最近，人們對邊緣計算報以越來越大的厚望。在這一行業(yè)中，不乏有一些大膽的想法，如“邊緣將吞噬云計算”，或是，將實時自動化擴展到醫(yī)療保健、零售和制造業(yè)。
專家們一致認為，邊緣計算將在幾乎所有企業(yè)的數(shù)字化轉(zhuǎn)型中發(fā)揮關鍵作用，但實際上，其進展一直很緩慢。傳統(tǒng)的觀念阻礙了公司無法充分利用實時決策和資源分配的優(yōu)勢。為了理解這種情況是如何以及為什么會發(fā)生的，讓我們回顧一下邊緣計算的第一波浪潮，以及從那之后發(fā)生了什么。
邊緣計算的第一波浪潮：物聯(lián)網(wǎng)（IoT)
對大多數(shù)行業(yè)來說，邊緣計算的概念與第一波浪潮物聯(lián)網(wǎng)潮緊密相關。當時，人們的焦點集中在從可以附著在任何物品上的小型傳感器上收集數(shù)據(jù)，然后將數(shù)據(jù)傳輸?shù)揭粋€中心位置——比如云或主數(shù)據(jù)中心。
這些數(shù)據(jù)流必須由通常稱為“傳感器融合”的技術關聯(lián)到一起。當時，傳感器的經(jīng)濟狀況、電池壽命和廣泛性往往導致數(shù)據(jù)流過于有限，保真度較低。此外，用傳感器改裝現(xiàn)有的設備往往成本過高。雖然傳感器本身很便宜，但安裝過程很耗時，而且需要訓練有素的專業(yè)人員來執(zhí)行。最后，使用傳感器融合分析數(shù)據(jù)所需的專業(yè)知識被嵌入到跨組織的全體人員知識庫中。這使得物聯(lián)網(wǎng)的采用率放緩。
此外，因為安全問題，物聯(lián)網(wǎng)的大規(guī)模采用也“遇冷”。從數(shù)學的角度上來說，原因很簡單：跨越多個地點去連接數(shù)千個設備，這無異于一個巨大且經(jīng)常會處于未知狀態(tài)的信息暴露。由于物聯(lián)網(wǎng)潛在的風險超過了其未經(jīng)證實的好處，許多人認為，應采取觀望態(tài)度，保持謹慎。
超越物聯(lián)網(wǎng)1.0
現(xiàn)在越來越清晰的是，與其說邊緣計算是物聯(lián)網(wǎng)，倒不如說它是關于跨分布式站點和地理位置的操作進行實時決策。在IT領域和越來越多的工業(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位置的決策稱為邊緣計算。
邊緣充斥著我們身邊的每一處角落——它在我們的生活、我們的工作當中，凡有人類活動的地方，它的身影無所不在。傳感器覆蓋稀疏的問題已經(jīng)被更新和更靈活的傳感器解決了。新的資產(chǎn)和技術都配備了大量的集成傳感器。現(xiàn)在，傳感器經(jīng)常增強了高分辨率/高保真成像（x射線設備，激光雷達）。
額外的傳感器數(shù)據(jù)、成像技術以及將所有這些關聯(lián)起來的計算，會產(chǎn)生每秒兆字節(jié)的數(shù)據(jù)。為了從這些巨大的數(shù)據(jù)流中得出最終結(jié)果，計算的“火力”現(xiàn)在都被部署在數(shù)據(jù)生成處的附近。
原因也很簡單：在邊緣位置和云之間根本沒有足夠的帶寬和時間。處于邊緣的數(shù)據(jù)在短期內(nèi)是最為重要的。數(shù)據(jù)現(xiàn)在可以在邊緣進行實時分析和使用，而不是稍后在云中進行處理和分析。為了獲得更高一級水平的效率和卓越的操作，計算必須在邊緣中進行。
這并不是說云并不重要。云計算仍然在邊緣計算中發(fā)揮作用，因為它是在所有位置中分配算力的一個好地方。例如，云計算提供了對來自其他地點的應用程序和數(shù)據(jù)的訪問，以及遠程專家對全球各地的系統(tǒng)、數(shù)據(jù)和應用程序的管理。此外，云還可以用于分析跨越多個位置的大型數(shù)據(jù)集，顯示隨時間變化的趨勢，并生成預測分析模型。
因此，邊緣的關鍵，在于弄清跨越大量地理分散位置的大型數(shù)據(jù)流。人們必須采用這種對邊緣的新認知，才能真正理解現(xiàn)在邊緣計算所能實現(xiàn)的一切。
今天：實時邊緣分析
