【一文看懂：＂边缘计算＂究竟是什么？为何潜力无限？】

本篇文章6532字，读完约16分钟

网易科技信8月15日，知名创投调查机构cb insights详细描述了边缘计算的迅速发展和应用前景。 根据副本，云计算不足以迅速解决和分析在物品的互联网设备、网络汽车和其他数字平台上生成或生成的数据，在这种情况下边缘计算是有用的 这项技术应用于许多领域的行业，具有很大的作用潜力。

以下是复印件的第一复印件。

更快的数据解决可能是奢侈的。 有时与生死有关。

例如，自动驾驶车本质上是具备车轮的高性能计算机，用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作出反应。 解决速度的任何延迟都可能是致命的。 现在网络设备的数据解析正在云中进行，但在中央服务器之间收发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迅速地解决数据。 利用该技术，网络设备可以解决“边缘”上形成的数据。 这里的“边缘”是指设备内部或靠近设备本身的地方。

估计每人每天产生1.5gb的数据量。 随着越来越多的设备连接到网络并生成数据，云计算可能无法完全解决这些数据。 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，将来不仅是无人驾驶汽车，其应用范围也可能会变大。

包括亚马逊、微软和谷歌在内的大型科学技术人员正在探索“边缘计算”技术，有可能引发下一次大规模的计算竞赛。 亚马逊云服务amazon web services(aws )依然在公共云行业中占主导地位，但谁将成为这个新边缘计算行业的领导者还没有受到关注。

本文详细讨论了什么是边缘计算、与此技术相关的特征及其在各行业中的应用。

变化多端的计算行业

在理解边缘计算之前，让我们看看它的前身云计算是如何为世界各地的物品互联网( iot )设备铺平道路的。

云计算吗？ 赋能？ 把世界连接起来

从可穿戴设备到网络厨房电器，网络设备无处不在。 到2019年，世界物品的互联网市场规模将超过1.7万亿美元，比去年的4860亿美元增加一倍以上。

因此，云计算(即多个智能设备连接到网络并运行的过程)越来越成为主流。

云计算允许企业通过远程服务器互联网(俗称“云”)在自己的物理硬件之外存储和解决数据(以及其他计算任务)。

例如，可以使用苹果icloud云服务器备份高端智能手机，使用台式电脑等其他网络设备搜索高端智能手机的数据。 这是登录到帐户并连接到云。 你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了.。

这只不过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、微软和ibm等大型科技企业。 根据私有云管理公司rightscale去年的调查，亚马逊aws和微软azure在主要公共云提供商中排名第一和第二。

图:更多的公司在公共云上运行应用程序

但是，集中式云计算不适合所有的应用程序和用例。 边缘计算为以前在云基础架构中可能很难处理的行业提供了处理方法。

转移到边缘计算

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

近年来，云计算集成和集中化的性质被解释为具有价格效率和灵活性，但物联网和移动计算的兴起给互联网带宽带来了很大的压力。

最终，所有智能设备都不需要利用云计算来运行。 在某些情况下，不要使用此类数据的往返传输。

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将达到67.2亿美元。 这是一个新的行业，但在云计算涵盖的行业中，边缘计算的运营效率可能会提高。

通过边缘计算，可以在电机、泵、发电机和其他传感器等最近侧解决数据，减少云之间交换数据的需要。

根据市场研究企业idc，边缘计算被描述为“微数据中心的网格互联网”，在本地解决或存储重要数据，并将接收到的所有数据存储在中央数据中心或云存储驱动器上

例如，列车列可能包括可以立即提供发动机状态消息的传感器。 在边缘计算中，不需要将传感器数据传输到列车或云数据中心，以确认发动机的运转是否有什么影响。

本地化的数据解决和存储对计算互联网的负荷很小.。 如果发送到云的数据减少，可能会发生延迟。 云和物联网设备相互作用导致的数据解决延迟。

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的数据的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”或其附近进行的计算过程，雾计算是指边缘设备和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，“雾计算始终采用边缘计算，边缘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车轮和制动器是如何运行的，他可以使用历史上累积的传感器数据来预测是否需要修理零件。

