agarwal 的預測則更加偏向產業落地層面，他認為——到 2028 年，類似的行業討論會將面目一新，臺上分享的不再是設備商討論架構，而是零售商、礦業公司和港口運營商講述他們從部署中獲得的實際投資回報率。他警告行業必須避免重蹈私有無線網絡的覆轍：網絡建起來了，但成功案例始終沒能真正涌現。

Farney 的預測最為長遠：人形機器人將開始出現在數據中心的運營中，以幫助填補巨大的勞動力缺口。這種“物理AI”的概念正在成為現實—— NVIDIA 與 T-Mobile 已宣布合作，在 5G 網絡邊緣部署 AI-RAN 基礎設施，讓 AI 代理能夠在城市路口、工業設施中實時感知和響應，同時借助邊緣算力大幅降低對終端設備的要求。

寫在最后

不過，相比技術本身，這場討論最后反而指出了幾個更現實的問題：電力、人才與數據。

首先是電力，AI 推理正在讓算力需求急劇爆炸，但全球電網建設速度卻遠遠跟不上，Poole 甚至直言，美國電網并不是為這種局部高密度負載設計的；其次是人才，僅仲量聯行一家公司，目前就存在上千個數據中心相關崗位缺口；最后則是數據，Constantine 提出了一個值得注意的判斷——未來真正勝出的企業，未必是擁有最好模型的公司，而是擁有最高質量數據體系的公司。因為隨著模型能力逐漸趨同，數據質量、數據結構與數據治理能力，很可能才是未來 AI 競爭真正的護城河。

綜合來看，一幅清晰的圖景浮出水面：邊緣計算已經走過了“為什么需要它”的理論論證階段，進入了“如何把它建好”的工程實施階段。

參考資料：Why the edge finally has its killer use case——RCRWireless時代變了，“大上行”成為通信網絡升級聚焦點——moomoo什么是多接入邊緣計算（MEC）？——Redhat

原文標題 : 為什么邊緣計算終于有了它的殺手級應用?