今年三月份，Wevolver 和 Edge AI 聯(lián)合發(fā)布了一份《2025邊緣AI技術(shù)報告》，我們總講AI離不開大模型、云計算、中心服務器，但未來的主戰(zhàn)場，可能是那些你幾乎看不到的‘邊緣設(shè)備’——攝像頭、手表、工廠機器人、汽車......

為什么 AI 真正的戰(zhàn)場在邊緣而不是云端？  

從自動駕駛，醫(yī)療監(jiān)護，到工廠質(zhì)檢，農(nóng)場監(jiān)控這些應用場景中，AI 每遲 1?毫秒就可能漏掉一次剎車、一次瑕疵或一次入侵。海量數(shù)據(jù)的傳輸不僅費用高，還增加了隱私泄露風險。只要場景同時要求“反應快、數(shù)據(jù)保密、網(wǎng)絡穩(wěn)定”，AI 的計算單元就必須貼著場景跑——這就是為什么真正的增長點和競爭壁壘，正在從云端下沉到“邊緣”，也是2025?Edge?AI Report 指出的“實時推理紅線”（Real?Time Inference Threshold）。

Wevolver與Edge AI Foundation簡介  

Wevolver：https://www.wevolver.com

全球工程與硬科技知識平臺，專注深度文章、報告、社區(qū)資源，為全國范圍內(nèi)工程師提供前沿技術(shù)咨詢；在2025?年4?月被西門子旗下?Supplyframe?收購，以達到加強產(chǎn)業(yè)鏈資源整合目的。

Edge AI Foundation：

https://www.edgeaifoundation.org

前身為?tinyML?Foundation 的全球非營利組織，該平臺致力于打造全球化創(chuàng)新合作與教育共筑，通過工作組、行業(yè)合作和標準化推動生態(tài)建設(shè)，是把 AI ‘搬下云端’、進入真實場景的行業(yè)發(fā)動機。

什么是邊緣AI？

簡單來說，邊緣AI就是把AI模型部署在設(shè)備本地，而不是放在遠程云端進行處理。例如：無人駕駛的自動剎車，工廠里識別產(chǎn)品缺陷，未來新醫(yī)療的遠程監(jiān)控與預測，智慧農(nóng)業(yè)的發(fā)展.....都要靠邊緣AI來工作。

邊緣AI能做到：

本地推理，低延遲

數(shù)據(jù)無需上傳云端，保護隱私

節(jié)能省錢

所以很多企業(yè)、研究機構(gòu)都在把AI“搬回本地”。

報告中的亮點 ：邊緣AI的五大未來趨勢

報告第五章中預測了五點未來的發(fā)展趨勢，其中提到的人形機器人與類腦計算更是當下科技發(fā)展的大熱點，報告中分別指出：

1.聯(lián)邦學習FL（Federal Learning）：邊緣智能去中心化

未來五年，F(xiàn)L將預期大幅促進模型可適應性和跨行業(yè)交流，全球LoT網(wǎng)絡將不再依賴中心化訓練；到2030年，F(xiàn)L將帶來近3億美元的市場價值，年復合增長率（CAGR）預計為12.7%。

報告同時提出多原型聯(lián)邦學習（Multi-prototype FL），該模式允許每個環(huán)境保留最適合自己需求的模型，同時保留全球?qū)用娴耐ㄓ枚床臁?/span>

以醫(yī)院場景舉例：使用Multi-prototype FL可以讓系統(tǒng)生成不同版本的模型，以適配不同人群（如老年患者，兒童患者等）不同的需求。

2.邊緣量子計算與量子神經(jīng)網(wǎng)絡（QNN）

量子計算正在成為推動人工智能和邊緣計算發(fā)展的下一代核心技術(shù)。借助量子神經(jīng)網(wǎng)絡（Quantum Neural Networks，QNNs），AI系統(tǒng)將在邊緣設(shè)備上變得更聰明、更高效；

未來，隨著量子計算硬件不斷的小型化，有望將量子能力引入邊緣設(shè)備，讓“邊緣+量子+AI”的融合走進現(xiàn)實。這不僅提升了本地智能大模型的處理能力，還兼顧隱私、安全和能耗控制。

3.自主人形機器人的邊緣AI

即讓機器人具備實時環(huán)境感知與決策能力，無需依賴云端。

通過去除不可控的網(wǎng)絡鏈路和法務風險，技術(shù)層面上采取蒸餾，流水線編譯（落地方案參考NVIDIA Jetson Orin Nano?Super）等一系列措施實現(xiàn)毫秒級決策。

4.AI驅(qū)動的AR/VR

報告強調(diào)，AI驅(qū)動的AR/VR將推動設(shè)備向更輕量化、本地智能化的方向發(fā)展，使其在工業(yè)培訓、遠程協(xié)作等場景中實現(xiàn)更自然、更高效的交互體驗。

5.類腦計算

模擬神經(jīng)元行為實現(xiàn)低功耗，高并發(fā)AI，將成為邊緣計算未來硬件的核心之一。

報告指出，隨著神經(jīng)形態(tài)計算硬件的規(guī)模從單芯片逐漸擴展到支持數(shù)十億類突觸，它正在成為支撐復雜 AI 任務（如多模態(tài)感知與自主決策）的新底座；

然而，大范圍落地仍需與傳統(tǒng) GPU/CPU、FPGA 以及云端大模型形成“混合系統(tǒng)”——即把高并行、低功耗的脈沖神經(jīng)網(wǎng)絡放在邊緣端處理實時事件流，把精度敏感或批量訓練任務交給經(jīng)典算力，二者協(xié)同可顯著降低整體能耗與延遲。

在未來，下一代?6G 低時延網(wǎng)絡的發(fā)展將聯(lián)動量子協(xié)同后端，形成 “Neuromorphic?+?6G?+?Quantum” 的三級協(xié)作鏈條，為無人系統(tǒng)、數(shù)字孿生和超低功耗物聯(lián)網(wǎng)終端開啟真正端到端的自學習時代。

來源：泛人類實驗室MHL