通信行業(yè)動態(tài)：邊緣智能-鋪平人工智能的“最后一公里”

本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告1相關(guān)研究入軌，關(guān)注衛(wèi)星互聯(lián)網(wǎng)產(chǎn)業(yè)進程-2024/03/16露端倪-2024/03/01暖-2024/02/26廣，關(guān)注視頻相關(guān)賽道-2024/02/22通信行業(yè)動態(tài)點評邊緣智能—鋪平人工智能的“最后一公里”起源于云計算，主要為應(yīng)對海量數(shù)據(jù)需求。云計算的處理方式是將所有數(shù)據(jù)上傳至計算資源集中的云端數(shù)據(jù)中心或服務(wù)器處理，任何需要訪問該信息的請求都必須上送云端處理。但隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)數(shù)據(jù)量增加，傳統(tǒng)云計算架構(gòu)已無法滿足龐大的計算需求。傳統(tǒng)云計算模式下，物聯(lián)網(wǎng)數(shù)據(jù)被終端采集后要先傳輸至云計算中心，再通過集群計算后返回結(jié)果，這必然出現(xiàn)較長的響應(yīng)時間。邊緣計算則可就近在網(wǎng)絡(luò)邊緣側(cè)完成數(shù)據(jù)分析與處理，降低傳輸時間的同時也加強了安全性。數(shù)據(jù)已愈加在邊緣側(cè)集中。作為推動人工智能發(fā)展的關(guān)鍵驅(qū)動力，數(shù)據(jù)源已經(jīng)歷了從超大規(guī)模云數(shù)據(jù)中心到日益廣泛的終端設(shè)備（如移動設(shè)備、邊緣設(shè)備和物聯(lián)網(wǎng)設(shè)備）的徹底轉(zhuǎn)變。過去，在線購物記錄、社交媒體內(nèi)容及商業(yè)新聞等大數(shù)據(jù)主要產(chǎn)生并存儲在超大規(guī)模的數(shù)據(jù)中心。然而，隨著物聯(lián)網(wǎng)與AI的出現(xiàn)，這一趨勢正在逆轉(zhuǎn)。根據(jù)IDC及Statista預(yù)測，2025年全球?qū)⒂薪?00億個物聯(lián)網(wǎng)設(shè)備及傳感器，數(shù)據(jù)中心側(cè)產(chǎn)生約175ZB數(shù)據(jù)流量。根據(jù)思科全球云指數(shù)，2021年云外總共生成近850ZB的數(shù)據(jù)，而全球數(shù)據(jù)中心流量預(yù)計僅為20.6ZB。即數(shù)據(jù)來源正在從大規(guī)模的云數(shù)據(jù)中心向邊緣設(shè)備遷徙；另一方面也印證了云計算逐漸無法處理大規(guī)模分布的計算能力。AI大模型已從“玩具”走向“工具”，數(shù)據(jù)進一步刺激邊緣計算需求。我們認為如何讓大模型滲透進入各類垂直場景，如何更低成本的使用大模型，如何讓更多場景與用戶接觸AI，成為了發(fā)展的下一個重點。目前AI已同邊緣計算結(jié)合催生了“邊緣智能”這一新領(lǐng)域，其可利用規(guī)模化的邊緣節(jié)點資源驅(qū)動AI應(yīng)用，而非完全依賴云計算能力。我們認為邊緣智能類似于：在終端設(shè)備上本地運行人工智能算法，并使用在設(shè)備上創(chuàng)造的本地數(shù)據(jù)。邊緣智能多集中在推理階段。我們認為未來的邊緣智能主要側(cè)重于提升模型推理階段同用戶間的交互性能，模型訓練依舊主要交由云上數(shù)據(jù)中心完成。但我們認為不同于邊緣計算的是，邊緣智能并非必須強調(diào)模型已擁有完全的訓練能力，因為邊緣智能本身可以通過獲取設(shè)備終端、網(wǎng)絡(luò)節(jié)點資源進行自我推理更新。