数据具有“地心引力”。在以数据为中心的计算世界中，应用程序和资源有一种向信息所在之处靠拢的自然趋势。
大数据经济学(以及依赖大数据的机器学习算法)一直是领先云计算公司的专长。亚马逊(Amazon)、微软(Microsoft)和谷歌(Google)等公司通过降低计算的单位成本，将数据密集型任务纳入它们的大规模中心化设施，获得了蓬勃发展。
但人工智能也开始提供一种迥异的计算范式。它将更多数据处理推向网络“边缘”，即与现实世界相交的众多计算设备——从联网的摄像头、智能手表到自动驾驶汽车。同时，人工智能正在催生新一波初创企业，支持者称，它们代表着计算领域的下一场重大架构转变。
尽管有人抱怨大型科技平台阻碍了计算领域的竞争，但西雅图Madrona Venture Group的初创企业投资人马特•麦基尔韦恩(Matt McIlwain)表示，事实上，“我们正处于一个更为开放的时期——尤其是在人工智能领域”。
处于早期阶段的人工智能软件初创企业Xnor.ai日前融资了1200万美元，该公司是这新一潮流的典型代表。在华盛顿大学(University of Washington)副教授阿里•法尔哈迪(Ali Farhadi)的带领下，该公司开发出了可以在极低成本设备上运行的机器学习算法。例如，其图像识别软件可以在一台成本仅5美元、设计用于传授计算机科学基础知识的微型电脑“树莓派”(Raspberry Pi)上运行。
这可以使在现场分析数据比把数据发送到云更经济。一种可能的用途是：家中各处大量拥有“大脑”的廉价摄像头用于识别来访者，或者分辨入室盗窃者与猫的不同。
法尔哈迪表示，数十亿台此类设备很快产生的海量数据，将颠覆数据集中处理的逻辑。“我们喜欢说，云是扩展人工智能的一种方式，但在我看来，它是人工智能的障碍，”他说，“没有云能够消化如此规模的数据。”
“这种需求由在边缘地带收集的大量信息驱动，”硅谷风险投资公司安德森•霍洛维茨(Andreessen Horowitz)的合伙人彼得•莱文(Peter Levine)接着说：“真正的成本将是把所有数据发送回云，在不需要处理的时候进行处理。”
其他因素也增加了在靠近数据采集的地方处理数据的吸引力。延迟——将信息发送至遥远的数据中心并等待结果返回所造成的滞后——会弱化一些应用程序，比如需要即时响应的无人驾驶汽车。通过在设备上处理数据、而非将数据发送至大型云公司的服务器，隐私可以得到保证。
另一家美国初创企业Mesosphere的联合创始人托拜厄斯•克瑙普(Tobias Knaup)利用近来计算领域老生常谈的一句话总结了这一趋势：“数据具有地心引力。”他说，在新的以数据为中心的计算世界中，应用程序和资源有一种向信息所在之处移动(而非反向)的自然趋势。
这不仅正在把更多机器学习推至与现实世界相互交织的端点，还推到了最适合在本地聚合信息的中间设施中。
例如，Mesosphere的技术被用在只能通过昂贵的卫星链路连接互联网的邮轮上。该公司正在与德国汽车制造商合作，在靠近手机信号塔的地方处理信息，在此收集并处理附近大量车辆的数据，而不必将其发送回一个巨大的数据中心。
云与边缘之间的边界也并不明显。本地收集的数据经常需要用于重新训练机器学习算法，从而保持算法的相关性——一个最好在云中处理的计算密集型任务。本月，Mesosphere筹集了1.25亿美元，总融资额超过2.5亿美元。Mesosphere这样的公司正押注于这将催生将信息和应用程序移至它们最容易被处理的地方的技术——从数据中心到边缘(反之亦然)。
导致计算领域进一步去中心化的力量，逃脱不了控制着主要云计算平台的大型科技公司的影响。日前，微软发布了一款能够在本地设备上、但无法在自家数据中心运行的图像识别软件。微软表示，紧随其后将推出其他目前只能在云中获得的“识别服务”，如通过语言进行语音识别和情感分析。
