2023年将展示分布式计算的真正力量，其中的重要处理不是在云中的集中式服务器中进行，而是在网络“边缘”进行（我们所依赖的大部分数据都是在这里生成）。这将带来巨大的收益，不仅是在计算方面，而且也是在越来越多将要连接互联网的人们的生活方面。
边缘计算将是物联网成功的关键。
物联网设备——从智能手机和智能手表到嵌入设备和基础设施中的微型计算机——产生了大量的数据。这些数据将在云中进行处理，然后再将相关处理结果发送回设备，以指示其如何做出响应。但是，延迟（数据在互联网上两点之间传输所需的时间）使得这种设置对于时间关键型应用（例如医疗设备使用的应用程序）不可靠，例如，医疗设备使用的应用，这些应用需要几乎立即处理传感器数据并做出响应。此外，依赖云还限制了将物联网设备部署到几乎没有网络或网络连接不可靠的地方的可能性。
在2023年，我们将使用边缘计算来解决这些挑战，方法是将数据处理从中央服务器移到地理上更接近数据源的地方。我们将能够利用Nvidia和Intel等公司开发的专业加速器芯片组来做到这一点，这些芯片组能够运行相对先进的机器学习算法，而这些算法可以在设备本身上运行。这将把延迟降低到几乎为零。我们还在开发软件和硬件优化技术，例如模型量化，这将加速基于云的处理，从而进一步减少延迟。像这样的进步将有助于在全世界推广先进的物联网设备。
边缘计算还将使我们能够对数据进行更多的本地化控制。一种称为联合学习的技术允许在拥有本地数据样本的多个服务器或边缘设备之间训练算法，而不必共享或交换数据。这意味着可以处理敏感数据，例如医疗或专有信息，并在设备本身上保持安全。智能手机输入键盘就是这样一个已经在使用的例子，该键盘为设备上的每个人创建一个本地化的、个人的常用单词和短语库，同时仅将人工智能模型的摘要更改发送到云中进行处理。这使人工智能可以从用例中学习，但可以保护用户的隐私。
由于边缘计算减少了对连接性的依赖，因此它将使更多的人能够使用人工智能解决方案。这将对诸如撒哈拉以南非洲以及亚洲和南美部分地区等世界许多地区产生巨大影响，那里许多人面临着严重的互联互通问题。例如，边缘计算已经被用于帮助撒哈拉以南非洲国家的自给自足的农民。喀麦隆一家初创公司开发的Agrix-Tech应用在智能手机中使用摄像头和机器学习算法，以帮助农民识别农作物上的病虫害。
农民可以在田间立即获得这些信息，然后，当手机靠近互联网节点时，该应用将匿名数据输入云中，以进一步训练集中式算法。再加上将减少云延迟的新一代低轨道卫星，像这样的边缘计算应用将彻底改变这些地区人们的在线生活。
在2023年，我们将看到边缘计算在医疗、交通、工业、农业和家庭领域带来的更多突破。边缘计算以尽可能接近数据源的智能方式处理数据的能力，将创造一个能够为全球大众带来实际好处的伟大物联网。
