邊緣計算已經(jīng)走過了漫長的道路
人們對邊緣計算寄予了越來越多的希望。該行業(yè)充滿了許多大膽的想法，例如“邊緣將取代云”，實時自動化將遍布醫(yī)療保健、零售和制造業(yè)。
專家一致認(rèn)為邊緣計算將在幾乎所有企業(yè)的數(shù)字化轉(zhuǎn)型中發(fā)揮關(guān)鍵作用，但進(jìn)展緩慢。傳統(tǒng)觀念阻礙了企業(yè)充分利用實時決策和資源分配的優(yōu)勢。要了解這種情況發(fā)生的方式和原因，讓我們回顧一下邊緣計算的第一波浪潮以及從那時起發(fā)生的事情。
第一波邊緣計算：物聯(lián)網(wǎng)（IoT）
對于大多數(shù)行業(yè)來說，邊緣的概念與第一波物聯(lián)網(wǎng)(IoT)緊密相關(guān)。當(dāng)時，大部分重點都集中在從固定在所有東西上的小型傳感器收集數(shù)據(jù)，然后將這些數(shù)據(jù)傳輸?shù)街行奈恢谩热缭苹蛑鲾?shù)據(jù)中心。
然后必須將這些數(shù)據(jù)流與通常所說的傳感器融合相關(guān)聯(lián)。當(dāng)時，傳感器經(jīng)濟(jì)性、電池壽命和普遍性常常導(dǎo)致數(shù)據(jù)流過于有限且保真度低。此外，用傳感器改造現(xiàn)有設(shè)備通常成本高昂。雖然傳感器本身很便宜，但安裝非常耗時，并且需要經(jīng)過培訓(xùn)的人員才能執(zhí)行。最后，使用傳感器融合分析數(shù)據(jù)所需的專業(yè)知識嵌入到跨組織員工的知識庫中。這些因素都導(dǎo)致物聯(lián)網(wǎng)的采用率增長非常緩慢。
此外，安全問題冷卻了物聯(lián)網(wǎng)的大規(guī)模采用?？缍鄠€位置的數(shù)千個連接設(shè)備等于大量且通常未知的暴露。由于潛在風(fēng)險超過了未經(jīng)證實的好處，許多人認(rèn)為采取觀望態(tài)度是謹(jǐn)慎的做法。
超越物聯(lián)網(wǎng)1.0
現(xiàn)在越來越清楚的是，邊緣不是關(guān)于物聯(lián)網(wǎng)，而是更多地關(guān)于在分布式站點和地理位置的操作中做出實時決策。在IT和越來越多的工業(yè)環(huán)境中，我們將這些分布式數(shù)據(jù)源稱為邊緣。我們將來自數(shù)據(jù)中心或云之外的所有這些位置的決策稱為邊緣計算。
如今，邊緣無處不在——遍布我們生活的地方、工作的地方、人類活動發(fā)生的地方。稀疏的傳感器覆蓋范圍已通過更新和更靈活的傳感器得到解決。新資產(chǎn)和技術(shù)配備了廣泛的集成傳感器。現(xiàn)在，傳感器通常會增加高分辨率/高保真成像（X射線設(shè)備、激光雷達(dá)）。
額外的傳感器數(shù)據(jù)、成像技術(shù)以及將所有這些相關(guān)聯(lián)的需求相結(jié)合，每秒會產(chǎn)生數(shù)兆字節(jié)的數(shù)據(jù)。為了從這些龐大的數(shù)據(jù)流中獲得有用的結(jié)果，現(xiàn)在正在將計算能力部署在靠近數(shù)據(jù)生成的地方。
原因很簡單：邊緣位置和云之間沒有足夠的可用帶寬和時間。邊緣的數(shù)據(jù)在短期內(nèi)最重要。現(xiàn)在可以在邊緣實時分析和使用數(shù)據(jù)，而不是稍后在云端進(jìn)行處理和分析。為了獲得更高水平的效率和卓越運營，計算必須在邊緣進(jìn)行。
這并不是說云無關(guān)緊要。云在邊緣計算中仍然可以發(fā)揮作用，因為它是在所有位置部署邊緣和管理功能的好地方。例如，云提供對來自其他位置的應(yīng)用和數(shù)據(jù)的訪問，以及遠(yuǎn)程專家來管理全球的系統(tǒng)、數(shù)據(jù)和應(yīng)用程序。此外，云可用于分析跨越多個位置的大型數(shù)據(jù)集，顯示隨時間變化的趨勢，并生成預(yù)測分析模型。
因此，優(yōu)勢在于理解大量地理分散位置的大數(shù)據(jù)流。人們必須采用這種對邊緣的新認(rèn)識，才能真正了解邊緣計算現(xiàn)在的可能性。
