“一文看懂：＂边缘计算＂究竟是什么？为何潜力无限？”

本篇文章6088字，读完约15分钟

本科技信息8月15日报道，知名创投调查机构cb insights详述了边缘计算的快速发展和应用前景。 根据拷贝，云计算不足以快速解析和分析由物联网设备、网络汽车和其他数字平台生成或生成的数据，在这种情况下，边缘计算是有用的 该技术应用于许多领域的行业，具有很大的发挥作用的潜力。

更快的数据解决有时是奢侈的。 有时甚至生死攸关。

例如，自动驾驶车本质上是一种具有车轮的高性能计算机，通过大量的传感器收集数据。 为了使这些车辆能够安全可靠地运行，它们需要立即对周围的环境做出反应。 解决速度的任何延迟都可能是致命的。 目前，网络设备的数据解析正在云中进行，但在中央服务器之间发送和接收数据可能需要几秒钟。 这个时间太长了。

边缘计算使自动驾驶车能够更快地解决数据。 通过该技术，网络设备能够解决“边缘”上形成的数据。 这里的“边缘”是指设备内部或接近设备本身的地方。

据估计，每人每天产生1.5gb的数据量。 随着更多设备连接到网络并生成数据，云计算可能无法完全解析这些数据。 特别是在需要非常迅速地解决数据的部署方案中。

边缘计算是云计算以外的另一种选择，将来不仅是无人车，其应用范围也有可能变大。

包括亚马逊、微软、谷歌在内的大型科技人员正在探索“边缘计算”技术，有可能引发下一次大规模的计算竞赛。 虽然亚马逊云服务亚马逊网络服务( AWS )仍然在公共云计算行业占主导地位，但谁将成为这个新的边缘计算行业的领头羊还没有受到关注。

本文将详细探讨什么是边缘计算，该技术的相关特征及其在各行业的应用。

在了解边缘计算之前，让我们先看看其前身云计算是如何为全球物联网( iot )设备铺平道路的。

从可穿戴设备到网络厨房电器，可以说网络设备无处不在。 据估计，到2019年，全球物联网市场规模将超过1.7万亿美元，比去年的4860亿美元增长两倍以上。

因此，云计算，即多个智能设备连接网络进行工作的过程越来越成为主流。

云计算使企业能够在自己的物理硬件之外，通过远程服务器互联网(俗称“云”)存储和解决数据(以及其他计算任务)。

例如，可以使用苹果icloud云服务备份高端智能手机，使用台式电脑等其他网络设备检索高端智能手机的数据。 这就是登录您的帐户并连接到云。 您的新闻不再受高端智能手机和台式机内置硬盘的容量限制。

这只是许多云计算的用例之一。 另一个例子是通过web端或移动浏览器访问各种高级应用程序。 云计算越来越受欢迎，因此吸引了亚马逊谷歌、微软、ibm等大型科技企业。 根据私有云管理公司rightscale去年进行的调查，亚马逊aws和微软azure分别排在主要公共云提供商的第一位和第二位。

但是，集中式云计算不适用于所有应用程序和用例。 边缘计算为以前在云基础架构中可能难以处理的行业提供了处理方法。

在数据充斥的未来，我们有数十亿台设备与网络相连。 这是因为更快、更可靠的数据解决很重要。

近年来，云计算整合和集中化的性质被解释为具有价格效率和灵活性，而物联网和移动计算的兴起给互联网带宽带来了巨大的压力。

最终，并不是所有的智能设备都要利用云计算来运行。 在某些情况下，不要使用这种数据的往返传输。

由此，产生了边缘计算。

根据cb insights的市场规模量化工具，到2022年，全球边缘计算市场规模预计将达到67.2亿美元。 虽然这是一个新兴行业，但在云计算复盖的行业中，边缘计算的运营效率可能会提高。

