網(wǎng)易科技訊 8月15日消息，知名創(chuàng)投調(diào)研機構CB Insights撰文詳述了邊緣計算的發(fā)展和應用前景。文章稱，云計算已經(jīng)不足以即時處理和分析由物聯(lián)網(wǎng)設備、聯(lián)網(wǎng)汽車和其他數(shù)字平臺生成或即將生成的數(shù)據(jù)，這個時候邊緣計算能夠派上用場。該技術擁有著應用于諸多行業(yè)領域和發(fā)揮巨大作用的潛力。
以下是文章主要內(nèi)容：
有時更快的數(shù)據(jù)處理是一種奢侈——有時它生死攸關。
例如，自動駕駛汽車本質(zhì)上是一臺裝有輪子的高性能計算機，它通過大量的傳感器來收集數(shù)據(jù)。為了使得這些車輛能夠安全可靠地運行，它們需要立即對周圍的環(huán)境做出反應。處理速度的任何延遲都有可能是致命的。雖然聯(lián)網(wǎng)設備的數(shù)據(jù)處理現(xiàn)在主要是在云端進行的，但在中央服務器之間來回傳送數(shù)據(jù)可能需要幾秒鐘的時間。這一時間跨度太長了。
邊緣計算則讓自動駕駛汽車更快速地處理數(shù)據(jù)成為可能。這種技術使得聯(lián)網(wǎng)設備能夠處理在“邊緣”形成的數(shù)據(jù)，這里的“邊緣”是指位于設備內(nèi)部或者與設備本身要近得多的地方。
據(jù)估計，到2020年，每人每天平均將產(chǎn)生1.5GB的數(shù)據(jù)量。隨著越來越多的設備連接到互聯(lián)網(wǎng)并生成數(shù)據(jù)，云計算可能無法完全處理這些數(shù)據(jù)——尤其是在某些需要非�？焖俚靥幚頂�(shù)據(jù)的使用場景當中。
邊緣計算是云計算以外的另一種可選解決方案，未來它的應用范圍很有可能將遠不止是無人駕駛汽車。
包括亞馬遜、微軟和谷歌在內(nèi)的一些科技巨頭都在探索“邊緣計算”技術，這可能會引發(fā)下一場大規(guī)模的計算競賽。雖然亞馬遜云服務Amazon Web Services（AWS）在公共云領域仍然占據(jù)主導地位，但誰將成為這個新興的邊緣計算領域的領導者仍有待觀察。
在本文中，我們將深入探討什么是邊緣計算，與該技術相關的優(yōu)勢，以及它在各行各業(yè)中的應用。
一個充滿變化的計算領域
在了解邊緣計算之前，我們必須先來看看它的前身——云計算——是如何為遍布全球的物聯(lián)網(wǎng)（IoT）設備鋪平道路的。
云計算 賦能 互聯(lián)世界
從可穿戴設備到聯(lián)網(wǎng)廚房電器，聯(lián)網(wǎng)設備可以說無處不在。據(jù)估計，到2019年，全球物聯(lián)網(wǎng)市場規(guī)模將超過1.7萬億美元，較2013年的4860億美元增長逾兩倍。
因此，云計算——許多智能設備連接到互聯(lián)網(wǎng)來運作的過程——已經(jīng)成為一種越來越主流的趨勢。
云計算使得公司能夠在自己的物理硬件之外，通過遠程服務器網(wǎng)絡（俗稱“云”）存儲和處理數(shù)據(jù)（以及其他的計算任務）。
例如，你可以選擇使用蘋果的iCloud云服務來備份你的智能手機，然后你可以通過另一個聯(lián)網(wǎng)設備（比如你的臺式電腦）檢索智能手機里的數(shù)據(jù)，方法是登錄你的賬戶連接到云。你的信息不再受到智能手機或臺式機的內(nèi)部硬盤容量的限制。
這只是眾多云計算用例之一。另一個例子是通過Web端或移動瀏覽器來訪問各種完整的應用程序。由于云計算越來越受歡迎，它吸引了亞馬遜谷歌、微軟和IBM等大型科技公司入局。據(jù)私有云管理公司RightScale于2018年進行的一項調(diào)查顯示，在主要的公共云提供商當中，亞馬遜AWS和微軟Azure分列第一和第二。
