【云端科技巨頭紛紛布局，這些行業可以最大化受益】對于即時處理和分析物聯網設備、聯網汽車和其他數字平臺的數據而言，云端平臺已經“能力不足”，邊緣計算的時代即將來臨。

更快的數據處理是一種至關重要的能力。例如，自動駕駛汽車本質上可以看做是一臺車輪上的大型高功率計算機，其通過多個傳感器收集數據。為了使這些車輛安全可靠地運行，他們需要立即響應周圍環境。處理速度的任何滯后都可能是致命的。

雖然聯網設備的大部分數據處理現在都在云平臺上進行，但在中央服務器上來回發送數據可能需要幾秒鐘的時間。

邊緣計算則可以加速自動駕駛車輛的數據處理速度。該技術使連接的設備能夠處理在“邊緣”處創建的數據，這一“邊緣”在設備本身內部或更接近設備本身。

到2020年，估計普通人每天將產生1.5GB的數據。隨著更多設備連接到互聯網并生成數據，云計算可能無法全部處理這些數據——特別是在某些用途所需的更快速度下。

邊緣計算提供了云計算的替代方案，其可能具有遠遠超出自動駕駛車輛的應用。

包括亞馬遜、微軟和谷歌在內的一些最大的科技公司正在探索邊緣計算，這可能會引發下一場大型計算競賽。雖然亞馬遜網絡服務(AWS)仍然在公共云領域占據主導地位，但仍有待觀察——誰將成為這個新興領域的領導者。

不斷變化的計算環境：從云計算到邊緣計算

到2019年，全球物聯網市場規模預計將超過1.7萬美元，比2013年的486億美元增長三倍多。

云計算已然成為這其中的主流趨勢。云計算使公司能夠在他們自己的物理硬件之外以及遠程服務器網絡(通常稱為“云”)之間存儲和處理數據(以及其他計算任務)。

由于其日益普及，云計算吸引了亞馬遜、谷歌、微軟和IBM等主要科技公司。根據私有云管理公司RightScale在2018年進行的一項調查顯示，在主要的公共云提供商中，亞馬遜網絡服務(AWS)和微軟Azure分別排名第一和第二。

但集中式云計算并非適用于所有應用程序和用例。邊緣計算提供傳統云基礎架構可能難以提供的解決方案。

在數據更浩繁的未來，數十億設備連接到互聯網，更快、更可靠的數據處理將變得至關重要。

近年來，云計算的整合和集中性已經證明具有成本效益和靈活性，但物聯網和移動計算的興起給網絡帶寬帶來了壓力。

最終，并非所有智能設備都需要利用云計算來運營。在某些情況下，甚至可以直接跳到邊緣計算的應用。

據CBInsights分析，到2022年，全球邊緣計算市場估計將達到6.72億美元。雖然是一個新興領域，但相比云計算目前運營的某些領域，邊緣計算可能會更有效率。

邊緣計算使數據能夠更接近于其創建的位置(即電機、泵、發電機或其他傳感器)進行處理，從而減少了在云之間來回傳輸數據的需求。

國際數據公司IDC將其描述為“微型數據中心的網狀網絡，可在本地處理或存儲關鍵數據，并將所有接收的數據推送到中央數據中心或云存儲庫，占地面積小于100平方英尺”。

例如，列車可能包含可立即提供其發動機狀態的傳感器。在這種情況下，無論是在火車上還是在云平臺中，獲得和處理傳感器數據都不再需要前往數據中心，去查看是否有某些因素影響了運營。

對數據處理和存儲進行本地化，可以減輕計算網絡的負擔。當較少的數據發送到云時，延遲的可能性——即云和物聯網設備之間的交互導致的數據處理延遲——會減少。

硬件底層邊緣計算技術也因此需要承擔更多性能上的壓力。該技術包括用于收集數據的傳感器和用于處理連接設備內的數據的CPU或GPU。

隨著邊緣計算的興起，了解邊緣設備所涉及的另一項技術——霧計算，顯得非常重要。

邊緣計算更具體地指的是在網絡的“邊緣”處或附近完成的計算過程，但“霧計算”是指邊緣設備和云之間的網絡連接。換句話說，霧計算將云延伸到更接近網絡的邊緣——因此，“霧計算”總是使用邊緣計算。

邊緣計算帶來了一系列明顯的優勢，包括：

實時或更快的數據處理和分析。數據處理更靠近源，而不是外部數據中心或云，這樣可以縮短延遲時間。

降低成本。企業在本地設備上的數據管理解決方案所花費的成本低于云和數據中心網絡。

減少網絡流量。隨著物聯網設備數量的增加，數據生成繼續以創紀錄的速度增長。結果，網絡帶寬變得更加有限，壓倒了云，導致更大的數據瓶頸。

提高應用程序效率。通過降低延遲級別，應用程序可以更高效、更快速地運行。

強調云的作用也降低了單點故障的可能性。

如果公司利用集中式云來存儲其數據并且云計算中斷，則在問題得到解決之前數據將無法訪問，并可能導致嚴重的業務損失。

2016年，由于Salesforce的NA14網站停運，Salesforce.com上線超過24小時。客戶無法訪問大量客戶數據，從電話號碼到電子郵件等等——這嚴重擾亂了業務。此后，Salesforce將其物聯網云遷移到亞馬遜AWS，但停電故障又凸顯了僅依靠云端也是不行的。

