AI推理时代，边缘计算成新战场

自去年来，从Open AI推出O1推理模型，到Anthropic跟进推出非常依赖推理能力的“Computer Use”的Agent功能，再到DeepSeek R1推理模型在全球火爆，以及英伟达在GTC大会上亮相首款推理模型、首个推理软件等，这些科技巨头的动作一再揭示一个趋势——AI大模型的竞争焦点已经转向AI推理，AI推理时代已经到来。

面对新兴的AI推理需求，推理性能、效率以及成本毫无疑问是最核心的问题，而边缘计算在靠近数据生成源的地方进行处理和推理，具有低延迟、数据隐私保护和高效能等优势，被视作AI推理的理想位置，由此将成为竞争的新战场。

在DeepSeek出现之前，AI大模型的部署与训练需要大量的资金投入和大规模算力的部署、维护，中小企业很难自建生态以进行大模型的开发，同时也受制于AI大模型闭源带来的部署与使用门槛。

而DeepSeek采用大规模跨节点专家并行的模式，利用强化学习来减少人工依赖和数据缺失的问题，通过全面开源的方式，将AI推理资源池成本降到百卡/千卡范围，真正降低AI大模型在行业用户环境中的部署与使用成本，同时，部署方式更加轻量、灵活，为行业提供了全新的解决方案。短短两个月的时间，国内外的科技、金融、政务、能源、通信、汽车、高校等各行各业均已纷纷接入DeepSeek，用于业务提效和AI应用创新。

这让更多人以更低成本享受到了AI的高性能，加速了端侧AI的爆发与普及，同时也推动了AI格局向大规模推理转变。

由于AI推理会为终端用户运行工作负载，响应速度和位置尤为关键，这意味着在边缘或边缘云环境中进行推理更有优势。对于企业而言，靠近节点的边缘云可以有效提高数据交互和AI推理的即时性与效率，并保障信息安全。

具体来看，边缘计算地理分布广泛，更靠近用户，是低延迟体验的必要条件。同时边缘计算通过缩短交互链路，能够大幅降低数据传输开销和成本。以语音数字人场景为例，相较中心云，在靠近用户的边缘侧接入，使得语音数据传输链路短，用户体验明显优于中心推理，而相较设备端，又可以降低对终端设备的依赖，模型能力的优化升级更加简便。

其次，边缘节点容量大、健壮性强、可用性高，叠加边缘推理后，更具智能、更加高效，能够更好支撑企业数字化、智能化;并且边缘计算还能保障业务连续性，通过业务调度能力实现节点故障时的快速切换。

再者，在边缘侧可以提供更多能力，比如边缘缓存，实现交互内容的就近存储，减少网络流量、提升模型的实时性，比如集成安全的边缘防护，增强大模型部署和应用的安全性。

AI推理市场的主要竞争者包括AI硬件厂商、模型厂商以及AI服务提供商，可以看到，参与者们已经在瞄准边缘计算进行布局。

比如硬件层面，苹果、高通等厂商积极研发边缘AI芯片，应用在AI手机和机器人上，支撑边缘端的大模型运行；Arm发布了边缘AI计算平台，可运行超10亿参数的端侧AI模型；国科微推出了AI边缘计算芯片，可适配包括轻量级LLM语言大模型、AIGC生成式模型、CV大模型以及多模态大模型等。

平台服务层面，英特尔推出了基于英特尔锐炫TM显卡的边缘端AI推理解决方案，提升AI推理速度；阿里云推出了边缘容器云，助力开发者实现更快速的AI推理应用的迭代和部署；网宿科技打造了边缘AI平台，提供ServerlessGPU、边缘AI网关、边缘模型微调与推理服务等，帮助企业低成本、高效率地实现AIGC创新。

目前AI推理市场正处于快速发展期，竞争格局尚未完全固化。专家认为，未来市场竞争的核心要素在于成本/性能的计算，即包括推理成本、延迟和吞吐量。

聚焦到边缘计算这一切入点，资源与技术能力将是参与者竞争取胜的关键。

以网宿科技为例，作为边缘计算领域的头部玩家，于2011年就已探索边缘计算，早已形成从资源、产品、能力、安全到应用的一体化布局。资源方面，网宿在全球拥有近3000个节点资源和丰富的GPU算力资源，更贴近业务边缘，具有低时延优势，例如在与大模型交互的链路中，能够将模型交互效率提升2-3倍。

而在技术能力上，网宿沉淀了完备的技术栈，依托异构计算资源的虚拟化和容器化、全球海量节点的编排管理等关键技术，能够支撑大规模模型能力的调度和运营，为企业提供高可用服务；此外，还通过边缘函数自定义更多个性化的功能，结合企业业务场景提供个性化的智能解决方案。

据悉，网宿边缘AI平台已经深入医疗、家居、媒体、互联网等行业，应用于AI辅助开发、AI问答、AIOT、AI评论等场景，比如网宿利用RAG技术构建知识库，并结合边缘AI推理模型，为某医疗企业构建了智能AI问答系统，明显提升了医疗咨询的效率。

可以预见，随着模型技术的不断演进和边缘计算能力的持续提升，AI推理将迎来一场革新，为产业带来更多创新机遇。