圖示：越來越多的企業(yè)在公共云上運行應用程序
但是集中式云計算并不適合所有的應用程序和用例。邊緣計算則能夠在傳統(tǒng)云基礎設施可能難以解決的領域提供解決方案。
向邊緣計算的轉(zhuǎn)變
在我們到處充斥著數(shù)據(jù)的未來，將有數(shù)十億部設備連接到互聯(lián)網(wǎng)，因此更快更可靠的數(shù)據(jù)處理將變得至關重要。
近年來，云計算的整合和集中化性質(zhì)被證明具有成本效益和靈活性，但物聯(lián)網(wǎng)和移動計算的興起給網(wǎng)絡帶寬帶來了不小的壓力。
最終，并不是所有的智能設備都需要利用云計算來運行。在某些情況下，這種數(shù)據(jù)的往返傳輸能夠——也應該——避免。
由此，邊緣計算應運而生。
根據(jù)CB Insights的市場規(guī)模量化工具，到2022年，全球邊緣計算市場規(guī)模預計將達到67.2億美元。雖然這是一個新興領域，但在云計算覆蓋的一些領域，邊緣計算的運行效率可能要更高。
邊緣計算使得數(shù)據(jù)能夠在最近端（如電動機、泵、發(fā)電機或其他的傳感器）進行處理，減少在云端之間來回傳輸數(shù)據(jù)的需要。
市場研究公司IDC稱，邊緣計算被描述為“微型數(shù)據(jù)中心的網(wǎng)狀網(wǎng)絡，在本地處理或存儲關鍵數(shù)據(jù)，并將所有接收到的數(shù)據(jù)推送到中央數(shù)據(jù)中心或云存儲庫，其覆蓋范圍不到100平方英尺”。
例如，一列火車可能包含可以立即提供其發(fā)動機狀態(tài)信息的傳感器。在邊緣計算中，傳感器數(shù)據(jù)不需要傳輸?shù)交疖嚿匣蛘咴贫说臄?shù)據(jù)中心，來查看是否有什么東西影響了發(fā)動機的運轉(zhuǎn)。
本地化數(shù)據(jù)處理和存儲對計算網(wǎng)絡的壓力更小。當發(fā)送到云的數(shù)據(jù)變少時，發(fā)生延遲的可能性——云端與物聯(lián)網(wǎng)設備之間的交互導致的數(shù)據(jù)處理延遲——就會降低。
這也讓基于邊緣計算技術的硬件承擔了更多的任務，它們包含用于收集數(shù)據(jù)的傳感器和用于處理聯(lián)網(wǎng)設備中的數(shù)據(jù)的CPU或GPU。
隨著邊緣計算的興起，理解邊緣設備所涉及的另一項技術也很重要，它就是霧計算。
邊緣計算具體是指在網(wǎng)絡的“邊緣”處或附近進行的計算過程，而霧計算則是指邊緣設備和云端之間的網(wǎng)絡連接。
換句話說，霧計算使得云更接近于網(wǎng)絡的邊緣；因此，根據(jù)OpenFog的說法，“霧計算總是使用邊緣計算，而不是邊緣計算總是使用霧計算�！�
說回我們的火車場景：傳感器能夠收集數(shù)據(jù)，但不能立即就數(shù)據(jù)采取行動。例如，如果一名火車工程師想要了解火車車輪和剎車是如何運行的，他可以使用歷史累計的傳感器數(shù)據(jù)來預測零部件是否需要維修。
在這種情況中，數(shù)據(jù)處理使用邊緣計算，但它并不總是即時進行的（與確定引擎狀態(tài)不同）。而使用霧計算，短期分析可以在給定的時間點實現(xiàn)，而不需要完全返回到中央云。
圖示：云計算、霧計算與邊緣計算
因此，要記住的是，雖然邊緣計算給云計算帶來補充，并且與霧計算一起非常緊密地運作，但它絕不是二者的替代者。
邊緣計算 的優(yōu)勢