減少對云的依賴也意味著某些設備可以脫機可靠地運行。這在互聯網連接受限的地方特別有用——無論是在具有少量訪問權限的特定地理位置，還是在遠程，通常難以訪問的站點(如油田)。

邊緣計算的另一個關鍵優勢涉及安全性和合規性。隨著各國政府越來越關注公司如何利用消費者數據，這一點尤為重要。

最近在歐盟執行通用數據保護條例(GDPR)就是這種情況，該條例旨在保護個人的個人身份信息免受數據濫用。

由于邊緣設備在本地級別收集數據并對其進行操作，因此可以避免向云端的數據傳輸。因此，敏感信息不需要通過網絡，如果發生對云的網絡攻擊，那么影響就可以大幅減少。

邊緣計算還允許新興連接設備與較舊的“傳統”設備之間的一定程度的互操作性。它將舊系統使用的“通信協議”轉換為現代連接設備可以理解的語言。這意味著傳統工業設備可以無縫高效地連接到現代物聯網平臺。

在云計算領域占據主導地位的玩家(亞馬遜、谷歌、微軟)正在成為邊緣計算領導者。

去年，亞馬遜憑借AWSGreengrass進軍邊緣計算領先于該計劃。該服務將AWS擴展到設備，因此他們可以“對他們生成的數據進行本地操作，同時仍然使用云進行管理，分析和持久存儲。”

微軟也在這個領域做出了一些重大舉措。該公司計劃在未來4年內在物聯網上花費5億美元，這涉及其邊緣計算計劃——AzureIoTEdge解決方案。該解決方案將“云分析擴展到邊緣設備”，并可脫機使用。該公司還希望專注于邊緣的人工智能應用。

谷歌本月早些時候發布了兩款新產品，以幫助改善邊緣連接設備的開發：硬件芯片EdgeTPU和CloudIoTEdge，一個軟件堆棧。根據谷歌的說法，“CloudIoTEdge將GoogleCloud強大的數據處理和機器學習擴展到數十億邊緣設備，如機器人手臂，風力渦輪機和石油鉆井平臺，因此他們可以實時處理來自傳感器的數據，并在本地預測結果。”

隨著更多連接設備的出現，不斷上升的生態系統中的許多參與者正致力于使邊緣計算能夠快速發展的軟件和技術。

在接下來的四年中，惠普企業(HPE)將投資40億美元用于邊緣計算。HPE的Edgeline融合邊緣系統面向需要數據中心級計算能力，同時需要經常與工業合作伙伴遠程條件下配合。

Edgeline融合邊緣系統(左圖所示的EL1000型號)可以提供工業操作——例如跨石油鉆井平臺，工廠或銅礦。這些操作主要通過聯網設備的洞察力，而無需依賴將數據發送到云或數據中心。

新興邊緣計算領域的其他主要參與者包括ScaleComputing、Vertiv、華為技術、富士通和諾基亞等。

AI芯片制造商NVIDIA于2017年推出了JetsonTX2，這是一款面向邊緣設備的AI計算平臺。此前，其前身JetsonTX1發布，并聲稱會“(重新定義)將高級AI從云端擴展到邊緣的可能性。”

許多知名公司也投資于邊緣計算，包括通用電氣、英特爾、戴爾、IBM、思科、惠普企業、微軟、SAPE和AT&T。

例如，戴爾和英特爾投資了Foghorn，這是一家面向工業和商業物聯網應用的邊緣情報提供商。戴爾還參與了IIoT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，已經組成了OpenFog聯盟，旨在標準化邊緣計算技術的應用。

跨行業的邊緣計算

隨著傳感器的價格和計算成本的不斷下降，更多的“東西”將連接到互聯網。

隨著越來越多的連接設備的出現，邊緣計算將會在不同行業中看到越來越多的應用，尤其是在某些情況下，云計算被證明效率低下。

從自動駕駛汽車到農業，有幾個部門可以從邊緣計算的潛力中最大化受益：

運輸

邊緣計算技術最明顯的潛在應用之一是跨運輸——更具體地說——是自動駕駛汽車。

自動駕駛車輛配備了各種類型的傳感器，從攝像機到雷達到基于激光雷達的系統，以幫助車輛運行。

如前所述，這些自動駕駛車輛可以利用邊緣計算通過這些傳感器更加靠近車輛處理數據，從而節省了寶貴的毫秒數。雖然無人駕駛汽車尚未成為主流，但很多公司正在做準備。

今年早些時候，AutomotoiveEdgeComputingConsortium(AECC)宣布將推出專注于聯網汽車解決方案的運營。成員包括DENSO、ToyotaMotor、AT&T、Ericsson、Intel等。

“互聯汽車正在迅速擴展到豪華車型和高端品牌，再到大批量、中端市場的車型。該行業將很快達到臨界點，產生的車輛數據量將超過現有的云、計算和通信基礎設施資源。”AECC總裁兼主席KenichiMurata表示。

