边缘计算：通向未来的“导盲杖”

劳姬缇

如果说智能社会还是一片沟壑纵横、气象万千的原始丛林——神秘，却也有着无数宝藏可待挖掘;那么边缘计算或许就是那根通向未来的“导盲杖”。

经常网上冲浪的朋友想必知道，如今不少城市的公共交通都开始逐步接纳导盲犬。一组流传很广的数据是，截至2017年，国内导盲犬的数量仅为116只，比大熊猫还稀少，而需要导盲犬服务的盲人却多达800万人左右。

选育、培训、实习、上岗等一系列的高难度与高成本，决定了导盲犬是盲人出行方式的“奢侈品”。最近，土耳其的一位盲人Kür?at Ceylan，基于Arm的最新处理器和NPU（嵌入式神经网络处理器），打造出AI（人工智能）盲杖。这一盲杖的出现或许能够为更多视障者打开一扇窗。

媲美导盲犬有难度

想要解答AI盲杖能否帮助盲人顺利出行这个问题，我们不妨以导盲犬的几个重要工作能力来推测一番。

首先，导盲犬需要准确识别障碍物。这既包括躲避路上的大坑、汽车、行人、栏杆等，还要识别红绿灯等关键路况信息，以达到让盲人顺利出行的目的。基于机器视觉+摄像头+感测器的AI系统，检测环境障碍并不难。因此在AI盲杖中，Kür?at Ceylan就将地图导航、障碍物检测算法、LED警示灯、麦克风等植入到了传统的导盲杖中，通过超声波检测器，顺利感应到160厘米高的障碍物。

同时，导盲犬还需要引领盲人安全地躲避障碍。正在执行任务的导盲犬会身穿带着拉杆的小背心，引导主人适当地行走或停止。而且，导盲犬还会自己依据实时信息做出判断，有时甚至会“智性违抗”，当发现前进的命令会出现不安全的情况，就算主人要求继续走，它们也会拒绝服从。而盲杖则不同，主动权完全掌握在盲人自己手中，即使语音助手+AI推理芯片能够进行自主的安全警示，但这双“眼睛”很难限制主人的活动，自然也就会有一定的安全风险。

重要的是，导盲犬会融入盲人的生活。在与主人共同生活一段时间后，导盲犬会对主人的规律性作息时间非常熟悉。比如记住他的上下班路线、行为习惯、常去的超市和交流的朋友等。这种个性化的记忆能力，AI通过神经网络深度学习，也可以达到。但需要注意的是，机器学习训练往往需要消耗大量的算力。这就决定了AI盲杖的算法只能通过将数据上传到云端来完成，因此会出现时间上的延迟与信息隐私的安全隐患。

至于导盲犬能与主人建立特殊的情感联系与信任，帮助其扩展社交活动圈子等，AI盲杖在超人工智能实现以前，显然都无法与之相提并论。

总体看来，AI盲杖在视听层面已经能够完成导航避障这样的功能，但在判断推理、情感层面依然无法跟导盲犬媲美。在有限范围、相对安全的环境下（比如办公楼等）使用，可能是AI盲杖发挥价值的初期场景。

由此，我们需要思索一个新的问题——号称能拯救AIoT（人工智能物联网）的边缘智能，为什么并没有如期变革我们的生活？

边缘智能的落地难题

边缘计算从提出以来，就被看作是5G+AI+云计算的绝佳辅助。如果说云计算是万物智联的“终极大脑”，那么边缘计算就是庞大的“神经末梢”，承担着诸多“下意识”的反应。

比如，AI导盲杖就是一个边缘计算应用的绝佳场景。通过边缘计算应用，导盲杖能够实现实时交互与判断（像是看到红绿灯变绿，自动能够判断出“可以通行”），而不必将路灯信息上传到云端，经过云服务器的层层判断才发出行走的提醒。这无疑大大减少了延迟带来的行进风险，也降低了云端计算的超负荷。

让“云脑”“偷懒”的边缘计算，也能够帮助产业解决AIoT泛智能化过程中的三重矛盾：

一是算力与成本的矛盾。要满足终端AI推理运算的实时、可用性需求，需要在本地处理大量的数据。这就意味着，必须在终端本身部署高性能的AI芯片，但从成本控制上来看并不现实;或者在实体场景中部署足够多的边缘AI。