雖然邊緣計算是一個新興的領域，但是它擁有一些顯而易見的優(yōu)點，包括：
·實時或更快速的數(shù)據(jù)處理和分析：數(shù)據(jù)處理更接近數(shù)據(jù)來源，而不是在外部數(shù)據(jù)中心或云端進行，因此可以減少遲延時間。
·較低的成本：企業(yè)在本地設備的數(shù)據(jù)管理解決方案上的花費比在云和數(shù)據(jù)中心網(wǎng)絡上的花費要少。
·網(wǎng)絡流量較少：隨著物聯(lián)網(wǎng)設備數(shù)量的增加，數(shù)據(jù)生成繼續(xù)以創(chuàng)紀錄的速度增加。因此，網(wǎng)絡帶寬變得更加有限，讓云端不堪重負，造成更大的數(shù)據(jù)瓶頸。
·更高的應用程序運行效率：隨著滯后減少，應用程序能夠以更快的速度更高效地運行。
削弱云端的角色也會降低發(fā)生單點故障的可能性。
例如，如果一家公司使用中央云來存儲它的數(shù)據(jù)，云一旦宕機，那么數(shù)據(jù)將無法訪問，直至問題得到修復——公司可能因而蒙受嚴重的業(yè)務損失。
2016年，Salesforce網(wǎng)站的北美14站點（又名NA14）宕機超過24個小時�？蛻魺o法訪問用戶數(shù)據(jù)，從電話號碼到電子郵件等等，業(yè)務運營遭受嚴重的破壞。
此后，Salesforce將它的物聯(lián)網(wǎng)云轉(zhuǎn)移到亞馬遜的AWS上，但是這次宕機事件凸顯了僅僅依賴云的一大弊病。
減少對云的依賴也意味著某些設備可以穩(wěn)定地離線運行。這在互聯(lián)網(wǎng)連接受限的地區(qū)尤其能夠派上用場——無論是在嚴重缺乏網(wǎng)絡服務的特定地區(qū)，還是油田等通常無法訪問的偏遠地區(qū)。
邊緣計算的另一個關鍵優(yōu)勢與安全性和合規(guī)性有關。隨著政府越來越關注企業(yè)如何利用消費者的數(shù)據(jù)，這一點尤為重要。
歐盟（EU）最近實施的《通用數(shù)據(jù)保護條例》（GDPR）就是一例。該條例旨在保護個人可識別信息免遭數(shù)據(jù)濫用。
由于邊緣設備能夠在收集和本地處理數(shù)據(jù)，數(shù)據(jù)不必傳輸?shù)皆贫�。因此，敏感信息不需要�?jīng)由網(wǎng)絡，這樣要是云遭到網(wǎng)絡攻擊，影響也不會那么嚴重。
邊緣計算還能夠讓新興聯(lián)網(wǎng)設備和舊式的“遺留”設備之間實現(xiàn)互通。它將舊式系統(tǒng)使用的通信協(xié)議“轉(zhuǎn)換成現(xiàn)代聯(lián)網(wǎng)設備能夠理解的語言”。這意味著傳統(tǒng)工業(yè)設備可以無縫且高效地連接到現(xiàn)代的物聯(lián)網(wǎng)平臺。
邊緣計算發(fā)展現(xiàn)狀
今天，邊緣計算市場仍然處于初期發(fā)展階段。但隨著越來越多的設備連網(wǎng)，它似乎備受關注。
主宰云計算市場的那些公司（亞馬遜、谷歌和微軟）正在成為邊緣計算領域的領先者。
去年，亞馬遜攜AWS Greengrass進軍邊緣計算領域，走在了行業(yè)的前面。該服務將AWS擴展到設備上，這樣它們就可以“在本地處理它們所生成的數(shù)據(jù)，同時仍然可以使用云來進行管理、數(shù)據(jù)分析和持久的存儲”。
微軟在這一領域也有一些大動作。該公司計劃在未來4年在物聯(lián)網(wǎng)領域投入50億美元，其中包括邊緣計算項目。
微軟發(fā)布了它的Azure IoT Edge解決方案，該方案“將云分析擴展到邊緣設備”，支持離線使用。該公司還希望聚焦于邊緣的人工智能應用。