但它不僅僅適用于生成大量數據并需要實時處理的自動駕駛汽車。它也是飛機、火車和無人駕駛系統的未來關鍵。

例如，飛機制造商龐巴迪公司的C系列配備了大量傳感器，可以立即檢測發動機性能問題。超過12小時的飛行，飛機產生844TB的數據。邊緣計算允許實時處理數據，因此公司可以主動處理引擎問題。

衛生保健

人們越來越習慣穿著健身追蹤器、血糖監測儀、智能手表和其他健康監測可穿戴設備。

但要真正捕獲收集的大量數據的好處，可能需要進行實時分析——雖然許多可穿戴設備直接連接到云，但其他可以脫機操作。

一些可穿戴健康監視器可以在不連接到云的情況下，本地分析脈沖數據或睡眠模式。然后，醫生可以當場評估患者，并提供有關其健康狀況的按需反饋。

但醫療保健領域的邊緣計算潛力遠遠超出可穿戴設備——當考慮快速數據處理對醫院和診所的遠程患者監護、住院治療和醫療管理的好處時。

醫生和臨床醫生將能夠為患者提供更快、更好的護理，同時為患者生成的健康數據(PDHD)增加額外的安全保障。平均病床有超過20個連接設備，會產生大量數據。它不會將機密數據發送到可能無法訪問的云端，而是更接近邊緣。

如前所述，本地化數據處理意味著廣泛的云或網絡故障不會影響該過程。即使云操作中斷，這些醫院傳感器也可以獨立運行，并且仍可按預期運行。

制造業

智能制造可以從現代工廠中使用的大量傳感器中獲得洞察力。

邊緣計算的延遲問題減少可能導致制造工作流程中更快的變化，從而能夠實時應用洞察力和行動。這可能包括在機器過熱之前關閉機器。

工廠可以使用兩個機器人，配備傳感器并連接到邊緣設備，以執行相同的任務。邊緣設備可以運行機器學習模型來預測其中一個機器人是否會發生故障。

如果該邊緣設備確定機器人可能發生故障，則會觸發一個動作來停止或減慢它。這將允許工廠實時評估故障的可能性。

如果機器人可以自己處理數據，它們也可能變得更加自給自足和被動反應。

邊緣計算應該允許從大數據生成更大、更快的洞察，并且更多的機器學習應用于操作。

最終目標是利用正在創建的大量數據的未開發價值，防止安全隱患，并減少工廠中斷。

農業和智能農場

邊緣計算是農業的理想選擇，因為農場的偏遠位置和惡劣條件可能會帶來帶寬和連接問題。

目前，希望改善連接性的智能農場正在投資昂貴的光纖、微波連接或擁有全時衛星；而邊緣計算提供了合適的成本效益替代方案。

智能農場可以使用邊緣計算來監控溫度、設備性能，并自動減慢或關閉過程(例如過熱泵)。

能源與網格控制

邊緣計算可以證明在整個能源行業尤為有效，特別是對于石油和天然氣公用事業的安全監控。

例如，應密切監控壓力和濕度傳感器，并且不能承受連接失效，特別是因為大多數傳感器位于偏遠地區。如果出現異常情況——例如油管過熱有沒有被發現，可能會發生災難性的爆炸。

另一個好處是能夠實時檢測設備故障。通過電網控制，傳感器可以監控從電動車到風電場的各種能源，幫助做出降低成本和提高能源效率的決策。

其他

其他可以利用邊緣計算技術的行業包括金融和零售。這兩個部門都使用大量客戶和后端數據集來提供從股票市場選擇到店內服裝放置的所有信息，并且可以從較少依賴云來處理數據中獲益。

零售業可以使用邊緣計算應用程序來增強客戶體驗。雖然如今許多零售商都專注于改善店內體驗，但優化收集和分析數據的方式是有意義的——特別是當許多人正在嘗試使用連接鏡和智能顯示器時。

此外，許多人會使用從店內平板電腦生成的銷售點數據，然后將其傳輸到云或數據中心。通過邊緣計算，可以在本地分析數據，減少敏感數據泄漏的可能性。

結論

從可穿戴設備到車輛再到機器人，物聯網設備正在獲得動力。

隨著我們向更加連通的生態系統邁進，數據生成將繼續飆升，特別是隨著5G技術的發展和更快的連接。

雖然集中式云或數據中心傳統上是數據管理、處理和存儲的首選，但它們都有其局限性。

而邊緣計算可以提供替代解決方案，但由于該技術仍處于起步階段，因此很難預測其成功的進展。

設備功能面臨的挑戰——包括開發可以處理云計算卸載的軟件和硬件的能力——可能會出現。能夠教導機器在可以在邊緣執行的計算和需要云的計算之間切換也是一個挑戰。

即便如此，隨著采用率的提高，公司將有更多機會跨行業測試和部署這項技術。

雖然一些用例可能比其他用例更清楚地證明邊緣計算的價值，但對整個互聯生態系統的潛在影響可能會改變游戲規則。