2023年以来，ChatGPT等GPT模型相继问世，一方面推进了智能时代的飞速跃进，另一方面则对AI算力提出了紧迫的需求。

　　GPT时代，我们用什么样的方法来解决这种爆炸式增长数据带来的压力呢？算力告急，兼具时延与安全等优势的边缘计算能否成为解决AI算力紧张的一张“王牌”吗？

　　随着边缘运行的应用呈指数级增长，越来越多的实时性数据分析处理需求使其成为企业数字化业务转型的下一个前沿。近日，戴尔科技集团在上海正式启动戴尔边缘创新联合实验室。戴尔科技集团全球资深副总裁吴冬梅向上海科技表示：

　　“我们很早就关注到了边缘创新，在四年前就做了相关战略规划。我们在业务场景中发现，在离数据产生最近的地方立刻加速应用、创新，让它发挥价值，这是数据最快速、高效的应用。”

　　Gartner预测，到2025年，75%的企业级数据将在边缘产生，而目前该比例仅为10%。另据IDC预测，到2023年，50%的企业级IT基础架构将部署在边缘，到2024年，90%的企业业务将部署在边缘。

　　公开数据表明，过去三年戴尔科技全球的研发投入达79亿美元，其中有2.8万多项技术专利。“我们希望成为数据时代最不可或缺的解决方案的供应商之一。”

　　随着数字化、去中心化趋势的发展，边缘计算这几年很热门。但事实也正因为“边缘数据”是远离数据中心的，在这种情况下“边缘”也遇到了一些困难，比如非规范标准的IT环境等。

　　“有困难但极具价值的事我们必须去做，于是，我们就成立了这样一个创新联合实验室。”

　　疫情之后，吴冬梅和团队拜访了很多客户，了解到，其实客户关心是四个字——降本增效。可以说大量的边缘智能应用场景都是出于这个目标需求。

　　“原来的质检，大家看到就是小电器后面有一个小圆圈写的‘检’字或者编号，这个就表明是人工检验的。未来，包括戴尔科技自己都可以通过人工智能的方式自动实现机器检测，节省大量的人力。我们聚集了第一批的合作伙伴，未来，我们毫无疑问一定能扩大合作伙伴还有其他的生态伙伴，加大制造业、智能城市、智能零售等行业应用。”

　　以上海洪朴信息科技有限公司的边缘AI光伏组件缺陷检测系统为例。在高端精密制造领域，质检环节往往成为工厂智能化建设的短板。由于产品检测的复杂度特别是视觉技术的难度，大量质检工作还停留在人工目检的阶段。以光伏产业为例，中国目前已成为全球最大的光伏产品生产地，光伏组件生产过程常见缺陷就有20多种。传统产线采用的自动光学检测技术，实际应用过程中存在误报率高、漏检、复杂和不规则等技术缺陷。洪朴与戴尔科技携手提供的AI缺陷检测解决方案，在戴尔AI基础设施层提供的AI算力与数据平台基础上，以最新的AI机器视觉技术实现工业产品的表面缺陷检测。光伏电池片/电池串/组件经设备拍出照片后，由部署在AI计算平台上的智能识别系统进行自动缺陷检测识别。同传统光学检测技术相比，AI质检的误报率与漏报率更低，检测结果更加稳健，为用户节省大量的产品质检人力投入并降低工作负荷。

　　“对于戴尔边缘创新联合实验室而言，我们希望合作伙伴和生态都是多样性的，不管是从行业上还是应用场景上，同时，横向的技术堆栈也要非常丰富，这样才能提供真正的端到端解决方案。当客户有需求的时候，能在我们的生态系统里找到能满足其真正业务需求的交付。”

　　“最核心的是我们的研发和创新，其实就是算力和数据的处理能力。”吴冬梅说。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。