人工智能(AI)的整合無處不在，為各個行業提供了變革機會。

其中一種范式轉變是人工智能與邊緣計算的融合，促進可持續解決方案和創新應用。

人工智能的快速發展使企業能夠在客戶體驗(CX)和預測分析方面，以大規模的高度個性化轉變其服務和業務，以管理業務運作。

人工智能、5G和物聯網融合

5G網絡提供的好處是:

• 低延遲
• 設備連接的大幅度增加反過來又允許擴展機器來實現機器通信
• 網絡連接設備和傳感器的出現導致了大規模的超個性化

環境與經濟

PWC發布了一份報告，闡述了人工智能幫助減少碳排放的潛力。據其分析，到2030年，應用于農業、能源、交通和水四大領域的人工智能經濟可能會帶來高達:

• 為全球經濟增長貢獻5.2萬億美元或GDP的4.4%。
• 溫室氣體(ghg)排放量減少2.4億噸，即4%。
• 全球凈就業崗位增加3820萬個，即1%。

如此，環境目標和經濟目標可以相互協調,特別是通過技術進步。隨著企業和整體經濟的增長，更高效的人工智能在宏觀經濟和社會層面更有效,能夠擴展規模并創造經濟和就業增長。在微觀經濟層面,通過降低部署和擴展人工智能的成本,企業可能會擴展到新的服務、產品和商業模式,并使初創企業蓬勃發展和擴大規模。與此同時，以更低的能源消耗實現這一目標可以降低碳足跡。

此外,一群領先的人工智能研究科學家闡述了可利用機器學習協助應對氣候變化跨電氣系統、工業、交通、建筑、智能電網、災害管理等行業。確保這些利益的挑戰，是使人工智能能夠在包括成本和環境在內的有效基礎上進行擴展，能源效率是這兩個方面的關鍵。

生成式人工智能的出現掀起了一股熱潮，它通常是由大型語言模型(LLM)提供的,這些模型采用了變壓器和自我注意機制架構,通常與深度強化學習方法相結合,以獎勵正確的響應。然而,這些模型在計算上是耗費資源的,包括服務器需求、能源成本和碳足跡。

AI無處不在：從智能到“智能+智能”邊緣

智能是指連接互聯網的設備。然而，隨著人工智能在設備的本地嵌入，例如帶有人工智能的PC，連接設備正變得越來越“智能”，在這種情況下，智能指的是對用戶做出有意義的響應并個性化體驗的能力，而不是人類水平的智能。

隨著物聯網規模的擴大，邊緣計算的增長將需要超低延遲，這反過來又允許實時響應。

如上所述，人工智能將越來越多地處于網絡的邊緣——稱為邊緣計算或簡稱邊緣，即數據的處理更接近其生成的地方,實際上可能位于設備本身。這樣可以保持非常低的延遲,從而對用戶作出實時響應。

以安全性和可靠性為關鍵因素的云/邊緣混合

云模型將繼續應用于數據中心，為儲存歷史數據進行分析提供重要資源和能力。這也將允許使用混合模型進行正在進行的算法開發，支持在云服務器上訓練人工智能模型，并在邊緣推斷人工智能，從而為大規模個性化提供進一步的潛力。

邊緣人工智能的示例

• 智能電網實現實時雙向信息流動，并將其與谷歌DeepMind的NowCast和GraphCast等人工智能模型相結合，以預測天氣并優化可再生能源供需管理。
• 由物聯網支持的微電網可以在并網或獨立島設置中運行，并啟用本地生產的能源，管理停電并提高效率。
• 內置傳感器的智能電表可以傳輸實時信息，檢測停電和監測供電質量。
• 可再生能源存儲的電池優化。
• 具有計算機視覺的無人機可以檢查太陽能電池板和風力渦輪機，并檢測損壞情況，從而減少發電量。
• 意外中斷預測和自動干預。
• 綠色氫和燃料電池的發展。
• 自動化機器學習的綠色人工智能。
• 城市交通管理規劃，預測交通擁堵和改道交通。
• 設計電動汽車運行過程的算法,以優化電池充電、距離和可用充電點之間的關系。
• 人工智能已被部署在智能建筑的建設中，物聯網傳感器可以檢測房間內是否有人，并相應地調整供暖/空調或照明，以優化能源消耗。
• 將生成式人工智能應用于建筑的建筑和規劃階段，以預測數字雙胞胎的潛在問題，并優化可持續性設計。
• 制造業部門，預測分析應用于計劃外停機和自動化，以減少其發生，從而優化生產運行并減少此類停機可能造成的浪費。
• 優化制造過程和供應鏈的能源消耗和碳足跡。
• 零售行業的建議與預測分析一起應用，使品牌能夠增強需求預測并優化其供應庫存和生產。