人們對邊緣計算寄予了越來越多的希望，使得該行業(yè)充滿了大膽的想法，例如“邊緣將吞噬云”，以及實時自動化將在醫(yī)療保健、零售和制造業(yè)中普及。

如今，越來越多的專家認(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)展一直很緩慢。 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。為了理解這是如何發(fā)生的，以及為什么會發(fā)生，讓我們回顧一下邊緣計算的第一波，以及從那以后發(fā)生了什么。

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物體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)揭粋€中心位置——比如云或主數(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。這導(dǎo)致物聯(lián)網(wǎng)的采用率放緩。

此外，對安全的擔(dān)憂也影響了物聯(lián)網(wǎng)的大規(guī)模應(yīng)用。計算方法很簡單：跨越多個地點的數(shù)千臺連接設(shè)備，相當(dāng)于一個巨大且通常未知的暴露量。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。

現(xiàn)在越來越清楚的是，邊緣并不在于物聯(lián)網(wǎng)，而在于對跨分布式站點和地理位置的運營進(jìn)行實時決策。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——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)，以及將所有這些關(guān)聯(lián)在一起的需求，會使每秒產(chǎn)生大量的數(shù)據(jù)。為了從這些龐大的數(shù)據(jù)流中獲得結(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操作反饋，計算必須在邊緣進(jìn)行。

這并不是說云無關(guān)緊要。云仍然在邊緣計算中扮演著重要的角色，因為它是可以在所有位置上部署能力和管理。例如，云提供了對來自其他地點的應(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。此外，云可以用于分析跨多個地點的大型數(shù)據(jù)集，顯示隨時間推移的趨勢，并生成預(yù)測分析模型。

因此，邊緣技術(shù)在于應(yīng)對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。

與幾年前相比，今天在邊緣技術(shù)能做的事情是驚人的?，F(xiàn)在，數(shù)據(jù)可以從大量的傳感器和攝像機(jī)中產(chǎn)生，而不是局限于少數(shù)幾個傳感器。然后，這些數(shù)據(jù)將在比20年前強(qiáng)大數(shù)千倍的計算機(jī)上進(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)和高分辨率攝像機(jī)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。

以下是一些當(dāng)今實時邊緣分析的應(yīng)用案例：

許多超市現(xiàn)在使用某種形式的自助結(jié)賬，不幸的是，他們也看到越來越多的欺詐事件發(fā)生。有些不法購物者可以用更便宜的條形碼代替更貴的商品，從而支付更少的錢。為了檢測這種類型的欺詐，商店現(xiàn)在使用高分辨率攝像頭，將產(chǎn)品的掃描結(jié)果和重量與產(chǎn)品的實際價值進(jìn)行比較。這些相機(jī)相對便宜，但卻能產(chǎn)生大量的數(shù)據(jù)。通過將計算移動到邊緣，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。

如今，一個制造工廠可以在制造過程的每個步驟都配備幾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)揭示出是否存在錯誤問題。例如，也許相機(jī)會顯示添加了太多的糖，或者配料過多。有了攝像頭和實時分析，生產(chǎn)線可以調(diào)整以改進(jìn)問題，甚至在需要維修時計算停止——而不會造成災(zāi)難性的損失。

在醫(yī)療保健領(lǐng)域，紅外和x射線相機(jī)一直在改變游戲規(guī)則，因為它們提供高分辨率，并迅速向技術(shù)人員和醫(yī)生提供圖像。有了如此高的分辨率，人工智能現(xiàn)在可以在醫(yī)生確認(rèn)之前過濾、評估和診斷異常。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，因為他們不需要將數(shù)據(jù)發(fā)送到云端來獲得診斷。因此，腫瘤學(xué)家在查看患者是否患有肺癌時，可以對患者的肺部圖像應(yīng)用實時AI過濾，以獲得快速準(zhǔn)確的診斷，并大大減少患者等待答復(fù)的焦慮。

今天，自動駕駛汽車之所以成為可能，是因為相對便宜和可用的攝像頭提供了360度的立體視覺感知能力。分析還可以實現(xiàn)精確的圖像識別，因此計算機(jī)可以識別出風(fēng)滾草和鄰居的貓之間的區(qū)別，并決定是剎車還是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。自動駕駛汽車要想成功，就必須擁有足夠的數(shù)據(jù)和處理能力，以足夠快的速度做出智能決策，并采取糾正措施?，F(xiàn)在，這只有借助當(dāng)今的邊緣技術(shù)才有可能實現(xiàn)。

當(dāng)極其強(qiáng)大的計算部署在邊緣時，企業(yè)可以更好地優(yōu)化運營，而不用擔(dān)心延遲或失去與云的連接?，F(xiàn)在所有的東西都分布在邊緣位置，所以問題是實時解決的，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)和客戶體驗。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。