利用边缘计算，可以在电机、泵、发电机和其他传感器等最近一侧解决数据，减少云之间交换数据的必要性。

据市场研究公司idc称，边缘计算被描述为“微数据中心网格互联网”，用于本地解决或存储重要数据，并将所有接收到的数据存储在中央数据中心或云存储库中

例如，列车列可能包含可以立即提供发动机状态新闻的传感器。 在边缘计算中，无需将传感器数据传输到列车或云的数据中心，以确认发动机的运转是否有什么影响。

本地化数据解析和存储对计算互联网的负荷较小。 发送到云的数据越少，可能会发生延迟。 由于云和物联网设备的交互而导致的数据解析延迟。

由此，基于边缘计算技术的硬件承担着越来越多的任务，包括用于收集数据的传感器和用于解决网络设备内数据的cpu或gpu。

随着边缘计算的兴起，理解与边缘设备相关的另一种技术也非常重要，那就是雾计算。

边缘计算具体是指在互联网的“边缘”或附近进行的计算过程，雾计算是指边缘设备与云之间的互联网连接。

也就是说，雾的计算使云接近互联网的边缘。 因此，根据openfog的说法，“雾计算总是采用边计算，边计算并不总是采用雾计算”。

回到我们列车的场景:传感器可以收集数据，但不能马上就数据采取行动。 例如，如果列车工程师想知道列车的车轮和制动器是如何运行的，他可以利用历史累积的传感器数据，预测是否需要修理零部件。

在这种情况下，数据解析采用边缘计算，但不一定是瞬时进行的(与显式引擎状态不同)。 雾计算可以在特定时间点实现短期分解，而无需完全返回到中央云。

因此，应记住，边缘计算在为云计算带来补充的同时，也与雾计算一起发挥着非常密切的作用，但不是两者的替代者。

边缘计算是一个新兴的行业，但具有以下明显的优势

实时、快速的数据解决和分析:数据解决更接近数据源，而不是外部数据中心或云。 因为这样可以缩短延迟时间。

价格低廉:本地设备在数据管理程序中的消耗少于云和数据中心在互联网上的消耗。

互联网流量低:随着物联网设备数量的增加，数据生成以创纪录的速度持续增长。 这是因为互联网的带宽更有限，给云带来了沉重的负担，也增加了数据瓶颈。

提高应用程序运行效率—随着滞后现象的减少，应用程序可以更快、更高效地运行。

减弱云的作用也降低了发生单点故障的可能性。

例如，如果一家公司使用中央云存储数据，然后云关闭，则在问题得到解决之前将无法访问数据，从而导致公司遭受严重的业务损失。

年，salesforce网站北美14个网站(又名na14 )瘫痪了24个多小时。 无法访问客户数据，从电话号码到电子邮件，业务运营受到很大损害。

之后，salesforce将物联网云转移到了亚马逊的aws上，但这次宕机凸显了只依赖云的巨大弊端。

减少对云的依赖意味着一些设备可以稳定地脱机工作。 这在网络连接受限的地区特别有用，无论是在互联网服务严重不足的特定地区，还是在通常无法访问的远程地区(如油田)。

边缘计算的另一个重要特征是安全性和合规性。 随着政府越来越关注如何利用顾客的数据，这些都变得尤为重要。

欧盟( eu )最近实施的《通用数据保护条例》( gdpr )就是一个例子。 该条例旨在使个人能够从滥用数据中识别新闻。

由于边缘设备可以收集数据并进行本地解析，因此无需将数据传输到云中。 因此，机密新闻不需要经由互联网。 这样，即使云受到网络攻击，影响也不会很严重。

边缘计算还可以实现新兴网络设备和传统“传统”设备之间的互操作性。 将以往系统中采用的通信协议“转换为现代网络设备能够理解的语言”。 这意味着从以前流传下来的工业设备可以无缝高效地连接到现代物联网平台上。