一定程度上，邊緣智能更像是當下流行深度神經(jīng)網(wǎng)絡(luò)中的計算節(jié)點。投資建議：我們認為AI大模型下不僅需要提升訓練側(cè)精度與準確度，對于邊緣端的快速響應(yīng)、數(shù)據(jù)隱私也同樣重要。看好AI規(guī)?；瘧?yīng)用下的應(yīng)用場景多點開花，同時建議關(guān)注在邊緣智能與數(shù)據(jù)安全側(cè)具有先發(fā)優(yōu)勢的公司。風險提示：邊緣計算商業(yè)化落地速度不及預(yù)期；產(chǎn)業(yè)供應(yīng)鏈風險。重點公司盈利預(yù)測、估值與評級300017.SZ網(wǎng)宿科技9.920.080.220.281274435推薦300442.SZ潤澤科技24.981.461.031.3224//一致預(yù)期行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告21為什么當下需要重視邊緣計算？ 3 31.2數(shù)據(jù)愈發(fā)集中于邊緣側(cè)，未來行業(yè)增速CAGR約30% 42邊緣智能，更懂AI的邊緣計算 5 72.2邊緣智能下將更加強調(diào)數(shù)據(jù)安全性 83相關(guān)公司梳理 93.1網(wǎng)宿科技 93.2潤澤科技 104風險提示 11插圖目錄 12表格目錄 12行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告3邊緣計算核心在于分散式計算架構(gòu)。Gartner將邊緣計算定義為"分布式計算拓撲結(jié)構(gòu)的一部分，其中的信息在靠近邊緣的地方處理，設(shè)備和人在邊緣處生成或使用該信息。"我們認為邊緣計算可使計算更靠近設(shè)備本身而非依靠遠在千里之外的數(shù)據(jù)中心，如此可使得實時數(shù)據(jù)延遲盡可能降低。起源于云計算，主要為應(yīng)對海量數(shù)據(jù)需求。云計算的處理方式是將所有數(shù)據(jù)上傳至計算資源集中的云端數(shù)據(jù)中心或服務(wù)器處理，任何需要訪問該信息的請求都必須上送云端處理。但隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)數(shù)據(jù)量增加，傳統(tǒng)云計算架構(gòu)已無法滿足龐大的計算需求。傳統(tǒng)云計算模式下，物聯(lián)網(wǎng)數(shù)據(jù)被終端采集后要先傳輸至云計算中心，再通過集群計算后返回結(jié)果，這必然出現(xiàn)較長的響應(yīng)時間。邊緣計算則可就近在網(wǎng)絡(luò)邊緣側(cè)完成數(shù)據(jù)分析與處理，降低傳輸時間的同時也加強了安全性。圖1：邊緣計算VS云計算Network云計算 NetworkAPPAPP邊緣計算本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告4數(shù)據(jù)已愈加在邊緣側(cè)集中。作為推動人工智能發(fā)展的關(guān)鍵驅(qū)動力，數(shù)據(jù)源已經(jīng)歷了從超大規(guī)模云數(shù)據(jù)中心到日益廣泛的終端設(shè)備（如移動設(shè)備、邊緣設(shè)備和物聯(lián)網(wǎng)設(shè)備）的徹底轉(zhuǎn)變。過去，在線購物記錄、社交媒體內(nèi)容及商業(yè)新聞等大數(shù)據(jù)主要產(chǎn)生并存儲在超大規(guī)模的數(shù)據(jù)中心。然而，隨著物聯(lián)網(wǎng)與AI的出現(xiàn)，這一趨勢正在逆轉(zhuǎn)。根據(jù)IDC及Statista預(yù)測，2025年全球?qū)⒂薪?00億個物聯(lián)網(wǎng)設(shè)備及傳感器，數(shù)據(jù)中心側(cè)產(chǎn)生約175ZB數(shù)據(jù)流量。