與幾年前相比，今天在邊緣所能做的事是驚人的。現(xiàn)在，人們可以通過大量的傳感器和相機來生成數(shù)據(jù)，而不是將邊緣限制在幾個傳感器上。然后，這些數(shù)據(jù)被放在邊緣，用比20年前強大數(shù)千倍的計算機進行分析——所有成本都是合理的。
高核心計數(shù)的CPU和GPU以及高通量網(wǎng)絡和高分辨率攝像頭現(xiàn)在隨處可見，這使得實時邊緣分析成為現(xiàn)實。在邊緣（業(yè)務活動發(fā)生的地方）部署實時分析可以幫助公司了解他們的操作并立即作出反應。有了這些知識，許多操作就可以進一步自動化，從而提高生產(chǎn)率并減少損失。
讓我們來考慮一下一些當今實時邊緣分析的例子：
·超市欺詐預防
許多超市現(xiàn)在或多或少都會使用自助結(jié)賬，不幸的是，他們也看到了越來越多的欺詐行為。一個心存邪念的購物者可以用低價的條形碼代替高價的條形碼，這樣他付的錢就少了。為了發(fā)現(xiàn)這種類型的欺詐行為，商店現(xiàn)在正在使用高功率攝像頭，將掃描的產(chǎn)品和重量與其應有的重量進行比較。這些相機相對便宜，但它們卻會產(chǎn)生大量的數(shù)據(jù)。通過將計算移動到邊緣，就可以立即分析數(shù)據(jù)。這意味著，商店可以實時發(fā)現(xiàn)店內(nèi)的欺詐行為，而不是在這些所謂的“顧客”離開停車場之后。
·食品生產(chǎn)監(jiān)測
如今，一個制造型工廠可以在制造過程的每一步都配備幾十個攝像頭和傳感器。實時分析和人工智能驅(qū)動的推理可以以毫秒、甚至微秒為單位，揭示是否有問題或工藝過程正在漂移。也許，攝像頭顯示太多的糖被添加，或者產(chǎn)品上添加了過多的澆頭。有了攝像頭和實時分析，生產(chǎn)線就可以調(diào)整生產(chǎn)線來停止漂移，甚至在需要維修時停下生產(chǎn)線——而不會造成災難性的損失。
·人工智能驅(qū)動的醫(yī)療保健邊緣計算
在醫(yī)療保健領域，紅外線和x射線攝像頭一直都在急劇改變著，因為它們分辨率很高，并且能夠快速將圖片提供給技術人員和醫(yī)生。有了如此高的分辨率，現(xiàn)在病人在見到醫(yī)生予以確認之前，人工智能就可以進行過濾、評估和診斷異常。通過部署人工智能驅(qū)動的邊緣計算，醫(yī)生們節(jié)省了時間，因為他們不必依賴向云發(fā)送數(shù)據(jù)來獲得診斷。因此，腫瘤學家想要觀察是否患者確患有肺癌，可以將實時人工智能過濾器應用于患者的肺部圖像，以獲得快速準確的診斷，這樣可以大大減少患者等待反饋的焦慮。
·由分析系統(tǒng)驅(qū)動的自動駕駛汽車
自動駕駛汽車之所以在今天成為可能，是因為相對便宜和有效的相機提供了360度立體視覺。其分析系統(tǒng)還可以實現(xiàn)精確的圖像識別，因此計算機可以精確辨別路上出現(xiàn)的到底是風滾草還是鄰居家的貓，并決定何時剎車還是轉(zhuǎn)向繞過障礙物，以確保駕乘安全。高性能CPU和GPU的可負擔性、可用性和小型化趨勢使得實時模式識別和矢量規(guī)劃成為可能，這就是自動駕駛汽車的智能駕駛。自動駕駛汽車成功的要點，在于必須有足夠的數(shù)據(jù)和處理能力，足夠快地做出智能決策，以采取糾正措施。這一點現(xiàn)在只有通過如今的邊緣技術才能得以實現(xiàn)。
在實踐中的分布式體系結(jié)構(gòu)
當非常強大的計算被部署在邊緣時，公司可以更好地優(yōu)化操作，而不必擔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，所以問題是實時解決的，彼此之間只有零星的連接。
自第一波邊緣技術出現(xiàn)以來，我們已經(jīng)取得了長足的進展。由于邊緣技術的進步，公司現(xiàn)在對自己的業(yè)務有了更全面的看法。今天的邊緣技術不僅能幫助企業(yè)提高利潤，事實上，它還能幫助企業(yè)降低風險，改善產(chǎn)品、服務，以及提升與他們打交道的人的體驗。
翻譯：julian邊緣計算社區(qū)
原文：
https://www.cio.com/article/308159/edge-computing-is-thriving-in-the-cloud-era.html