今天，边缘计算市场仍处于初期快速发展阶段。 但是，随着更多设备的连接，似乎备受瞩目。

控制云计算市场的公司(亚马逊、谷歌、微软)正在成为边缘计算行业的领导者。

去年，亚马逊带着AWS绿色玻璃进入边缘计算行业，走在了领域的前列。 该服务将aws扩展到设备，“允许在本地解析生成的数据，并将云用于管理、数据观察和永久存储”。

微软在这个行业也有一点大动作。 该企业计划在今后4年内向物联网行业投入50亿美元，包括边缘计算项目。

微软发布了“将云分解扩展到边缘设备”，支持离线采用的azure iot edge处理方案。 这家企业还希望专注于边缘人工智能应用。

谷歌也不会输。 本月初推出了两个新产品，目的是改善边缘网络设备的开发。 这些分别是硬件芯片边缘TPU和软件堆栈边缘。

谷歌表示:“cloud iot edge将谷歌云强大的数据解决和机器学习功能扩展到机械臂、风力涡轮、石油钻机等数十亿台边缘设备，实时操作传感器的数据，并在本地预测结果

但是，意图进入该行业的不仅仅是这三大科技巨头。

随着网络设备越来越多的出现，新兴生态系统的许多玩家正在开发帮助边缘计算跨越式发展的软件和技术。

未来四年，惠普公司将在边缘计算行业投资40亿美元。 该公司的边缘聚合边缘系统目标客户需要数据中心级的计算能力，并且通常是远程运营的产业合作伙伴。

的系统承诺为石油钻井平台、工厂、铜矿等工业运营提供来自网络设备的洞察，而无需将数据发送到云和数据中心。

新的边缘计算行业包括缩放计算、vertiv、华为、富士通、诺基亚等主要竞争对手。

人工智能芯片制造商英伟达于年推出了jetson tx2。 这是一个面向边缘设备的人工智能计算平台。 其前身为jetson tx1，被称为“重新定义将高级ai从云扩展到边的可能性”。

多家知名企业也在通用电气、英特尔、戴尔、ibm、思科、惠普、微软、sap se和at等布局边缘计算方面进行了投资。

例如，在私人市场上，戴尔和英特尔投资于为工商业物品的互联网应用提供边缘智能的foghorn公司。 戴尔还参与了物联网边缘平台iotech的种子轮融资。

上述多家公司(包括思科、戴尔和微软)也组成了openfog联盟。 本组织的目标是将这项技术的应用标准化。

随着传感器的价格和计算价格持续下降，越来越多的“东西”会上网。

随着越来越多的网络设备变得可用，边缘计算将在所有行业，特别是云计算效率低下的行业中得到更多的应用。

我们开始看到这项技术在许多不同领域的行业中开始产生影响。

从汽车自动驾驶到农业，以下领域将受益于边缘计算的潜力:

边缘计算技术最明显的潜在应用之一是交通运输，更具体地说是无人车。

自动驾驶车装备有各种各样的传感器，从相机到雷达到激光系统，支持车辆的运行。

如上所述，这些自动驾驶车可以利用边缘计算，通过这些传感器在车辆附近解决数据，尽量减少系统运行中的响应时间。 无人驾驶汽车还不是主流，但企业们已经做好了准备。

今年年初，汽车边缘计算联盟( aecc )宣布，将启动以互联网汽车处理计划为中心的项目。

该联盟的成员包括Denso公司、丰田汽车、at、爱立信、英特尔等企业。

但是，不仅自动驾驶汽车，还会产生大量数据，需要实时解决。 飞机、火车和其他交通工具也是如此。 不管人类是否在开车。

例如，飞机制造商庞巴迪的c系列飞机配备了大量传感器，以迅速检测发动机的性能问题。 在12小时的飞行中，飞机生成了多达844 tb的数据。 边缘计算支持实时解决数据，因为它可以主动解决引擎问题。

现在，越来越喜欢戴健身追踪器、血糖监测仪、智能手表和其他监控健康状况的可穿戴设备。

但是，为了实际从收集到的大量数据中受益，实时分解可能是不可缺少的。 虽然有多个可穿戴设备直接连接到云，但也有其他支持脱机运行的设备。

点式健康监视器可以在不连接云的情况下对脉搏数据和睡眠模式进行本地分析。 然后，医生可以当场判断患者，并对患者的健康状况提供即时反馈。

但是，在医疗行业，边缘计算的可能性不限于可穿戴设备。

想想看，快速数据解决能给远程患者监控、住院患者护理、医院和诊所的医疗管理带来多大的好处。

医生和临床医生可以为患者提供更快、更好的护理，患者生成的健康数据也得到更安全的保护。 医院病床平均有20多台网络设备，产生大量数据。 这些数据的解析不是将敏感数据发送到云，而是直接在靠近边缘的地方进行。 这是因为数据没有被非法访问的风险。

