对于AI的部署方式，我认为云端部署固然重要，但是本地部署亦必不可少。
云端部署的优势最明显的一点就是便利，云端部署可以用到最尖端的硬件，便于调控以及省时省力。但是，云端部署最大的局限性却是造成以上便利的重中之重，即对于网络的需求。暂且不论特殊环境下无信号的情况，就只是日常生活中那些奇奇怪怪的，时不时发生的网络波动都足以让人崩溃，毕竟谁都不想正在使用AI对话时突然开始转圈加载，或者定格在99%。这时本地部署的优势就可以体现出来了，基于本地硬件使其只要没有受到物理破坏或程序缺失就可以正常使用，在使用过程中无需担心网络连接问题。
同时，本地部署给了具有一定技术能力的用户更多个性化的空间，本地部署可以更方便的对程序进行调整，同时，本地部署还可以针对性的对于程序进行特殊语料或库的微调，无需担心泄露或其他问题。在AI服务不断商业化的现在，AI服务已经开始渐渐从免费服务转变为收费服务，本地部署为使用者提供了一个更为廉价的使用途径。在人工智能高速发展的现在，算力必将成为衡量互联网科技企业的一个重要指标，而算力的提升离不开大量购买处理器，那么企业势必要用过各种收费方式从使用者手中将投资收回，而本地部署则完全跳过了算力提供商这一环，直接将用户与程序开发者联系起来，可以大幅降低其使用成本。
目前来看，虽然在人工智能这一块对于万物互联并没有放弃，但是从市场上五花八门的边缘化部署套件不难看出，人工智能本地部署的硬件市场绝对不小，华为昇腾310，英伟达Jteson Orin Nano系列全都是针对于边缘化场景推出的低功耗算力平台。它们被广泛应用于智慧城市建设，无人机载荷，智能化无人设备控制之中，这些应用场景无不对即时反馈有着极高要求，同时其载体的工作环境又极不稳定。本地部署的稳定性和可靠性正是云端部署所不能及的。
人工智能的本地部署就现在看来依旧是不可或缺的，其稳定可靠在很多场景下使其成为了唯一选择。个人认为在轻量级，注重体验和即时反馈，或使用环境复杂的程序上，本地部署依旧是最优解。但是如果条件有限，又想使用或体验大型程序，还是走云端更为稳妥方便。