边缘 AI 加速普及重塑人机交互，Wi-Fi 7/8 凭借低时延高可靠成为边缘计算核心通信底座

边缘人工智能建设进程持续提速，正在重塑人与人工智能的交互模式，算力重心从大型 AI 数据中心全域海量数据挖掘分析，转向在边缘侧实现更快响应、更高能效、任务更精准的轻量化运算负载。

云端与边缘两种架构都以极速的数据处理与传输为核心目标，但边缘端待处理数据体量更小，数据传输路径更短。云服务商超大规模数据中心侧重上下文检索、大型仿真以及大语言模型训练；而边缘端的任务往往十分简单，例如向机械臂下达指令、设定抓取物体所需压力，或是识别行人突然横穿道路后控制车辆紧急制动。适配特定行业、专属业务负载的小型语言模型，逐步替代通用性大语言模型承担端侧运算工作。

市场对云端大模型与边缘小模型均存在需求，但随着边缘计算生态逐步成型，其技术路线与 OpenAI、Anthropic 这类云端 AI 企业形成巨大差异。新思科技高级产品线经理阿南达・罗伊表示：“边缘 AI 完全不同于云厂商的大模型体系，它属于通用人工智能范畴，同时具备超低功耗特性。几年前该技术还被称作微型机器学习，特点是功耗极低、内存占用需求小。依托这类模型，我们可在本地运行预测性维护、Wi-Fi 环境感知等任务，还能通过无线信号反射判断空间内是否有人、人员是否发生移动。”

Wi-Fi 在边缘产业发展中扮演愈发关键的角色，早已不再局限于家用、咖啡馆共享网络的基础用途。随着接入边缘网络的终端设备持续增多，Wi-Fi 已是本地设备互联最主流的通信方案。而 Wi-Fi 7 以及预计 2028 年末推出的 Wi-Fi 8 标准，将进一步提升通信的可预测性、可靠性与安全性。

英飞凌无线产品线高级副总裁西瓦拉姆・特里库塔姆称：“Wi-Fi 最初采用尽力传输机制，这和从设计之初就设定固定可靠性指标的蜂窝通信存在本质区别。但如今 Wi-Fi 广泛应用于工业机器人、各类自动化产线，行业对其可靠性提出极高标准。Wi-Fi 现已成为基础设施级通信工具，网络绝不允许出现卡顿、断连等波动。”

尽管各大蜂窝运营商持续大力推广，在企业厂区、园区本地数据传输领域，Wi-Fi 基本已经占据优势地位。多年来通信运营商不断宣传 5G、6G 是全域高速通信的未来，倒逼芯片厂商同步兼容两套通信标准。理论上 5G 毫米波峰值速率可达 10Gbps，媲美光纤带宽，但实际落地效果差距明显。毫米波信号衰减速度快，无法像 4G 长期演进技术那样绕过障碍物、穿透玻璃窗，行人、车辆移动乃至温度变化都会干扰信号传输。目前唯一的解决办法是大范围布设信号中继器与微基站。然而视距传输模式需要海量配套基础设施，加之部分恶劣环境下设备运维难度高，大幅限制了 5G/6G 毫米波的实际应用场景。

Wi-Fi 支持多设备同时双向传输数据流，各大芯片厂商也在持续优化传输速率。随着接入本地 Wi-Fi 网络的电子设备数量激增，该能力的重要性持续凸显。

是德科技产品经理萨桑・艾哈迈迪表示：“在企业或工厂内部，机器人等对通信稳定性要求严苛的设备跨无线接入点移动时，Wi-Fi 优势十分突出，多个接入节点可统一接入同一个中央管控节点。如今行业普遍在终端搭载 AI 芯片，因为边缘端可就地采集、解析数据，完成网络流量调度、性能优化、移动切换优化等各类需要本地智能算力支撑的运维工作。”

安全层面

仅从基础功能来看，Wi-Fi 可由用户自主选择数据本地处理或云端上传，以此最大程度降低数据泄露风险，若无实体设备接触，外部很难窃取本地存储数据。

“军工企业绝不允许核心数据流出厂区范围，” 是德科技的艾哈迈迪说道，“企业的边缘算力全部部署在厂区内部、防火墙安全体系以内。企业虽会设置少量集中管控节点，但核心数据绝不向外传输。反观蜂窝网络，其边缘节点实际归属运营商机房。将部分算力部署在本地而非云端的一大核心原因，是云端往返传输数据存在时延，无法满足低时延实时业务需求，边缘节点必须尽可能贴近业务终端。”

Wi-Fi 芯片内部也集成了更多安全配套功能。新思科技产品营销与客户工程副总裁希希尔・古普塔表示：“行业对芯片安全能力的规范要求日趋严苛，我们从硬件到软件搭建全链路底层安全体系，搭载硬件信任根，支持三级平台安全架构、Arm 可信区域、内存保护以及安全启动功能。”