今天：實時邊緣分析
與幾年前相比，今天在邊緣可以做的事情是驚人的?，F(xiàn)在可以從邊緣生成數(shù)據(jù)，而不是僅限于幾個傳感器，如大量的攝像機。然后在邊緣使用比20年前功能強大數(shù)千倍的計算機對這些數(shù)據(jù)進(jìn)行分析——所有這些都以合理的成本進(jìn)行。
高核心數(shù)CPU和GPU以及高吞吐量網(wǎng)絡(luò)和高分辨率相機現(xiàn)在很容易獲得，使實時邊緣分析成為現(xiàn)實。在邊緣部署實時分析（業(yè)務(wù)活動發(fā)生的地方）幫助企業(yè)了解他們的操作并立即做出反應(yīng)。有了這些知識，許多操作可以進(jìn)一步自動化，從而提高生產(chǎn)力并減少損失。
接下來，讓我們考慮一些當(dāng)今實時邊緣分析的示例：
超市欺詐預(yù)防
許多超市現(xiàn)在使用某種形式的自助結(jié)賬，不幸的是，他們也看到欺詐行為有所增加。不法的購物者可以用價格較低的條形碼替換更昂貴的產(chǎn)品，從而減少支付。為了檢測這種類型的欺詐行為，商店現(xiàn)在使用高性能攝像頭，將掃描的產(chǎn)品和重量與應(yīng)有的值進(jìn)行比較。這些相機相對便宜，但它們會產(chǎn)生大量數(shù)據(jù)。通過將計算轉(zhuǎn)移到邊緣，可以立即分析數(shù)據(jù)。這意味著商店可以實時檢測欺詐行為，而不是在“顧客”離開停車場之后。
食品生產(chǎn)監(jiān)控
今天，一家制造廠在制造過程的每一步都可以配備數(shù)十個攝像頭和傳感器。實時分析和人工智能驅(qū)動的推理可以在幾毫秒甚至幾微秒內(nèi)揭示是否有問題或過程是否漂移。也許相機顯示添加了過多的糖或過多的澆頭覆蓋了一個項目。借助攝像頭和實時分析，可以調(diào)整生產(chǎn)線以停止漂移，甚至在需要維修時停止，而不會造成災(zāi)難性損失。
人工智能驅(qū)動的醫(yī)療保健邊緣計算
在醫(yī)療保健領(lǐng)域，紅外和X射線相機一直在改變游戲規(guī)則，因為它們提供高分辨率并能快速向技術(shù)人員和醫(yī)生提供圖像。憑借如此高分辨率，人工智能現(xiàn)在可以在去看醫(yī)生進(jìn)行確認(rèn)之前過濾、評估和診斷異常情況。通過部署人工智能驅(qū)動的邊緣計算，醫(yī)生可以節(jié)省時間，因為他們不必依賴將數(shù)據(jù)發(fā)送到云端來進(jìn)行診斷。因此，希望查看患者是否患有肺癌的腫瘤學(xué)家可以將實時AI過濾器應(yīng)用于患者肺部的圖像，以獲得快速準(zhǔn)確的診斷，并大大減少患者等待回音的焦慮。
由分析驅(qū)動的自動駕駛汽車
今天，自動駕駛汽車成為可能，因為相對便宜且可用的攝像頭可提供360度立體視覺。分析還可以實現(xiàn)精確的圖像識別，因此計算機可以破譯風(fēng)滾草和鄰居的貓之間的區(qū)別——并決定是否該剎車或繞過障礙物以確保安全。高性能GPU和CPU的可負(fù)擔(dān)性、可用性和小型化使得實時模式識別和矢量規(guī)劃成為自動駕駛汽車的駕駛智能。要使自動駕駛汽車取得成功，它們必須擁有足夠的數(shù)據(jù)和處理能力，以足夠快地做出明智的決策以采取糾正措施?，F(xiàn)在只有使用當(dāng)今的邊緣技術(shù)才能做到這一點。
實踐中的分布式架構(gòu)
當(dāng)在邊緣部署極其強大的計算時，企業(yè)可以更好地優(yōu)化運營，而不必?fù)?dān)心延遲或失去與云的連接?，F(xiàn)在一切都已分發(fā)跨邊緣位置，因此可以實時解決問題，并且只有零星的連接。
自第一波邊緣技術(shù)浪潮以來，我們已經(jīng)取得了長足的進(jìn)步。由于邊緣技術(shù)的進(jìn)步，企業(yè)現(xiàn)在正在對其運營進(jìn)行更全面的了解。今天的邊緣技術(shù)不僅幫助企業(yè)增加利潤，事實上，它還幫助他們降低風(fēng)險并改善產(chǎn)品、服務(wù)和與他們接觸的人的體驗。
來源：千家網(wǎng)