據外電報道，亞馬遜已達成協議，以 8000萬美元現金收購芯片制造商和 AI 模型壓縮公司Perceive ，Perceive 專注于在邊緣設備上提供大型人工智能模型的技術，這些硬件通常在網絡邊界上以有限的功率、處理、連接和存儲運行。

亞馬遜發言人表示：對 Perceive 的收購建立在其對邊緣技術和定制硅片的現有投資之上，旨在提高其設備的性能和速度，以及其在大型語言模型和多模式體驗方面的努力。

根據市場調研機構Gartner的預測，到2025年，75%由企業生成的數據將在傳統數據中心或云之外進行創建和處理。到2026年，50%的邊緣部署將涉及機器學習，而86%的邊緣開發人員將瞄準基于人工智能的應用程序。Sachin Katti認為，全球邊緣計算市場蘊含著高達4450億美元的市場機會?。這一預測基于邊緣計算技術的快速發展和應用場景的擴大，預示著邊緣AI市場將迎來顯著增長。

而邊緣 AI 在各行業場景中的落地依賴算法，算法的高定制化、高成本和精準度是三大難題，用戶需求不少，真正能起量的場景屈指可數，市場需求的定制化是無法改變，如何在定制化和成本之間找到最佳的平衡點？行業人士認為答案就是 AI 大模型，大模型能夠從根本上解決 AI 算法精準度和定制開發的成本問題，的確隨著 AI 大模型的不斷進化，AI 在千行百業的落地都充滿期待。

目前大多數 AI 算法實際上是一個算法小模型，一個模型解決一個問題，所以高度定制化，隨便一個需求，都得經歷從收集數據——標準數據——訓練模型——改進模型—— 部署模型的復雜流程，就像個嬰兒一樣，開發時間長，效率低，成本高。而大模型本身就是個大學生或研究生，我只需要給它簡單培訓下就可以上崗，給點提示，少量實例，加上些微調，就可以部署到場景，快速、精準、成本低。這是大家都看好大模型能解決目前難點的理由。大模型在邊緣設備的落地有巨大市場空間和需求，而大模型在邊緣設備的落地需要芯片算力和技術支持，這也是亞馬遜看好Perceive，并斥巨資收購的原因。

AIoT星圖研究院《2024邊緣計算行業分析報告》將于2024.8.28下午在“IOTE 2024深圳·邊緣計算產業生態大會”上正式發布，將與行業人士一起更深入多維度探討邊緣計算在細分場景的應用與行業現象。

更多有關邊緣計算的產業動態與發展趨勢，敬請關注視覺物聯8月28日下午在深圳國際會展中心（寶安）舉辦的“IOTE 2024深圳·邊緣計算產業生態大會”，屆時將與行業人士一起更深入地從多維度探討邊緣計算產業的市場現狀及未來趨勢。