谷歌也不甘示弱。它在本月早些時候宣布了兩款新產(chǎn)品，意在幫助改善邊緣聯(lián)網(wǎng)設備的開發(fā)。它們分別是硬件芯片Edge TPU和軟件堆棧Cloud IoT Edge。
谷歌表示，“Cloud IoT Edge將谷歌云強大的數(shù)據(jù)處理和機器學習功能擴展到數(shù)十億臺邊緣設備，比如機器人手臂、風力渦輪機和石油鉆塔，這樣它們就能夠?qū)碜云鋫鞲衅鞯臄?shù)據(jù)進行實時操作，并在本地進行結(jié)果預測。”
然而，有意涉足該領域的并不只是這三大科技巨頭。
隨著聯(lián)網(wǎng)設備越來越多地涌現(xiàn)，新興生態(tài)系統(tǒng)中的許多玩家都正在開發(fā)軟件和技術來幫助邊緣計算實現(xiàn)騰飛。
在接下來的四年里，惠普企業(yè)將在邊緣計算領域投資40億美元。該公司的Edgeline Converged Edge Systems系統(tǒng)的目標客戶是那些希望獲得數(shù)據(jù)中心級計算能力，且通常在邊遠地區(qū)運營的工業(yè)合作伙伴。
它的系統(tǒng)承諾在不依賴于將數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心的情況下，為工業(yè)運營（比如石油鉆井平臺、工廠或銅礦）提供來自聯(lián)網(wǎng)設備的洞見。
在新興的邊緣計算領域，其他主要的競爭者包括Scale Computing、Vertiv、華為、富士通和諾基亞等。
人工智能芯片制造商英偉達于2017年推出了Jetson TX2，這是一個面向邊緣設備的人工智能計算平臺。它的前身是Jetson TX1，它號稱要“重新定義將高級AI從云端擴展到邊緣的可能性”。
許多著名的公司也在投資布局邊緣計算，包括通用電氣、英特爾、戴爾、IBM、思科、惠普企業(yè)、微軟、SAP SE和AT&T。
例如，在私募市場上，戴爾和英特爾均投資了為工商業(yè)物聯(lián)網(wǎng)應用提供邊緣智能的Foghorn公司。戴爾還參與了物聯(lián)網(wǎng)邊緣平臺IOTech的種子輪融資。
上面提到的許多公司，包括思科、戴爾和微軟，也已經(jīng)聯(lián)合起來組成了OpenFog聯(lián)盟。該組織的目標是標準化這項技術的應用。
邊緣計算在各行各業(yè)的應用
隨著傳感器價格和計算成本的持續(xù)下降，更多的“東西”將被連接到互聯(lián)網(wǎng)。
隨著更多的聯(lián)網(wǎng)設備變得可用，邊緣計算將在各行各業(yè)中得到越來越多的應用，尤其是在云計算效率低下的一些領域。
我們已經(jīng)開始看到該技術在多個不同的行業(yè)領域產(chǎn)生影響。
“當我們把云的威力下沉到設備（即邊緣）時，我們可帶來實時地響應、分析和行動的能力，尤其是在網(wǎng)絡條件有限或者缺乏網(wǎng)絡的地區(qū)……它還處于初期發(fā)展階段，但我們正開始看到這些新功能能夠應用于解決全球范圍的一些重大挑戰(zhàn)�！薄④浭紫夹g官凱文 · 斯科特（Kevin Scott）
從自動駕駛汽車到農(nóng)業(yè)，以下幾個行業(yè)將會從邊緣計算的潛力中獲益。
交通運輸
邊緣計算技術最顯而易見的潛在應用之一是交通運輸——更具體地說，是無人駕駛汽車。
自動駕駛汽車裝備了各種各樣的傳感器，從攝像頭到雷達到激光系統(tǒng)，來幫助車輛運行。