根據(jù)思科全球云指數(shù)，2021年云外總共生成近850ZB的數(shù)據(jù)，而全球數(shù)據(jù)中心流量預(yù)計僅為20.6ZB。即數(shù)據(jù)來源正在從大規(guī)模的云數(shù)據(jù)中心向邊緣設(shè)備遷徙；另一方面也印證了云計算逐漸無法處理大規(guī)模分布的計算能力。2022年全球邊緣計算市場已達到2546億美元，服務(wù)器行業(yè)占大頭。根據(jù)PrecedenceStatistics統(tǒng)計預(yù)測，2022年全球邊緣計算市場規(guī)模約2546億美元，2032年有望超36056億美元，2023年~2032年CAGR約30.4%。2022年，服務(wù)器市場占邊緣計算總市場比重約45.5%；邊緣傳感器/路由器占比約25%；能源和工業(yè)占比超18.6%；工業(yè)物聯(lián)網(wǎng)應(yīng)用占比約33%。圖2：全球數(shù)據(jù)中心數(shù)據(jù)流量0圖3：全球邊緣計算市場規(guī)模-255255331430559本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告5由邊到端云邊緣計算網(wǎng)絡(luò)邊緣邊緣由邊到端云邊緣計算網(wǎng)絡(luò)邊緣邊緣圖4：全球邊緣計算市場結(jié)構(gòu)—按下游行業(yè)服務(wù)器46%邊緣傳感器/路由器能源及工業(yè)工業(yè)物聯(lián)網(wǎng)圖5：全球邊緣計算市場結(jié)構(gòu)—按地區(qū)北美歐洲亞太拉美2邊緣智能，更懂AI的邊緣計算AI大模型已從“玩具”走向“工具”，數(shù)據(jù)進一步刺激邊緣計算需求。我們認為如何讓大模型滲透進入各類垂直場景，如何更低成本的使用大模型，如何讓更多場景與用戶接觸AI，成為了發(fā)展的下一個重點。目前AI已同邊緣計算結(jié)合催生了“邊緣智能”這一新領(lǐng)域，其可利用規(guī)模化的邊緣節(jié)點資源驅(qū)動AI應(yīng)用，而非完全依賴云計算能力。我們認為邊緣智能類似于：在終端設(shè)備上本地運行人工智能算法，并使用在設(shè)備上創(chuàng)造的本地數(shù)據(jù)。圖6：AI模型催生邊緣智能AIAI需求刺激邊緣側(cè)邊緣智能化AI邊緣化行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告6生成式AI能夠自生產(chǎn)數(shù)據(jù)，對傳輸?shù)拳h(huán)節(jié)有更高要求。當下AI模型的繁榮不僅為生活方方面面帶來了便利，但我們認為最本質(zhì)的變化核心在于數(shù)據(jù)量的不同。傳統(tǒng)AI或機器學習下，數(shù)據(jù)更多來自下游設(shè)備/終端產(chǎn)生的實時數(shù)據(jù)，這也是邊緣計算興起的充分條件。但生成式AI不僅讓終端設(shè)備產(chǎn)生更多數(shù)據(jù)，更是會通過自生成源源不斷生產(chǎn)新的數(shù)據(jù)要素，對云端有更高要求的同時也更強調(diào)了傳輸交互、終端處理能力的全方位升級。從數(shù)據(jù)生成—處理環(huán)節(jié)拆分看，傳統(tǒng)云計算較難解決以下幾個問題：.成本：深度學習模型在云端的訓練和推理需要設(shè)備或用戶將大量數(shù)據(jù)傳輸?shù)皆贫?。這會消耗大量的網(wǎng)絡(luò)帶寬。.可靠性：大多數(shù)云計算應(yīng)用程序依賴無線通信和骨干網(wǎng)絡(luò)將用戶連接到服務(wù)。