Morgan Stanley 极为看好边缘 AI 的市场空间潜力，对比云计算的 17% 的 CAGR 年复合增长率，边缘 AI 在 2023 ~ 2030 的 CAGR 可达 37%。

预计到 2030 年，边缘 AI 的总目标空间为 1.8 万亿美元，会超过云计算的 1.6 万亿美元。

当前，30 亿参数的 “小模型“ 的性能已经达到最开始 ChatGPT 所使用的 1750 亿参数模型的效果。这得益于更好的压缩技术（distillation 蒸馏、quantization 量化等），以及更高质量的训练数据。

这个小型化过程会带来显著的好处：边缘侧和端侧通常算力是有限的，没办法部署大模型，但小型的模型如果性能够，就可以用的起来。（而边缘和端侧等低延迟特性就可以发挥起来了）。

与此同时，我们也想到了另一个问题，甲方企业 CIO 的难题。通常一个 IT 项目从立项招标到部署应用，起码要耗费几个月，甚至更久的时间。而模型改进（如下图所示）是以月为单位进步的，

Tech Insights 认为 2025 年会有更多 AI 芯片和 SoC 的小型化。

从价值 200 万美元的数据中心加速器，到笔记本电脑的 SoC （价值 200 美元），甚至边缘计算设备（价值 20 美元）。

大型互联网公司（Hyperscaler），尤其是公有云服务商，在算力资源的投资和技术力量已经处于强势的地位。针对大型互联网公司和电信运营商的业务合作，哪些领域相对成熟呢？

根据 STL Partners 2022 年针对电信行业及电信运营商（Telco）的调研，网络边缘计算和 LTE/5G 专网是排名靠前的选项。

针对边缘计算侧 AI 和 ML 应用的重要性，GSMA 针对网络设备商、移动运营商、云服务商、IoT 服务和集成商和汽车制造商进行了调研。

从整体看，大致五分之一的反馈认为 AL 和 ML 在边缘计算的应用很重要，其中汽车制造业的反馈最高（28%）。

附图来自 GSMA 在 2023 年的边缘计算调研，针对全球运营商、网络设备商、云服务商、IoT 系统集成商和汽车制造企业。

围绕那个垂直行业领域是调研对象的 “边缘计算应用当前的第一选择”，32% 的反馈是消费者电子，其次是媒体（17%）和零售（10%）。

针对五年后的想法，消费电子（22%）、媒体（20%）仍然位居前两位，交通和汽车提升到第三位（14%）。

451 Research 把计算节点的位置划分为 Core（核心节点）、Near Edge（近边缘）和 Edge（边缘）。

此处的 Near Edge 主要指运营商大网边缘侧的 MEC、小型数据中心、公有云服务商的 Local Zone。Edge 主要指企业私网内或者具体客户侧网关位置。

围绕每个位置的能耗（侧面也反映了所承载的计算负载），Near Edge 是比例增长最大的部分，2022 年 Near Edge 占了 40% 比例，2027 年会提升到 50%。

MEC（移动边缘计算）是从移动网络角度出发的边缘基础设施，位于移动网络的边缘位置。

OMDIA 咨询公司认为，从 2022-2032 年全球 MEC 基础设施的开支将保持 26% 的年复合增长率。预计到 2032 年会突破 70 亿美元，其中硬件会占到三分之一，虚拟化软件部分占比 40% 左右。

基于这些 MEC，更 “上层” 的 IaaS 和 PaaS 的市场空间可达 200 亿美元。

OMDIA 咨询公司认为，企业侧的订阅用户中，5G 占比会从 2023 年的 13% 提升到 2027 年的 57%。

企业侧边缘计算收入空间会从 2023 年的 1,160 亿美元提升到 2027 年的 2,450 亿美元。

附图来自 Mckinsey，其在 2022 年对北美和欧洲电信运营商管理层的调研，围绕边缘计算 Edge Computing 的应用场景。

四分之一的运营商已经部署，或正在积极计划扩大边缘计算。超过一半的受访高管（55%）表示，其主要目标是提高网络效率和性能。

排名 Top 3 的用例 Use Case 是：(1) 视频监控；(2) 检测和故障处理；(3) 增强现实 AR。