在讨论边缘数据中心时，451 Research 提供了一张矩阵，三个维度：(1) 可靠性；(2) 时延；(3) 数据量。

虽是大致估算（打分法），但仍有很好的指导意义；每个场景不会孤立地依赖单一指标，网络基础设施亦是如此。

数据量是最容易被企业接受的传统定价维度，但 5G/IoT 之后，单纯依赖数据量会有重大缺陷：即会有好多场景，高可靠和时延上高要求，而流量也许并不大。

这张图有一个维度没有提及，就是这个领域的客户（需求）集中度，如果集中度很散，对网络基础设施的成本会指数级上升。

所以，不是说气泡大，此类客户的数据量就大，就应该基于流量计费 —— 这个理解是不准确的。

Strategy Analytics 咨询公司绘制了一张图，展示了中国三大运营商针对 4G 智能机用户的流量套餐价格的变化。

2014 年，每 MB 价格 0.12~0.14 元。2020 年每 MB 价格下降到 0.005 以下。六年时间下降了十倍不止。

流量基础决定上层建筑，基础流量性能和单位成本的极速下降，为创新应用的涌现创造条件。

MIT 的一项关于 AI 应用的调研，关于任务分配时，哪些受访者倾向于让 AI 做，哪些请i吸纳高于给初级员工（同事）做 ？

写邮件、归纳摘要、基础分析等，70% 受访者倾向于找 AI 工具，而复杂的 “项目” 类（持续几个兴起的工作、客户管理等）90% 受访者都会倾向于找同事。

AI 对人类工作（尤其是白领类）的替代已经在逐步成为现实。而 AI 时代，个体如何寻求职业发展是热门话题。

有能力胜任有一定复杂度的工作，是区别 AI 的（暂时）有效手段。即便是初级员工，也应考虑这个角度。