對于很多工業(yè)場景來說，即使在網(wǎng)絡(luò)連接丟失的情況下，智能服務(wù)也必須保持高可靠性。智能制造、自動駕駛汽車、智慧城市等領(lǐng)域至關(guān)重要。在某些情況下，甚至可能無法傳輸敏感數(shù)據(jù)。我們認為邊緣智能有望將生成式AI盡可能從云端推向邊緣側(cè)，并具備以下優(yōu).低延遲：深度學習服務(wù)部署在靠近請求用戶的位置。這顯著降低了將數(shù)據(jù)發(fā)送到云進行處理的延遲和成本。.隱私保護：由于深度學習服務(wù)所需的原始數(shù)據(jù)本地存儲在邊緣設(shè)備或用戶設(shè)備本身而不是云端，因此隱私得到了增強。.提高可靠性：去中心化、分層的計算架構(gòu)提供更可靠的深度學習計算。.可擴展的深度學習：邊緣計算憑借更豐富的數(shù)據(jù)和應(yīng)用場景，可以促進深度學習在各行業(yè)的廣泛應(yīng)用，推動人工智能的采用。.商業(yè)化：多元化、有價值的深度學習服務(wù)拓寬了邊緣計算的商業(yè)價值，加速其部署和增長。行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告7圖7：云計算、邊緣計算、邊緣智能各項能力比較邊緣計算邊緣智能云計算性能由弱到強多樣化規(guī)?；鄻踊杀究煽啃猿杀具吘売嬎阃珹I具有天然適配性，二者結(jié)合的邊緣智能可加速AI發(fā)展。一般情況下，邊緣計算旨在協(xié)調(diào)海量終端設(shè)備與服務(wù)器處理就近生成數(shù)據(jù)，而AI則通過挖掘數(shù)據(jù)中相關(guān)性來模擬人的行為。我們認為從AI算法演進角度看，驅(qū)動因素主要有以下4種：算法、數(shù)據(jù)、硬件及應(yīng)用場景。我們認為雖然算法和硬件對于AI的發(fā)展是最為直觀的，但數(shù)據(jù)及應(yīng)用場景的作用卻大都被忽視。應(yīng)用場景的不同會使數(shù)據(jù)格式千差萬別，傳統(tǒng)邊緣計算具備一定的基礎(chǔ)數(shù)據(jù)處理能力，但仍對模型準確性有所依賴，大量數(shù)據(jù)仍然需要依靠云數(shù)據(jù)中心完成訓練。邊緣智能多集中在推理階段。我們認為未來的邊緣智能主要側(cè)重于提升模型推理階段同用戶間的交互性能，模型訓練依舊主要交由云上數(shù)據(jù)中心完成。但我們認為不同于邊緣計算的是，邊緣智能并非必須強調(diào)模型已擁有完全的訓練能力，因為邊緣智能本身可以通過獲取設(shè)備終端、網(wǎng)絡(luò)節(jié)點資源進行自我推理更新。一定程度上，邊緣智能更像是當下流行深度神經(jīng)網(wǎng)絡(luò)中的計算節(jié)點。本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告8圖8：邊緣智能與AI神經(jīng)網(wǎng)絡(luò)層級聯(lián)系我們認為未來隨著邊緣智能的興起，數(shù)據(jù)安全和隱私保護成為了重要議題。邊緣設(shè)備由于分布在網(wǎng)絡(luò)邊緣，可能面臨更多的安全威脅。為了應(yīng)對這些挑戰(zhàn)，邊緣智能需要采取更加嚴格的安全措施，包括數(shù)據(jù)加密、訪問控制和安全更新等。同時，邊緣智能的安全管理也需要集成到整體的網(wǎng)絡(luò)安全架構(gòu)中，確保從云端到邊緣的全方位保護。我們認為邊緣智能相對傳統(tǒng)云計算與邊緣計算更加“去中心化”，面臨更多安全隱患。邊緣智能環(huán)境下，數(shù)據(jù)更加集中于終端設(shè)備，不僅無法受益于云數(shù)據(jù)中心安全保護，相反由于邊緣智能本身也在實時產(chǎn)生新數(shù)據(jù)集，終端設(shè)備或許面臨更大安全威脅?！傲阈湃巍笔菓?yīng)對邊緣智能安全的較好選擇。