二是即时与功耗的矛盾。对于导盲杖这样的设备来说，不仅要保证实时性，还需要处理物体检测、语音识别、手势监测，甚至人脸识别等复杂AI任务，加上感测处理的范围较大，会导致功耗较高。AI导盲杖的电池续航仅有5小时，换句话说，盲人早上出门，晚上没电可能就造成无法返程的问题。而边缘计算能够将庞大的数据流量在终端进行过滤分析，减少了从设备到云端的传输路径，自然也就改善了耗电问题。

三是便捷与安全的矛盾。谁都知道物联网互相协作能够大大提升生活的便携指数，但在这个智能门锁、摄像头等频频被黑客选中的时代，数据很容易被别有用心的人利用。许多企业甚至要求必须将AI部署在自家的私有云上，这也限制了许多前沿技术的应用，增大了运维难度。边缘计算的解决方式，就是将数据的处理和存储都放在本地，这样既能够保护隐私安全，又能够实现高效实时的交互与迭代。导盲杖、心脏起搏器、智能手表等承载着用户生命健康信息的IoT（物联网）产品，其大规模应用的前提离不开边缘计算的广泛普及。

从这个角度来看，AI导盲杖只是AIoT创新的一个案例。据相关机构的预测，2025年物联网连接数将增长至270亿个，物联网设备数量将达到1000亿台。可以想见，随着未来云和端之间的边缘计算体系不断成熟，将有越来越多的创新创造被挖掘出来，辅助残障人士正常生活，帮助城市防微杜渐，为千行百业注入AI的“洪荒之力”。

边缘智能的未来

边缘智能的全面开花，自然也会孕育出庞大的产业富矿和商业新机。不过需要注意的是，边缘智能虽然是大势所趋，却也有着生长的节奏与天时，盲目入场可能会出现竹篮打水一场空的局面。

目前看来，边缘智能还需要等待产业环境的全面成熟：

一是基础设施的完善。作为云厂商们看好的未来趋势，边缘计算的软硬件基本到位，比如ARM发布了面向人工智能应用的DynamIQ技术及相关处理器，旨在搭建从网络节点到云端的分布式智能;NVIDIA推出的开发板Jetson TX2，也可在终端设备上更好地运行深度学习功能。

但这还不够，边缘计算与5G智能网络，恐怕才是真正如胶似漆的“原配”。一方面，目前4G网络建设一般以中心化的核心网为主，通常难以实现本地分流。在4G网络之上架设边缘智能，无法保障低时延要求。

另外，边缘计算并不仅仅是简单的分派计算任务。合理地利用本地空闲、将任务分配给不同的计算节点，这些都需要智能化的网络来排兵布阵，实现负载均衡，从而保证每一个边缘节点的高效利用。而这一点，5G智能化网络也更加可靠。而5G建设的脚步受疫情、供应链等影响，将比预期延缓，这也就进一步延缓了边缘计算节点（如探头、处理设备、数据中心等）的迭代升级。

二是产业应用的联动。既然是AIoT，自然需要多个边缘节点来协同合作，通過技术的整合来发挥AI的最大值。举个例子，盲人在使用AI导盲杖出行时，电线杆、飞驰的车辆、垃圾箱、红绿灯等多个节点，都将实时数据共享给边缘节点。AI导盲杖依据这些数据来做出精准的避障判断，会不会比视觉识别的解决方案更加高效可行？而其他节点也可以通过数据共享，训练并掌握出行大数据，来整体优化并影响城市的交通管理。

这种边缘协作的应用联动，目前还处于理念阶段。更为现实的方案是：通过智慧园区、智慧楼宇、智慧城市的片状更新，不断积累和训练相关模型，最后将工业级边缘智能与消费级物联网融合在一起，形成无处不在的万物智能，让AI随时随地可被召唤。

三是开发生态的培育。无规矩不成方圆，全面智能物联的未来，自然也需要统一的标准和规范。但尽管不少云厂商都交付了很多边缘计算工具，但时至今日，我们并没有看到开发者的创意和脑洞在AIoT领域爆发。

除了传统硬件厂商在更新迭代之外，很少有类似AI导盲杖这样颠覆传统功能的创新出现，其中最核心的原因是开发门槛依然过高。

科技行业的铁律是技术服务于应用，而新的应用造就新的市场主宰者。4G之于移动互联网，AI之于数字产业，莫不如是。如果说智能社会还是一片沟壑纵横、气象万千的原始丛林，神秘，却也有着无数宝藏可待挖掘;那么边缘计算，或许就是那根通向未来的“导盲杖”。

（编辑 宦菁 huanjing0511@sohu.com）