
评论:巴西AI战略过度聚焦前沿模型,边缘计算被忽视
来源标题:Brazil's AI Development Strategy Needs an Edge Layer – TechPolicy.Press
TechPolicy.Press评论指出,巴西AI政策过度集中于前沿模型和大型数据中心,忽视了边缘AI。巴西政府8月宣布投资23亿雷亚尔(约4.44亿美元)用于两个AI项目,包括与中国华为和科大讯飞共建超算。评论认为,对寻求再工业化的巴西而言,本地硬件推理的边缘AI应获得更多讨论。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Sinem Görücü 的《硅景观》/ Better Images of AI / CC by 4.0 分享 在巴西,关于 AI 发展的讨论几乎都围绕前沿模型和数据中心展开,但这种执念存在一个盲区。AI 议题的广阔范围远不止于此,而对于一个以再工业化为目标的国家来说,边缘 AI——即推理运行在本地硬件而非遥远数据中心——理应获得更响亮的讨论声量。
迄今为止,巴西最大的 AI 举措恰恰走的是相反方向:数据集中化、超级计算机和新建的超大规模数据中心。今年 8 月,巴西政府宣布将向两个 AI 项目投资 23 亿雷亚尔(约 4.442 亿美元),其中包括与中国华为和科大讯飞合作的超级计算项目,以及第二台超级计算机的招标。这些超级计算机将运行基于密集、集中化数据的应用,这些数据由民众产生并委托给政府保管,用于支撑 AI 公共服务,例如数字公共工具、自动化政府采购辅助和远程医疗数据转录。据巴西公共服务管理与创新部长 Esther Dweck 介绍,这一战略被称为“Base de Dados Brasil”,旨在集中、整合并保护巴西公民数据,用于 AI 训练。但巴西是一个充满反差的国家:在 UBS《2026 全球财富报告》覆盖的 56 个市场中,巴西的财富不平等程度排名第四。其公共投资同样呈现反差,反映出资源分配的方式。
例如,根据 Todos Pela Educação 汇编的 2024 年学校普查数据,仅有 27% 的小学公立学校设有计算机实验室,公立高中也不过 73%。巴西区域信息社会发展研究中心(Cetic.br)2025 年的一项调查还发现,全国各州首府的学校中有 79% 安装了视频监控摄像头。
于是,一方面人们在热烈讨论能否获得 Nvidia 最新芯片、在哪里新建数据中心,官员们谈论着将超大规模基础设施引入国内,以汇聚巴西公民通过公共基础设施产生的数据;另一方面,根据巴西劳动与就业部的数据,84% 的在职巴西年轻人从事的是不需要特定资质的工作,仅七分之一的人能获得技术或更高层级的职位。CIEE 和 Instituto Locomotiva 2025 年的一项调查显示,只有 12% 的高中生希望攻读工程学,数学是主要原因。巴西年轻人对这门学科的自信评分仅为 5.2 分(满分 10 分),79% 的人表示基础教育阶段的短板是继续学业的障碍。在 9 月公布的 2025 年国际学生评估项目(PISA)结果中,巴西的数学成绩再次低于经济合作与发展组织(OECD)平均水平。
因此,只讨论前沿模型和超大规模厂商,很大程度上是在替厂商的说辞买单——那套说辞披着发展论的外衣。巴西许多公共和私营部门的 AI 应用并不需要前沿能力。它们需要的是可靠、有边界、本地可控的推理——科技公司通常称之为“边缘 AI”——以及能够维修和维护这些基础设施的劳动力。
边缘 AI 是个花哨的说法,指的是通过小型、专用、范围明确的模型在本地完成的一类数据处理,在工业数据处理、制造业以及农业和较低层级的工业自动化中,这种方案胜过追逐前沿规模——例如纺织或鞋类生产线的缺陷检测、包装和食品加工中的预测性维护,或矿区的一般性结构监测。
这类自动化提供了一条多元化路径——前提是各国建立起标准化的、共享的政策和资金框架,让新经济围绕其生长,就像中国所努力做的那样。根据世界经济论坛和埃森哲 2025 年的一份综述,中国的工业 AI 战略按各行业实际运行需求来组织。智能交通需要低延迟计算来支撑实时监控和数据分析,而智能制造则要求高精度、专用的计算能力。报告指出,中国企业“往往发现优先发展针对特定场景的专用小型模型”比追逐前沿能力更有利。国家以分层政策予以支持:北京设定战略方向,省市围绕自身产业优势建设 AI 集群,而一项国家工程(“东数西算”)将算力物理迁移至可再生能源丰富的西部地区。这是与任务相匹配的基础设施。
巴西不必从零发明这一模式,但如果该国考虑以 AI 为引擎、通过增加一层高生产力来实现再工业化,就需要有针对性构建的边缘推理技术,足以支撑当地最关键的应用。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。