零信任通過驗證每個訪問資源的請求確保終端設(shè)備安全性能，主要包括身份和訪問管理、威脅檢測與響應(yīng)等。通常對于中型邊緣智算系統(tǒng)而言，零信任軟硬件系統(tǒng)成本約1~5萬美元/年。行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告93相關(guān)公司梳理公司正加速向邊緣計算時代邁進。公司CDN業(yè)務(wù)已從最初的靜態(tài)內(nèi)容加速，升級為動態(tài)加速、安全加速。公司正逐步將CDN節(jié)點升級為具備存儲、計算、傳輸、安全功能的邊緣計算節(jié)點，在戰(zhàn)略層面做好長期的技術(shù)積累，為產(chǎn)業(yè)成長提供基于邊緣的基礎(chǔ)設(shè)施能力、應(yīng)用服務(wù)，以及行業(yè)解決方案。目前，公司已推出網(wǎng)宿邊緣計算平臺ECP，基于全球廣泛分布的節(jié)點資源，融合計算、網(wǎng)絡(luò)、存儲等核心能力構(gòu)建的邊緣計算平臺，就近為用戶提供邊緣算力等服務(wù)。包括：邊緣云主機：基于公司邊緣節(jié)點和網(wǎng)絡(luò)，在靠近用戶側(cè)為客戶提供彈性、穩(wěn)定、安全的邊緣計算服務(wù)，幫助客戶便捷高效地實現(xiàn)業(yè)務(wù)下沉，顯著降低計算時延和成本。適用于視頻直播、視頻監(jiān)控、在線教育等場景。邊緣云容器：基于公司邊緣計算平臺推出的分布式Serverless容器運行服務(wù)，配備海量帶寬和優(yōu)質(zhì)網(wǎng)絡(luò)傳輸?shù)然A(chǔ)資源，利用基于kubernetes的無服務(wù)器容器技術(shù)，為客戶提供邊緣一站式服務(wù)托管。適用于邊緣數(shù)據(jù)預(yù)處理、彈性服務(wù)（比如電商促銷）等場景。邊緣存儲：基于公司豐富的邊緣節(jié)點資源打造，在靠近用戶側(cè)提供穩(wěn)定可靠的分布式存儲服務(wù)，為客戶提供實時可靠的數(shù)據(jù)存儲和訪問。滿足互動直播、視頻監(jiān)控、車聯(lián)網(wǎng)等場景下數(shù)據(jù)量大、低時延、低成本的存儲需求。邊緣應(yīng)用：致力于為用戶提供更快、更豐富的計算能力?；诠救蚍植嫉倪吘壒?jié)點提供算力服務(wù)，用戶將自己的業(yè)務(wù)邏輯運行在邊緣側(cè)，減少負荷和延時，滿足業(yè)務(wù)下沉的訴求。邊緣智能平臺（ECC，Lite基于公司強大的節(jié)點管理和調(diào)度能力，打造的一體化邊緣算力管理運維系統(tǒng)。ECCLite支持對各類架構(gòu)的邊緣算力設(shè)備進行極輕量納管，可將云上智能應(yīng)用、算法模型批量下發(fā)到業(yè)務(wù)現(xiàn)場，滿足用戶在邊緣側(cè)進行數(shù)據(jù)處理、分析決策、遠程管控等需求。2024年Worldometers預(yù)計東南亞“網(wǎng)紅”營銷市場規(guī)模將達到25.9億美元。根據(jù)海外社交媒體營銷機構(gòu)INSG.CO統(tǒng)計，截至2022年6月16日，東南亞社媒用戶高達4.82億人，占據(jù)總?cè)丝诘?0%以上，87%的東南亞人在社媒上花費的時間超過2小時，其人均上網(wǎng)時長已經(jīng)超過全球平均水平。其中菲律賓、馬來西亞、印尼的人均上網(wǎng)時長均超過9小時。根據(jù)INSG.CO統(tǒng)計調(diào)研，越來越多的東南亞品牌將TikTok作為繼Instagram之后的各品牌計劃加大投入的平臺。截至2022年4月，印尼共擁有9900萬TikTok用戶，成為僅次于美國的用戶第二多的國家。