问题——数字化进程加速的背景下，越来越多应用对“实时决策、稳定运行、数据安全”提出更高要求。传统以云端集中处理为主的模式虽然算力强，但在网络波动、带宽受限和隐私合规等约束下，往往难以实现毫秒级响应、保障关键业务连续性，也难以满足敏感数据就地保护的需求。尤其在工业控制、能源调度、无人化作业、低空安全等场景中，决策链路一旦过长，不仅影响效率，还可能带来安全隐患。如何让智能更贴近现场和设备，正成为新一轮技术演进的焦点。 原因——从技术路线看，国际电信领域对6G的探索强调“通信与智能深度融合”，核心在于把智能作为网络的内生能力，推动算力、算法与数据在网络边缘协同运行。另外，终端传感器普及、数据规模快速增长，“数据在边缘产生、价值也应在边缘释放”的趋势更加清晰。产业界正加快把推理、控制、分析等能力下沉到基站、网关、工控设备和各类终端，以缩短链路、提升响应速度；学术界则聚焦算法轻量化、模型压缩、分布式协同训练与推理等方向，力求在算力与能耗受限条件下保持精度与稳定性。多方推进下，边缘智能正从概念走向可验证、可工程化的落地阶段。 影响——边缘智能的价值主要体现在三上：一是低时延，就地处理减少回传与排队等待，更适合实时控制和快速告警；二是高可靠，在网络受干扰甚至断联时，边缘侧仍可维持关键功能运行，提升业务连续性；三是隐私保护更强，敏感数据尽量在本地闭环处理，有助于降低泄露风险并满足合规要求。基于这些特点，边缘智能正在改变多行业的生产与治理方式：在工业领域，本地化智能控制可提升机器人协作效率与产线柔性，降低停机和调试成本；在能源领域，边缘侧对负荷、分布式电源与储能进行快速分析与联动，可提升调度精细化水平和能源利用效率；在农业领域，无人农机结合本地感知与决策能力，可在复杂地形和多变环境中自主作业，缓解用工压力并提升作业质量；在低空领域，面向无人机通信与监管，边缘侧的快速识别、轨迹预测与风险处置能力，有助于提高飞行安全与管理效率，为低空经济的有序发展提供支撑。 对策——要推动边缘智能规模化应用，还需要在关键环节形成系统性突破。其一，完善“端—边—网”协同架构，推动通信、算力与存储的统一编排，提高资源利用效率与服务确定性；其二，提升核心算法与工程化能力，围绕模型压缩、量化剪枝、分布式推理、能耗优化等方向，加快从实验验证到工程部署的转化；其三，健全安全与隐私体系，建立覆盖数据采集、传输、存储、推理、更新的全链路防护机制，探索可信执行环境、联邦学习等路径，减少数据出域需求；其四，推进标准与生态建设，形成可互操作的接口规范与评测体系，降低碎片化部署带来的重复投入，促进产业链协同。 前景——随着6G关键技术研究持续推进、边缘计算基础设施优化，边缘智能将从单点应用走向跨行业、跨区域的协同智能。未来一段时期，边缘侧智能能力有望从“辅助决策”逐步迈向“自治控制”，在工业互联网、智慧城市、公共安全、交通出行等领域释放更大潜力。同时，边缘智能与云端大模型、行业知识库的协同也将成为重要方向：云端侧重训练与知识沉淀，边缘侧负责快速推理与闭环控制，形成互补，继续提升系统效率与治理水平。
边缘智能的快速发展，不仅带来计算范式的变化，也推动数字经济基础设施加速演进。在培育新质生产力的背景下，边缘智能能否与行业需求深度结合、构建安全可控的智能生态，将成为影响未来产业竞争格局的重要因素。其发展也表明，数字化转型正从以集中处理为主，走向分布式智能的新阶段。