边缘计算本质上是一种靠近数据源与终端应用部署的分布式计算基础设施。随着AI与通信技术的快速迭代，算力需求呈指数级增长，推动计算能力建设大规模扩张。与此同时，终端侧催生出更加丰富且多样化的应用场景，对计算时延、带宽成本和数据合规提出了更高要求。

边缘计算的重要性体现在以下几个关键维度：

低时延保障：在自动驾驶、工业机器人等时延敏感型场景中，毫秒级的响应延迟可能导致系统性灾难。边缘计算通过本地化处理，能够提供毫秒级的实时响应能力。

带宽成本优化：海量数据上传至云端处理将产生高昂的传输费用。在本地完成数据预处理与初步分析，可大幅削减带宽开销。

数据合规与隐私保护：日益严格的数据主权法规要求个人或敏感数据不得随意出境。边缘计算使数据在本地完成“消化”与决策，天然满足合规性要求。

带宽瓶颈突破：数以亿计的物联网设备持续产生数据洪流，若全部回传云端，将对骨干网络造成不可承受的带宽压力。

从第一性原理出发，算力从云端向边缘和端侧下沉，是应对“数据爆炸 vs带宽有限、时延敏感 vs云端遥远”这一根本矛盾的结构性解决方案。

根据《AI Edge需求、愿景与潜在关键技术白皮书》的定义，AI Edge是面向智能应用的综合移动信息服务基础设施，基于开放性可编程统一算力架构，同时实现以下三大核心功能：

移动边缘信息服务：将算力下沉至边缘节点，为终端设备提供低时延计算服务。

网络功能虚拟化（NFV） ：将传统依赖专用硬件的网络功能（如路由、防火墙等）以软件形式部署于通用服务器，实现硬件功能的软件化。

网络内生AI与自治：将AI能力内置于网络底层架构，使网络具备自我配置、自我优化、自我修复的自治能力。

 AI Edge的定义和三大功能

来源：《AI Edge需求、愿景与潜在关键技术白皮书》

为实现上述功能，AI Edge需具备以下三大关键特征：

共享化：将来自CPU、GPU、NPU、FPGA等不同硬件的异构算力汇聚为统一的算力底座，通过统一的调度与协同管理机制，实现算力的弹性分配与共享，显著提升整体算力利用率。

可扩展：在纵向维度上，实现云端、边缘与端侧算力的高效协作与分层管理。通过计算任务的合理拆解，贯通云、边、端三级的异构算力资源与大小AI模型，根据任务的算力需求与时延要求，实现AI模型的弹性分配与深度协同。

层级化：借助信道基础模型（如WirelessGPT）对复杂无线环境进行精准表征与建模，按需实现从毫秒级到秒级的实时、近实时与非实时的分层自主管控。具体而言：在物理架构上，实现“云—边—端”三级分工明确的协同体系；在逻辑功能上，实现“感知—分析—决策—执行”的智能递进闭环；在管理调度上，实现统一编排与分层自治的结合；在生态构建上，实现软硬件栈的分层解耦与协同演进。

 AI Edge的三大特征

来源：《AI Edge需求、愿景与潜在关键技术白皮书》

AI Edge的规模化部署将极大丰富终端应用场景，为各行各业带来质的改变与效率提升。按技术特征可归纳为以下三类：

低时延闭环控制类：工业机器人与智能制造、智能驾驶与车路协同、具身机器人训练场。此类场景要求毫秒级响应，必须依赖边缘侧实时决策。

广域泛在感知类：智慧能源与电网调度、智慧农业与无人农机、低空无人机通信与监管、智慧体育。此类场景设备分布广、数据量大，需在边缘完成数据汇聚与初步分析。

沉浸式交互类：应急通信与保障、沉浸式扩展现实（XR）。此类场景对带宽与同步性要求极高，边缘计算可有效降低回传压力。

以工业制造为例：产线设备上部署视觉、力感、温湿度等多种传感器，全面采集物料、设备、人员及环境的实时参数。边缘计算节点基于这些实时数据，对机器人进行动态调配——将物料精准配送至对应工位、根据工艺溶液分析结果自动补充试剂、依据客户交期与物料库存实时调整生产计划。AI Edge有效解决了传统制造中“感知局限、响应迟缓”的痛点，显著提升了感知精度与响应时效，使生产现场能够基于实时参数进行现场决策。

终端应用场景的丰富化与智能化，直接驱动了感知需求与计算需求的增长，进而带来全新的PCB需求。同时，算力升级推动芯片迭代，进一步提升了PCB的设计与制造难度。

在自动驾驶领域：超声波雷达、毫米波雷达、激光雷达等传感器正加速应用于新能源汽车，且数量随自动驾驶等级提升而持续增加。域控制器承担端侧实时计算任务（若依赖云端往返，时延将严重影响系统性能）。当前，汽车中控PCB已达14层、5阶HDI设计；智能座舱域控制器则采用M6材料、anylayer叠构以及2mil/2mil的线宽线距设计。这些技术演进，正是AI Edge趋势下硬件端落地的真实写照。

据业内专家预测，随着AI应用重心从模型训练逐步转向推理部署，基础设施建设日趋完善，边缘AI将加速落地。AI Edge市场规模预计将从2024年的约210亿美元增长至2034年的约1430亿美元，年复合增长率达21%。

这一快速增长的市场，将带动PCB行业在需求规模与产品设计上的双重变革，并辐射至多个下游产业。值得关注的是，AI基础建设所带来的巨大利润当前主要集中于行业头部企业，而AI Edge所覆盖的领域更为广泛、产业链条更长，有望为更多参与者提供差异化的发展机遇。

 Edge AI 市场规模

来源：《因应AI系统成长PCB供应链的机会与挑战》

文章参考来源：

AI Edge联盟. (2026). AI Edge需求、愿景与潜在关键技术白皮书。

欣兴电子（演讲者 曾子章先生）《因应AI系统成长PCB供应链的机会与挑战》

声明：文章内容整理自网络公开素材，版权归原作者平台所有，仅用于信息分享，如有侵权请联系删除。