行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告10投資建議：我們看好公司在海外市場競爭力以及國內(nèi)短視頻巨頭出海潛力，同時我們認為公司CDN節(jié)點正逐步實現(xiàn)全球化布局，并具備邊緣GPU計算能力，預(yù)計公司23-25年實現(xiàn)歸母凈利潤5.5/6.9/10.1億元，對應(yīng)2024年03月19日收盤價P/E44/35/24x，維持“推薦”評級。表1：盈利預(yù)測與財務(wù)指標加大AIDC投入，引領(lǐng)算力中心升級。隨著“雙碳”戰(zhàn)略的深入實施，AI應(yīng)用繁榮帶動算力需求快速增長，AI服務(wù)器功耗大幅提升直接帶動單機柜功率密度提升，液冷技術(shù)或?qū)⒊蔀橹饕蛇x的散熱方式。2023年7月公司已交付業(yè)內(nèi)首例整棟純液冷智算中心。廊坊數(shù)據(jù)中心A區(qū)約7萬架機柜計劃將于2023年全部交付投運，同時啟動廊坊數(shù)據(jù)中心B區(qū)建設(shè)，長三角、粵港澳大灣區(qū)（惠州和佛山兩地）、成渝經(jīng)濟圈的園區(qū)級數(shù)據(jù)中心也計劃將于2023年陸續(xù)交付投運。從2023年開始，公司邁入了從1個到多個園區(qū)級數(shù)據(jù)中心齊頭并進貢獻收入的新階段，公司上架機柜總量和單機柜功率持續(xù)提升，以及上架率的快速爬升將帶來業(yè)績的穩(wěn)步增長。除此之外，公司正逐步對低功率機柜進行升級改造，加快推進高密機柜和液冷機柜應(yīng)用，向智算中心和超算中心快速演進，形成數(shù)據(jù)中心、智算中心和超算中心融合的綜合算力中心。邊緣智算下，安全面臨隱患，公司具備較大優(yōu)勢。我們認為邊緣智算會有較多數(shù)據(jù)流經(jīng)過，數(shù)據(jù)隱私、安全性問題不容忽視。公司重視信息安全、網(wǎng)絡(luò)安全工作，從未發(fā)生過由于網(wǎng)絡(luò)安全原因?qū)е碌母黝愂鹿?。在股?quán)架構(gòu)方面，實際控制人持有較高控股比例，維護了控制權(quán)的穩(wěn)定性，央、國企背景股東積極參股投資，支持網(wǎng)絡(luò)安全建設(shè)。在業(yè)務(wù)經(jīng)營方面，公司通過與電信運營商合作，加強對終端客戶的合規(guī)性篩查，承接國家信息中心、國家市場監(jiān)督管理總局等國家部委客戶數(shù)據(jù)，督促公司對網(wǎng)絡(luò)安全和數(shù)據(jù)安全相關(guān)標準保持高度重視。公司具備較強的網(wǎng)絡(luò)安全優(yōu)勢，深受股東和客戶信賴。行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告114風險提示邊緣智能商業(yè)化落地速度不及預(yù)期。AI向終端滲透對于時延、成本及隱私性的要求較高，推理模型部署于邊緣端仍同AI算法迭代、硬件性能呈相關(guān)性。目前大模型直接部署于邊緣端仍存在一定困難，對于邊緣智能商業(yè)規(guī)模化存在限制。產(chǎn)業(yè)供應(yīng)鏈風險。當前邊緣智算核心零部件仍集中于頭部廠商，海內(nèi)外廠商均加速布局。若國際環(huán)境發(fā)生變動，或?qū)?yīng)鏈造成較大影響。行業(yè)動態(tài)報告/通信本公司具備證券投資咨詢業(yè)務(wù)資格，請務(wù)必閱讀最后一頁免責聲明證券研究報告12插圖目錄圖1：邊緣計算VS云計算 3圖2：全球數(shù)據(jù)中心數(shù)據(jù)流量 4圖3：全球邊緣計算市場規(guī)模 4圖4：全球邊緣計算市場結(jié)構(gòu)—按下游行業(yè) 5圖5：全球邊緣計算市場結(jié)構(gòu)—按地區(qū) 5圖6：AI模型催生邊緣智能 5圖7：云計算、邊緣計算、邊緣智能各項能力比較 7圖8：邊緣智能與AI