在这种情况下，数据解决采用边缘计算，但不一定是瞬间进行的(与显式引擎状态不同)。 在雾计算中，短期分解可以在特定时刻实现，而无需完全返回到中央云。

图:云计算、雾计算、边缘计算

因此，应该记住，边缘计算在给云计算带来补充的同时，与雾计算一起发挥非常密切的作用，但不是两者的替代者。

边缘计算？ 的特征

边缘计算是一个新兴的行业，但有以下明显的优点

实时或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和云。 这将缩短延迟时间。

价格低廉:本地设备在数据管理处理程序中的消耗比云和数据中心在互联网上的消耗少。

互联网流量少:随着物品的互联网设备数量的增加，数据生成以创纪录的速度持续增加。 因此，互联网带宽更有限，云负担更重，数据瓶颈更大。

提高应用程序的运行效率:随着滞后的减少，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，云宕机，则在问题修复之前无法访问数据，企业可能会遭受严重的业务损失。

年，salesforce网站北美14个网站(别名na14 )下降了24小时以上。 无法访问顾客数据，从电话号码到电子邮件，业务运营受到了很大损害。

之后，salesforce将物品的网络云转移到了亚马逊的aws，强调了这次停机只依赖云的巨大弊端。

减少对云的依赖意味着某些设备可以稳定地脱机工作.。 这在网络连接受到限制的地区特别有用，无论是在互联网服务严重不足的特定地区，还是在油田等一般无法访问的偏远地区。

边缘计算的另一个重要特征是安全和法规遵从性。 随着政府越来越关注企业如何利用顾客的数据这些尤为重要。

欧盟( eu )最近实施的《通用数据保护条例》( gdpr )就是一个例子。 这个条例的目的是让个人能够从数据的滥用中识别新闻。

边缘设备可以收集数据并本地解决，因此不需要将数据传输到云。 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，影响也没那么严重。

边缘计算还允许新兴网络设备和传统“传统”设备之间的互操作。 将传统系统中采用的通信协议转换为“现代网络设备能理解的语言”。 这意味着以前传来的工业设备可以无缝有效地连接到现代物品的互联网平台上.。

边缘计算的快速发展现状。

即使在今天，边缘计算市场仍处于初期的快速发展阶段。 但是，随着更多设备的连接，似乎受到了关注。

控制云计算市场的公司(亚马逊、谷歌和微软)已成为边缘计算行业的领导者。

去年，亚马逊带着aws greengrass进入了边缘计算行业，站在了领域的前列。 该服务将aws扩展到设备，“本地解决生成的数据，使云可用于管理、数据观察和永久存储”。

微软在这个行业也有一点大动作。 这家企业计划在未来四年向物品互联网行业投入50亿美元，包括边缘计算项目。

微软宣布了“将云分解扩展到边缘设备”，支持离线采用的azure iot edge的处理方案。 这家企业还希望侧重于边缘人工智能应用。。

谷歌也不会输。 本月初推出两个新产品，目的是改善边缘网络设备的开发。 这些分别是硬件芯片edge tpu和软件堆栈cloud iot edge。

谷歌表示:“cloud iot edge将谷歌云的强大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，实时操作来自传感器的数据，本地预测结果。

但是，意图进入这个行业的不仅仅是这三大科学技术巨头。

随着网络设备的更多出现，新兴生态系统的许多玩家正在开发帮助边缘计算飞跃发展的软件和技术。

未来四年，惠普公司将在边缘计算行业投资40亿美元。 这家企业的edgeline converged edge systems系统的目标客户需要数据中心级别的计算能力，通常是在远程运营的产业合作伙伴。

的系统承诺在不将数据发送到云和数据中心的情况下，为石油钻井平台、工厂、铜矿等工业运营提供网络设备的洞察。

新的边缘计算行业包括scale computing、vertiv、farway、富士通和诺基亚等主要竞争对手。

人工智能芯片制造商英伟达在年发表了jetson tx2。 这是面向边缘设备的人工智能计算平台。 它的前身是jetson tx1，被称为“重新定义高级ai从云扩展到边缘的可能性”。

多家知名企业也投资于通用电气、英特尔、戴尔、ibm、思科、惠普、微软、sap se、at等布局边缘计算。

例如，在私人市场上，戴尔和英特尔投资于foghorn公司，该公司为工商业产品的网络应用提供边缘智能。 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)也构成了openfog联盟。 本组织的目标是标准化这项技术的应用。

边缘计算在各行业的应用

随着传感器的价格和计算价格持续下降，越来越多的“东西”将上网。

随着越来越多的网络设备可用，边缘计算可以在任何行业，特别是云计算效率低下的行业中使用更多的应用程序。

我们开始看到这项技术在许多不同领域的行业开始产生影响。

“如果云的威力下降到设备(边缘)，特别是在互联网条件有限的地区和缺乏互联网的地区，会带来实时响应、分解和行动的能力。 这还处于初期的迅速发展阶段，但我们开始看到这些新功能可以应对世界范围内的巨大课题。 ”——微软首席技术官凯文？ ？ 斯科特(凯文·斯科特)

