边缘计算AI发展的三个阶段，一是边缘推理，二是边缘训练，三是边缘学习。

AI技术已经广泛应用于越来越多的边缘计算领域，例如工业互联网领域将使用AI技术来进行产品缺陷检测。但是，目前大多数操作模式都是利用数据中心的算力和大量的AI数据对网络模型进行训练，然后将模型推送到边缘进行推理。

目前，由于边缘AI更多的模式是在边缘推进，边缘推理的实现比较容易。

边缘计算设备的计算能力和存储能力都是有限的，让边缘设备做边缘推理虽然合理，但也存在一些缺点，即模型的更新会受到限制。由于模型的更新是由数据中心控制的，因此不可能在任何时候、任何时候更新新数据。

与此同时，有些使用场景对模型更新的频率要求很高，需要不断地对模型进行动态训练和更新。所以边缘训练是未来AI发展的必然趋势。

边缘训练是AI在边缘发展的第二阶段，而非最终阶段。因为在当前的AI技术中，人才仍然发挥着重要作用，并非完全的人工智能。

尽管网络系统可以通过极大的算力和大量的数据对其进行训练，网络模型的结构需要人事先设计，在此过程中，很多人的意识已经嵌入模型中，进入了模型的使用场景和范围。

未来五年、十年后的边缘计算以及AI物联网的发展，肯定会有自主发展。系统将自主决定选择模型、策略、算法，将自动收集训练数据模型，将训练结果应用于实际系统。

边缘计算技术将广泛应用于行业，这是边缘AI发展的最高阶段，最终必须是自主的过程，新技术路线图为AI计算盒提供持续动力。