如前所述，這些自動駕駛汽車可以利用邊緣計算，通過這些傳感器在離車輛更近的地方處理數(shù)據(jù)，進而盡可能地減少系統(tǒng)在駕駛過程中的響應時間。雖然無人駕駛汽車還不是主流趨勢，但公司們正在未雨綢繆。
今年早些時候，汽車邊緣計算聯(lián)盟（AECC）宣布將啟動以聯(lián)網(wǎng)汽車解決方案為重點的項目。
“聯(lián)網(wǎng)汽車正迅速地從豪華車型和高端品牌擴張到大批量的中端車型。汽車行業(yè)將很快達到一個臨界點，屆時汽車所產(chǎn)生的數(shù)據(jù)量將超過現(xiàn)有的云、計算和通信基礎設施資源�！薄狝ECC主席兼總裁村田兼一（Kenichi Murata）
該聯(lián)盟的成員包括DENSO Corporation、豐田汽車、AT&T、愛立信、英特爾等公司。
不過，不僅僅是自動駕駛汽車會產(chǎn)生大量的數(shù)據(jù)并需要實時處理。飛機、火車和其他的交通工具也是如此——不管它們有沒有人類駕駛。
例如，飛機制造商龐巴迪（Bombardier）的C系列飛機就裝備了大量的傳感器來迅速檢測發(fā)動機的性能問題。在12小時的飛行中，飛機產(chǎn)生了多達844 TB的數(shù)據(jù)。邊緣計算支持對數(shù)據(jù)進行實時處理，因此該公司能夠主動處理引擎問題。
醫(yī)療保健
如今，人們越來越喜歡佩戴健身追蹤設備、血糖監(jiān)測儀、智能手表和其他監(jiān)測健康狀況的可穿戴設備。
但是，要真正地從所收集的海量數(shù)據(jù)中獲益，實時分析可能是必不可少的——許多的可穿戴設備直接連接到云上，但也有其他的一些設備支持離線運行。
一些可穿戴健康監(jiān)控器可以在不連接云的情況下本地分析脈搏數(shù)據(jù)或睡眠模式。然后，醫(yī)生可以當場對病人進行評估，并就病人的健康狀況提供即時反饋。
但在醫(yī)療保健領域，邊緣計算的潛力遠不局限于可穿戴設備。
不妨想想，快速的數(shù)據(jù)處理能夠給遠程患者監(jiān)控、住院患者護理以及醫(yī)院和診所的醫(yī)療管理帶來多大的好處。
醫(yī)生和臨床醫(yī)生將能夠為患者提供更快、更好的護理，同時患者所生成的健康數(shù)據(jù)也多了一層安全保護。醫(yī)院病床平均有20個以上的聯(lián)網(wǎng)設備，會產(chǎn)生大量的數(shù)據(jù)。這些數(shù)據(jù)的處理將直接發(fā)生在更靠近邊緣的地方，而不是將保密數(shù)據(jù)發(fā)送到云端，因此能夠避免數(shù)據(jù)被不當訪問的風險。
如前所述，本地化數(shù)據(jù)處理意味著大范圍的云端或網(wǎng)絡故障不會影響業(yè)務運轉(zhuǎn)。即使云操作中斷，這些醫(yī)院的傳感器也能獨立地正常運行。
制造業(yè)
智能制造有望從現(xiàn)代工廠大量部署的傳感器中獲得洞見。
由于能夠減少滯后，邊緣計算可能會使得制造流程能夠更快速地做出響應和變動，能夠?qū)崟r地應用數(shù)據(jù)分析得出的洞見和實時行動。這可能包括在機器過熱之前將其關閉。
一家工廠可以使用兩個機器人來完成同樣的任務，兩個機器人裝有傳感器，并連接到一個邊緣設備上。邊緣設備可以通過運行一個機器學習模型來預測其中一個機器人是否會操作失敗。
如果邊緣設備斷定機器人很可能會出現(xiàn)故障，它就會觸發(fā)行動來阻止或減慢機器人的運轉(zhuǎn)。這會使得工廠能夠?qū)崟r地評估潛在的故障。
如果機器人能夠自己處理數(shù)據(jù)，它們也可能變得更加自給自足和反應靈敏。
邊緣計算應該支持更快地從大數(shù)據(jù)中更多的洞見，以及支持將更多的機器學習技術應用到業(yè)務運營中。
