物联网设备在疯狂增长，预计到2020年全球物联网设备数量将达到204亿，同时，这些设备也在以超乎我们想象的速度产生数据。以智能摄像头为例，随着摄像头的分辨率从1080P转向4K，其一天所采集到的数据量将达到200GB。同样，智能医院、自动驾驶和智能工厂，它们一天所产生的数据将分别超过3TB、4TB和1PB。有人预测，到2020年，一个互联网用户平均每天将产生的数据量大概是1.5GB。由此可见，世界正在面临着汹涌澎湃的数据洪流。
如果将源源不断产生的数据全部传输到云端，云端服务器将面临巨大的存储压力，因此有人提出了边缘计算的解决方案。所谓边缘计算，是一种在物理上靠近数据生成的位置处理数据的方法。在2017边缘计算产业峰会上，英特尔中国区物联网事业部首席技术官张宇博士分享了如何在网络边缘实现智能化，是驾驭数据洪流的关键环节之一，也是物联网未来发展的重要趋势。他表示，“在物联网时代，随着数字化的转型，它需要更敏捷地连接、更有效地数据处理，同时要有更好地数据保护。由于边缘计算能够有效的降低对带宽的要求，能够提供及时的响应，并且对数据的隐私提供保护，因此边缘计算在今后物联网的发展过程中会起到非常重要的作用。”
英特尔中国区物联网事业部首席技术官-张宇博士
边缘计算不会替代云计算，二者会实现互补
既然边缘计算如此重要，这是否意味着它可以替代云计算?张宇强调，“边缘计算不会代替云计算，二者之间会实现互补。因为边缘计算所处理的数据是个局部的数据，并不能形成对于全局的认知。这些认知的形成还需要云计算平台，在后端对各种不同的边缘采集到的数据进行融会贯通。”
他列举了智能交通领域和双十一的例子，智能摄像头通过各种智能方法能够识别出摄像头前经过的各种人，以及对车辆的车型、车的颜色、车款以及车牌的识别，但是并不能了解车的轨迹。如果要形成车辆的完整轨迹，还是需要有云计算平台的支持。双11天猫商城上销售峰值超过25亿/秒，如此大量的计算也需要一个很大的云计算平台在后面支撑。
张宇博士认为，物联网发展可以分成三个阶段：互联、智能、自治。物联网系统发展到自治阶段同样是端到端的一个系统，边缘计算和云计算二者之间会协同工作。
人工智能和负载整合的结合会在边缘计算系统里发生
分析数据洪流你会发现，以前需要处理的数据很多都是结构化数据，通过Excel表格或者简单关系型的数据库就可以对其进行维护和管理。但今后，物联网会带来越来越多的非结构化数据，我们要从非结构化的数据中发现内在的关联，就需要用到人工智能技术。
人工智能的识别率越来越高
在2012年以前，人工智能做图像识别的准确度低于人类。虚线的部分代表人的识别水平，这样一个曲线代表机器识别的错误率。到2012年，AlexNet等一大批新的人工神经网络的出现，使得人工智能的水平上了一个新档次。在人工智能新技术的推动下，机器进行图像识别的水平开始超过人类。
虽然人工智能现在已经取得了非常大的突破，但同样还面临着很多挑战。最大的就是，人工智能在进行处理时，还需要消耗大量的计算资源和存储资源。以百度搜索为例，要完成一次搜索需要完成千亿亿次计算，在推理阶段即使去处理一个非常典型的224×224分辨率的图片，像AlexNet或者是GoogleNet这样一些人工智能网络，处理起来计算量同样是要超过10亿次。如此大量的计算，需要一个很强大的计算芯片支撑，所以说，人工智能的发展实际上对芯片提出了更高的要求。
在芯片研制的过程中，芯片的工艺是决定性因素，英特尔是摩尔定律的创始者，也是摩尔定律的践行者。从22纳米到14纳米，从14纳米到10纳米的过程中，从半导体晶体管的密度变化来看，密度增长速度实际超过2倍，虽然英特尔的工艺迭代时间延长了，但是从更新速率来看，仍然是按照摩尔定律的速度向前发展。摩尔定律还在不断推动半导体工艺的进步，同时为人工智能等新的计算模式提供源源不断的计算力。因此，人工智能的应用对边缘计算提出了更高的要求，对边缘计算设备的演进起到了推动作用。