而今，人們對邊緣計算寄予了愈來愈多的希望。該行業(yè)充滿了大膽的想法，比如“邊緣將吞噬云”，實時自動化將遍布醫(yī)療保健、零售和制造業(yè)。

專家們一致認(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)揮重要作用。但卻進(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配置的優(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，以及從那以后發(fā)生了什么。

第一波邊緣計算：物聯(lián)網(wǎng)(IoT)

對于大多數(shù)行業(yè)來說，邊緣的概念與物聯(lián)網(wǎng)(IoT)的第一波浪潮緊密相關(guān)。當(dāng)時，人們大部分重點(diǎn)都集中在從安裝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)揭粋€中心位置——譬如云或主數(shù)據(jù)中心。

然后，這些數(shù)據(jù)流必須與通常所說的傳感器融合相關(guān)聯(lián)。當(dāng)時，傳感器的經(jīng)濟(jì)性、電池壽命和普及度常常導(dǎo)致數(shù)據(jù)流過于有限，且保真度較低。另外，用傳感器改造現(xiàn)有設(shè)備的成本往往過高。雖然傳感器本身價格低廉，但安裝耗時，且需要訓(xùn)練有素的人員來完成。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。

另外，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(diǎn)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。考慮到潛在的風(fēng)險超過了未經(jīng)證實的好處，很多人采取觀望的謹(jǐn)慎態(tài)度。

超越物聯(lián)網(wǎng)1.0

而現(xiàn)在愈來愈清楚的是，邊緣不在于物聯(lián)網(wǎng)，而在于跨分布式站點(diǎn)和地理位置的運(yùn)營進(jìn)行實時決策。在IT以及愈來愈多的工業(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”。

邊緣無處不在——我們生活的地方、工作的地方以及人類活動發(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解決。各種集成傳感器帶來了新的資產(chǎn)和技術(shù)。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)的需求結(jié)合在一起，會使每秒產(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)流中獲得結(jié)果，現(xiàn)在在數(shù)據(jù)產(chǎn)生的地方部署了計算能力。

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。在短期內(nèi)，邊緣的數(shù)據(jù)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的運(yùn)營，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，因為其是一個很好的地方，可以在所有位置上部署邊緣和管理。比如，云提供了對來自其他地點(diǎn)的應(yīng)用程序和數(shù)據(jù)的訪問，以及遠(yuǎn)程專家來管理全世界的系統(tǒng)、數(shù)據(jù)和應(yīng)用程序。另外，云可用于分析跨多個位置的大型數(shù)據(jù)集，顯示隨時間變化的趨勢，并生成預(yù)測分析模型。

所以，邊緣在于理解大量分散在地理位置上的大型數(shù)據(jù)流。人們必須采用這種對邊緣的新認(rèn)知，才能真正了解邊緣計算的可能性。

實時邊緣分析

與幾年前相比，而今在邊緣地帶能做的事情是驚人的。現(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年前功能強(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。

且現(xiàn)在，高核數(shù)CPU和GPU以及高吞吐量網(wǎng)絡(luò)和高分辨率攝像頭已經(jīng)唾手可得，這使得實時邊緣分析成為現(xiàn)實。在邊緣(業(yè)務(wù)活動發(fā)生的地方)部署實時分析可以幫助企業(yè)了解其運(yùn)營，并立即做出響應(yīng)。有了這些知識，很多操作可以進(jìn)一步自動化，從而提高生產(chǎn)力，并減少損失。

讓我們來考慮一些當(dāng)今實時邊緣分析的例子:

1. 超市欺詐防范

很多超市現(xiàn)在使用某種形式的自助結(jié)賬，不幸的是，他們也看到愈來愈多的欺詐。邪惡的購物者可以用更便宜的條形碼代替更昂貴的商品，從而支付更少的錢。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，將產(chǎn)品的掃描結(jié)果和重量與產(chǎn)品的預(yù)期質(zhì)量進(jìn)行比較。這些攝像頭相對便宜，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”離開之后。

2. 食品生產(chǎn)監(jiān)控

而今，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AI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或過程偏離。也許攝像頭會顯示配料過多。借助攝像頭和實時分析，生產(chǎn)線可以調(diào)整以停止漂移，甚至在需要維修時停止，而不會造成災(zāi)難性的損失。

3. AI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(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。憑借如此高的分辨率，AI現(xiàn)在可以在醫(yī)生確認(rèn)之前過濾、評估和診斷異常情況。通過部署AI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。故此，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過濾器，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。

4. 由分析驅(qū)動的無人駕駛汽車

無人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。分析還可以實現(xiàn)精確的圖像識別，故此計算機(jī)可以識別出風(fēng)滾草和鄰居的貓之間的區(qū)別，并決定是否該剎車或繞過障礙物以確保安全。。高性能GPU和CPU的可承受性、可用性和小型化，使實時模式識別和矢量規(guī)劃成為無人駕駛汽車的駕駛智能。無人駕駛汽車要想成功，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。現(xiàn)在，只有借助當(dāng)今的邊緣技術(shù)才有可能實現(xiàn)。

5. 實踐中的分布式架構(gòu)

當(dāng)在邊緣部署極其強(qiáng)大的計算時，企業(yè)可以更好地優(yōu)化運(yùn)營，而不用擔(dān)心延遲或失去與云的連接。現(xiàn)在所有的東西都分布在邊緣位置，故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。考慮到邊緣技術(shù)的進(jìn)步，企業(yè)現(xiàn)在正以更全面的視角看待自己的運(yùn)營。現(xiàn)今的邊緣技術(shù)不僅幫助企業(yè)提高利潤，事實上，還幫助降低風(fēng)險，改善產(chǎn)品、服務(wù)和用戶體驗。?