據(jù)英國《經(jīng)濟(jì)學(xué)人》報(bào)道， 一些聯(lián)網(wǎng)的設(shè)備配備一些傳感器，收集各種信息，發(fā)送給制造商用于分析。它們好似一個(gè)數(shù)字的吸塵器，在以平均兩倍的速度增長。慕尼黑的創(chuàng)業(yè)企業(yè)Bragi開發(fā)的無線耳機(jī)卻并不如此。他們保留了大部分收集的信息（如穿戴者的生命體征），在本地?cái)?shù)據(jù)處理。該公司首席執(zhí)行官Nikolaj Hviid說：“這些設(shè)備會(huì)越用越聰明。”
Bragi的耳塞可謂在科技行業(yè)重大轉(zhuǎn)變中處于最前沿地位。近年來，越來越多的計(jì)算開始進(jìn)入“云”狀態(tài)，即大數(shù)據(jù)中心網(wǎng)絡(luò)。不過，鐘擺開始擺動(dòng)：計(jì)算正趨于本地網(wǎng)絡(luò)和智能設(shè)備的那一“邊”。
隨著2010年代初云計(jì)算的興起，這一轉(zhuǎn)變將掀起浪潮。與眾多現(xiàn)有的硬件制造商一樣，許多創(chuàng)業(yè)企業(yè)也試圖把握此次潮流。 不過，他們真正爭奪的是本地網(wǎng)絡(luò)和智能設(shè)備這一邊——即“物聯(lián)網(wǎng)”（IoT），眾多相互連續(xù)的設(shè)備的統(tǒng)稱——的控制。亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）、微軟和其它大型云供應(yīng)商是否會(huì)設(shè)法擴(kuò)大其影響力？ 或者說，這是否是包括工廠（及其他）設(shè)備制造商在內(nèi)不同公司的職權(quán)范圍？
商業(yè)計(jì)算自20世紀(jì)50年代誕生以來，在集中化和分散化之間搖擺不定。直到20世紀(jì)70年代，商業(yè)計(jì)算還局限于大型計(jì)算機(jī)。小型計(jì)算機(jī)在20世紀(jì)八九十年代問世后，商業(yè)計(jì)算變得更加分散：個(gè)人電腦可以訪問應(yīng)用程序，而應(yīng)用程序位于企業(yè)數(shù)據(jù)中心（即“客戶機(jī)-服務(wù)器”系統(tǒng)）中的電腦里。但隨著2000年代“云”的興起，商業(yè)計(jì)算又變得集中了。每個(gè)時(shí)代都有一批新公司躋身前列，但榜首只有一個(gè)：大型機(jī)為IBM，個(gè)人電腦為微軟，云計(jì)算為AWS.
計(jì)算再次變得分散化的一個(gè)原因是更先進(jìn)的技術(shù)的出現(xiàn)。從智能手機(jī)到工廠車間里的機(jī)械設(shè)備，處于邊緣地帶的設(shè)備變得越來越智能。在配備了性能強(qiáng)大的處理器后，現(xiàn)在的設(shè)備可以解決幾年前一個(gè)服務(wù)器滿負(fù)荷運(yùn)行才能解決的計(jì)算問題。軟件變得更加靈活，也可以運(yùn)行良好?，F(xiàn)在許多應(yīng)用都“虛擬化”了，即不依賴于任何特定類型的硬件，代碼可以打包在數(shù)字“容器”中，在數(shù)據(jù)中心內(nèi)便捷傳輸。這離“邊緣”更近了一步。
對(duì)于邊緣地帶的計(jì)算的需求也在增長，而且往往出于非技術(shù)層面的原因。許多國家的法律要求數(shù)據(jù)不得出境，甚至是企業(yè)外部。企業(yè)既希望使用數(shù)據(jù)又擔(dān)心泄漏，往往傾向于將信息保留在自身內(nèi)部。就消費(fèi)者而言，他們關(guān)心隱私，這正是Bragi希望通過“自給自足式”耳機(jī)解決的問題。
科技行業(yè)的主流觀點(diǎn)是大部分?jǐn)?shù)據(jù)最好在云端集中處理。然而，由于許多新應(yīng)用程序運(yùn)行迅速，這一觀點(diǎn)也難以立足。據(jù)估計(jì)，無人駕駛汽車每小時(shí)可產(chǎn)生25G的數(shù)據(jù)，比高清視頻流多出近30倍。再加上發(fā)回的駕駛指令，在如此龐大的數(shù)據(jù)上傳之前，汽車可能早就撞上了某個(gè)竄出在馬路上的行人。
另一個(gè)考慮是經(jīng)濟(jì)性的調(diào)整。調(diào)整越快收入就會(huì)越多，如優(yōu)化工廠機(jī)器運(yùn)行。這意味要在獲取數(shù)據(jù)時(shí)第一時(shí)間進(jìn)行分析，而這一環(huán)節(jié)要在本地完成。這也能省去云端傳輸、存儲(chǔ)和處理數(shù)據(jù)的成本。
伯恩斯坦研究公司（Bernstein Research）的皮埃爾。費(fèi)拉格（Pierre Ferragu）解釋稱，這些束縛表明使用人工智能的服務(wù)越來越多地分裂成兩個(gè)部分，就像客戶端和服務(wù)器程序一樣。例如，無人駕駛汽車的算法首先要在云端數(shù)百萬英里的駕駛數(shù)據(jù)中進(jìn)行訓(xùn)練，才能部署在汽車?yán)镄阅軓?qiáng)大的電腦里，通過分析實(shí)時(shí)數(shù)據(jù)來駕駛汽車。同樣，許多監(jiān)控?cái)z像機(jī)現(xiàn)已配備云端訓(xùn)練的面部識(shí)別軟件。蘋果最新款的的iPhone也是如此。 去年11月，谷歌宣布對(duì)其人工智能系統(tǒng)TensorFlow進(jìn)行升級(jí)——這個(gè)系統(tǒng)能允許開發(fā)人員將算法部署到移動(dòng)設(shè)備上。
不過，Swim首席技術(shù)官Simon Crosby認(rèn)為，在許多情況下，算法的訓(xùn)練必須在本地進(jìn)行，人工智能程序才能具有商業(yè)價(jià)值。例如，在硅谷Palo Alto的十字路口，交通信號(hào)燈每天產(chǎn)生4TB的數(shù)據(jù)并發(fā)送給云計(jì)算提供商進(jìn)行處理，每月將花費(fèi)數(shù)千美元。Swim新研發(fā)的系統(tǒng)，在數(shù)據(jù)產(chǎn)生時(shí)就對(duì)其進(jìn)行分析，完成同樣的任務(wù)只需幾百美元。