如上所述，本地化数据解决方案意味着大范围的云或互联网故障不会影响业务运营。 即使云操作中断，这些医院的传感器也能独立正常工作。

智能制造有望从现代工厂大量配备的传感器中获得洞察。

由于可以减少滞后现象，边缘计算可以使制造过程的响应和波动更快，可以实时应用基于数据观察的洞察和实时行为。 这包括在机器过热之前关闭。

一个工厂可以使用两个机器人执行相同的任务，两个机器人配备传感器，连接在一个边缘设备上。 边缘设备通过执行机器学习模型，可以预测任意一个机器人是否操作失败。

如果边缘设备判断机器人很可能发生故障，则会触发阻止或减速机器人运行的行动。 这样，工厂就可以实时判断潜在的故障。

如果机器人能自己解决数据，可能会更加自给自足，反应敏锐。

边缘计算需要支持从大数据中更快地洞察以及越来越多的机器学习技术在商业运营中的应用

最终目的是发掘实时产生的大量数据的巨大价值，防止安全隐患，减少工厂机械运行中断。

边缘计算最适合农业。 因为农场大多位于偏远和恶劣的环境中，带宽和互联网连接可能有问题。

目前，想要改善互联网连接的智能农场需要投资昂贵的光纤、微波连接或24小时工作的卫星。 边缘计算是一种合适的、价格高效的备选方案。

在智能农场中，可以使用边缘计算监控温度和设备的性能，自动延迟和关闭过热的泵等各种设备的运行。

边缘计算可能对整个能源领域，特别是石油和天然气设施的安全监测有效。

例如，考虑到压力和湿度的传感器受到严密监视，连接性无误，特别是这些传感器大多被认为是远程的。 即使发生油管过热等异常，如果不立即观察，也有可能发生毁灭性的爆炸。

边缘计算的另一个好处是可以实时检测设备故障。 电网控制有助于传感器监测从电动汽车到风力发电站的所有设施产生的能量，从而相应地做出降低价值成本、提高能源生产效率的决定。

可以利用边缘计算技术的其他领域有金融业和零售业。 两个领域都可以通过使用大客户和后端数据集提供从选择新闻到店内服装的各种新闻，从减少对云计算的依赖中获益。

零售业可以使用边缘计算应用来提高顾客的满意度。 目前，多个零售商改善店内体验，优化数据收集和分解的方法，尤其是考虑到多个零售商打算使用联网的智能显示器，绝对意义重大。

此外，许多人使用店内平板电脑生成的pos数据将传输到云和数据中心。 边缘计算允许对数据进行本地分析，从而降低敏感数据泄露的风险。

从可穿戴设备到汽车、机器人，物联网设备呈现出更强劲的快速发展势头。

随着我们向着更加互联互通的生态系统前进，数据生成继续快速增长，特别是在5g技术突飞猛进、互联网连接进一步加速之后。 中央云或数据中心一直被认为是数据管理、解决和存储的优先事项，但这两种解决方案都有限制。 边缘计算作为替代处理，但由于该技术还处于初期阶段，未来的快速发展不太可能预测。

这可能会带来设施方面的挑战，例如开发解决云卸载的计算任务的软件和硬件能力。 告诉机器能否在可以在边缘执行的计算任务和需要在云中执行的计算任务之间进行切换也是一个课题。

尽管如此，随着边缘计算的使用越来越多，企业在各个行业测试和部署该技术的机会也越来越多。

一些用例可能比其他用例更能说明边缘计算的价值，但总体来说，该技术对整个互联生态系统的潜在影响可能是翻天覆地的。 (乐邦)

来源：安莎通讯社