图 1：集成蓝牙功能的新思 Veros Wi-Fi 7 处理器 图源：新思科技

稳定可控的通信性能

Wi-Fi 发展早期从未被视作关键业务通信技术，即便网络卡顿、网页加载或应用更新长时间延迟，基本不会造成实质性损失。但如今 Wi-Fi 承担战略性业务任务，网络瞬时波动、断连已经无法被行业接受。

英飞凌的特里库塔姆解释道：“这本质就是时延确定性指标，即设定时延上限。我们需要精准确定：某一类业务数据传输的最大耗时。早期 Wi-Fi 采用尽力传输机制，仅保证数据最终送达，耗时完全不可控。二十年前使用音乐下载软件时，一首歌曲可能两分钟下载完成，也可能耗时二十分钟，这就是尽力传输的含义 —— 设备尽最大努力传输，但送达时间无法确定。多年来行业完成了大量技术迭代，过去数年优化重心集中在可靠性而非传输速率，而下一代 Wi-Fi 8 的核心革新方向将是时延确定性。”

这种稳定可控的通信能力适用于家庭、办公、工厂内越来越多的联网设备。特里库塔姆提到：“我家中有四五十台联网设备，要求全天候稳定在线；若意外断连，必须实现无感自动重连，不能出现使用断层。”

实现上述效果远比表面看起来复杂。通信可靠性与时延确定性只是全域边缘 AI 落地的核心要素之一，相关技术仍在持续迭代优化。另一关键环节是数据传输物理介质，涵盖点对点微波、铜缆、光纤，其中光纤凭借超大带宽，成为数据中心与边缘节点海量数据高速交互的优选方案。

是德科技艾哈迈迪称：“边缘节点普遍通过 10G 或 25G 光纤对接现场终端，部分运营商仍保留微波链路，但中日韩等地区已大规模普及光纤组网，充足带宽可承载海量数据交互。若传输带宽存在瓶颈，边缘节点接入规模会受到限制。例如单中央节点原本可连接 100 个无线接入点，带宽不足时仅能承载 20 个，同时还会影响设备移动过程中的数据同步精度，而设备跨区域数据同步对边缘业务至关重要。”

芯片架构迎来革新

边缘计算催生全新半导体架构设计思路，架构设计核心诉求为持续稳定高性能、数据向计算单元就近传输、内置推理能力实时统筹管控全链路硬件模块。

新思科技的罗伊表示：“边缘芯片可搭载丰富外设接口，对接光照、温度等各类传感器，提取有效数据输入机器学习模型，并依据采集到的信息自主执行智能决策，这类功能在传统设备上无法实现。”

技术核心难点在于统一调度中心数据源与海量终端设备，优化工作难度极大。以新思 Wi-Fi 芯片为例，内部设计三类独立存储单元：专用连接内存与只读存储器，仅供无线通信基带、媒体访问控制层、网络协议栈运行，应用程序无法占用；独立应用静态随机存储器，用于加载各类业务运行数据；搭配片外闪存支持就地执行程序，核心代码存储于外置闪存，设备可低延迟安全启动，程序直接从闪存运行，无需将全部软件搬运至芯片内存。这种分布式存储设计，大幅降低运算时延、削减功耗。

除此之外，Wi-Fi 7、Wi-Fi 8 芯片还需兼容蓝牙低功耗 6.0（短距离通信）、Thread 低功耗网状网络、Zigbee 网状网络协议。在复杂多协议硬件通路中精准调度数据流，是行业面临的巨大挑战。和云端专用芯片发展逻辑相似，随着应用场景不断丰富，边缘端芯片也持续走向细分专用化。

新思科技古普塔介绍：“目前主流落地场景包含 Wi-Fi 感知、蓝牙信道测距，后者用于测算设备间距。信道测距通过解析蓝牙信号相位与频点判断另一台蓝牙设备的距离，精度可达 20 至 30 厘米。设备原生搭载蓝牙，无需额外加装功耗更高的超宽带、雷达芯片，就能满足多数场景测距精度需求，节省额外芯片硬件成本。大量应用场景仅需要该等级测距精度。”

总结

Wi-Fi 技术现已迈入成熟商用阶段，但这并非早期研发阶段的预设发展路线。Wi-Fi 诞生之初，人工智能还只存在于科幻构想中；2022 年末 ChatGPT 上线，彻底改变全行业对各类技术、商业落地空间的认知。边缘 AI 产业刚刚进入快速发展期，行业逐步理清未来技术演进路线、落地价值以及配套落地所需的技术支撑。

Wi-Fi 是完成这场产业转型的核心载体。是德科技艾哈迈迪总结道：“边缘节点是保障数据往返时延的关键分界点，理想往返时延需控制在 1 毫秒以内。光纤每传输一公里产生 3 微秒时延，20 公里光纤链路就会带来 60 微秒延迟；一旦超出该传输距离，通信时延与稳定性将无法得到保障。”