从汽车自动驾驶到农业，以下几个领域将受益于边缘计算的潜力。

交通运输

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。

自动驾驶车配备了各种传感器，从照相机到雷达到激光系统，支持车辆的运行。

如上所述，这些自动驾驶车利用边缘计算，通过这些传感器在靠近车辆的地方解决数据，尽可能减少系统运行中的响应时间。 无人驾驶汽车还不是主流，但企业们已经准备好了。

今年年初，汽车边缘计算联盟( aecc )宣布将开始一个以互联网汽车处理计划为中心的项目。

“网络汽车从豪华车型和高端企业品牌迅速扩大到大量的中端车型。 汽车领域即将到达临界点，汽车产生的数据量超过现有的云、计算和通信基础设施资源。 ”。 ——aecc主席兼总裁村田兼一( kenichi murata )

该联盟的成员包括denso公司、丰田汽车、at、爱立信和英特尔等公司。

但是，除了自动驾驶汽车，还需要产生大量的数据，实时解决。 飞机、列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的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.。

医疗

现在越来越喜欢戴健身追踪装置、血糖监视器、智能手表和其他监视健康状况的可穿戴设备。

但是，为了从收集到的大量数据中实际获益，实时分析可能是不可或缺的。 虽然多个可穿戴设备直接连接到云，但有些其他设备支持脱机运行。

点戴式健康监视器可以在不连接云的情况下本地分析脉搏数据和睡眠模式。 然后，医生可以当场判断患者，就患者的健康状况提供即时的反馈。

但是，在医疗行业，边缘计算的可能性不限于可穿戴设备。

想想迅速的数据解决对远程患者的监视、住院患者的护理、医院和诊所的医疗管理有多大的好处。

医生和临床医生可以为患者提供更迅速更好的护理，患者生成的健康数据也被更安全地保护。 医院的病床平均有20多个网络设备，产生大量的数据。 这些数据的解决不是将机密数据发送到云，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。

制造业

智能制造有望从现代工厂大量配备的传感器中得到洞察。

由于可以减少滞后，所以边缘计算可以使制造工艺的响应和变动更迅速，可以实时应用基于数据观察的洞察和实时行动。 这包括在机器过热之前关闭它.。

一个工厂可以用两个机器人完成同样的任务，两个机器人具备传感器，连接在一个边缘设备上。 边缘设备通过执行机器学习模型，能够预测任一个机器人是否操作失败。

边缘设备判断机器人发生故障的可能性较高时，将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迅速地洞察和越来越多的机器学习技术在业务运营中的应用。

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，减少工厂机器运转中断。

农业和智能农场

边缘计算最适合农业。 因为农场经常处于偏远和恶劣的环境，带宽和互联网连接可能有问题。

现在，想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小时运行的卫星。 边缘计算是合适且价格高效的替代方案。

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

能量和电网控制

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，压力和湿度的传感器被严密监视，考虑到连接性没有错误，特别是这些传感器大多位于偏远的地方。 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。 通过电网控制，传感器可以监视从电动汽车到风力发电厂的所有设施产生的能源，有助于相应地做出降低价值成本、提高能源生产效率的决定。

其他领域的行业应用

能够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，从而减少对云计算的依赖，从中受益。

零售业可以使用边缘计算应用程序来提高客户满意度.。 现在，多个零售商改善店内体验，优化数据收集和分解的方法，特别是考虑到多个零售商试图使用网络连接的智能显示器，绝对有意义。

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

总结一下

从可穿戴设备到汽车、机器人，物联网设备显示出了更强的快速发展趋势。

随着我们向更加互联的生态系统前进，数据生成继续迅速增加，特别是在5g技术飞跃发展，互联网连接进一步加快后。 中央云或数据中心一直以来都是数据管理、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，但由于此技术还处于初始阶段，因此未来的快速发展是不太可预料的。

可能会遇到设备方面的问题，如开发解决云卸载的计算任务的软件和硬件能力。 告诉机器是否可以在边缘执行的计算任务和需要在云上执行的计算任务之间切换也是一个课题。

尽管如此，随着边缘计算的使用越来越多，企业在各个行业都有更多的机会测试和部署此技术。

有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)