舜通智能了解到，“以前的数据很多都是结构化数据，可以通过Excel表格或者简单的关系型数据库对其进行维护和管理。但今后会有越来越多的非结构化数据需要进行处理并借此发现内在关联，这时就需要边缘计算和人工智能技术。”但张宇并不认为对边缘计算的强调，就意味着边缘计算将代替云计算，“在物联网从互联走向智能，再走向自治的过程中，两者是协同互补的关系，并非彼此取代。”
在他看来，边缘计算所处理的数据属于局部数据，并不能形成对于全局的认知，只有云计算平台才能在后端对从各种不同边缘采集到的数据进行融会贯通。例如在智能交通领域，尽管智能摄像头能够通过各种方法能够识别出行人、车型、颜色和车牌，但却不了解车的轨迹;在今年的双11活动中，天猫商城的销售峰值超过25亿/秒，如果没有云计算平台的支持，这是很难想象的。
不过在2012年以前，人工智能在做图像识别时的准确度是低于人类的。下图中，虚线代表人类识别水平，实线代表机器识别错误率。可以看到，2012年以前机器识别的错误率还是高于人类的，但呈逐渐下降趋势，2012年之后，随着AlexNet等神经网络的出现，人工智能水平出现了质的飞跃。
机器识别错误率正在逐年下降
但人工智能同样面临很多挑战，对计算和存储资源的巨大消耗就是其中之一。以百度搜索为例，它每完成一次搜索，就需要完成千亿亿次的计算;如果再进行推理，即使去处理一张224 X 224分辨率的图片，像AlexNet、GoogleNet这样的人工智能网络，计算量也要超过10亿次。
因此，张宇强调了在边缘侧趋向负载整合是物联网演进的一个必然趋势。原来在不同设备上分立的负载会越来越多地通过虚拟化等技术，整合到一个单一的高性能的计算平台上，来实现一个综合的复杂的功能，各个功能子系统既能分享设备提供的计算，存储，网络等资源，同时还能具有一定的独立性，避免彼此的相互影响，从而可以简化系统架构，降低系统总体。同时，负载整合实际上也为边缘计算的实现以及为实施人工智能的应用提供了条件。整合后的设备既是边缘数据的汇聚节点，同时也是边缘控制的中心，这为边缘智能提供了处理所需的数据，同时也提供了控制的入口。因此英特尔认为人工智能和负载整合的结合，会在今后的边缘计算的系统里发生。
閱讀更多 走向智能 的文章