最終目標是，挖掘?qū)崟r產(chǎn)生的海量數(shù)據(jù)的巨大價值，防止安全隱患，并減少工廠車間機器運轉(zhuǎn)中斷的情況。
農(nóng)業(yè)和智能農(nóng)場
邊緣計算非常適合應用于農(nóng)業(yè)，因為農(nóng)場經(jīng)常處于偏遠的位置和惡劣的環(huán)境中，可能存在帶寬和網(wǎng)絡連接方面的問題。
現(xiàn)在，想要改善網(wǎng)絡連接的智能農(nóng)場需要在昂貴的光纖、微波連接或者擁有一顆全天候運行的衛(wèi)星上進行投資；而邊緣計算則是一種合適的、具有成本效益的替代方案。
智能農(nóng)場可以使用邊緣計算來監(jiān)測溫度和設備性能，以及自動讓各種設備（比如過熱的泵）減緩運轉(zhuǎn)或者關閉。
能源和電網(wǎng)控制
邊緣計算或許在整個能源行業(yè)都尤其有效，尤其是在石油和天然氣設施的安全監(jiān)測方面。
例如，壓力和濕度傳感器應當受到嚴密監(jiān)控，不能在連接性上出差錯，尤其是考慮到這些傳感器大多位于偏遠地區(qū)。如果出現(xiàn)異常情況——比如油管過熱——卻沒有被及時注意到，那就可能會發(fā)生災難性的爆炸。
邊緣計算的另一個好處是能夠?qū)崟r檢測設備故障。通過電網(wǎng)控制，傳感器可以監(jiān)控從電動汽車到風力發(fā)電廠的一切設施所產(chǎn)生的能源，有助于相應作出決策來降低成本和提高能源生產(chǎn)效率。
其他行業(yè)領域的應用
其他可以利用邊緣計算技術的行業(yè)包括金融業(yè)和零售業(yè)。這兩個行業(yè)都使用大型的客戶和后端數(shù)據(jù)集來提供從選股信息到店內(nèi)服裝擺放的各種信息，可以從減少對云計算的依賴中獲益。
零售可以使用邊緣計算應用程序來增強顧客體驗。如今，許多零售商都在致力于改善店內(nèi)體驗，優(yōu)化數(shù)據(jù)收集和分析的方式對它們而言絕對很有意義——尤其是考慮到許多零售商已經(jīng)在嘗試使用聯(lián)網(wǎng)的智能顯示屏。
此外，很多人使用店內(nèi)平板電腦所生成的銷售點數(shù)據(jù)，這些數(shù)據(jù)會被傳輸?shù)皆贫嘶驍?shù)據(jù)中心。借助邊緣計算，數(shù)據(jù)可以在本地進行分析，從而減少敏感數(shù)據(jù)泄漏的風險。
總結(jié)
從可穿戴設備到汽車再到機器人，物聯(lián)網(wǎng)設備正呈現(xiàn)出越來越強勁的發(fā)展勢頭。
隨著我們朝著更加互聯(lián)的生態(tài)系統(tǒng)邁進，數(shù)據(jù)生成將繼續(xù)飛速增加，尤其是在5G技術取得騰飛，進一步加快網(wǎng)絡連接以后。雖然中央云或數(shù)據(jù)中心傳統(tǒng)上一直是數(shù)據(jù)管理、處理和存儲的首選，但這兩種方案都存在局限性。邊緣計算可以充當替代解決方案，但由于該技術仍處于起步階段，因此還很難預料其未來的發(fā)展。
設備能力方面的挑戰(zhàn)——包括開發(fā)能夠處理云端分流的計算任務的軟件和硬件的能力——可能會出現(xiàn)。能否教會機器在能夠在邊緣執(zhí)行的計算任務和需要云端執(zhí)行的計算任務之間切換，也是一個挑戰(zhàn)。
即便如此，隨著邊緣計算更多地被采用，企業(yè)將有更多的機會在各個領域測試和部署這種技術。
有些用例可能比其他用例更能證明邊緣計算的價值，但整體來看，該技術對我們整個互聯(lián)生態(tài)系統(tǒng)的潛在影響則可能是翻天覆地的。
