边缘计算的发展历程及应用

而今，人们对边缘计算寄予了愈来愈多的希望。该行业充满了大胆的想法，比如“边缘将吞噬云”，实时自动化将遍布医疗保健、零售和制造业。

专家们一致认为，边缘计算将在几乎所有企业的数字化转型中发挥重要作用。但却进展缓慢。传统观念阻碍了企业充分利用实时决策和资源配置的优势。要了解这种情况发生的方式和原因，让我们回顾一下边缘计算的第一波浪潮，以及从那以后发生了什么。

第一波边缘计算：物联网(IoT)

对于大多数行业来说，边缘的概念与物联网(IoT)的第一波浪潮紧密相关。当时，人们大部分重点都集中在从安装在所有东西上的小型传感器收集数据，然后将这些数据传输到一个中心位置——譬如云或主数据中心。

然后，这些数据流必须与通常所说的传感器融合相关联。当时，传感器的经济性、电池寿命和普及度常常导致数据流过于有限，且保真度较低。另外，用传感器改造现有设备的成本往往过高。虽然传感器本身价格低廉，但安装耗时，且需要训练有素的人员来完成。最后，使用传感器融合分析数据所需的专业知识嵌入到跨组织员工的知识库中。这导致物联网的采用率放缓。

另外，对安全的担忧也影响了物联网的大规模应用。计算方法很简单:跨越多个地点的数千台连接设备，相当于一个巨大且通常未知的暴露量。考虑到潜在的风险超过了未经证实的好处，很多人采取观望的谨慎态度。

超越物联网1.0

而现在愈来愈清楚的是，边缘不在于物联网，而在于跨分布式站点和地理位置的运营进行实时决策。在IT以及愈来愈多的工业环境中，我们将这些分布式数据源称为“边缘”。我们将来自数据中心或云之外的所有这些位置的决策称为“边缘计算”。

边缘无处不在——我们生活的地方、工作的地方以及人类活动发生的地方。稀疏的传感器覆盖范围已通过更新和更灵活的传感器解决。各种集成传感器带来了新的资产和技术。现在，传感器通常会增加高分辨率/高保真成像(x射线设备、激光雷达)。

额外的传感器数据、成像技术，以及将所有这些相关联的需求结合在一起，会使每秒产生数兆字节的数据。为了从这些庞大的数据流中获得结果，现在在数据产生的地方部署了计算能力。

原因很简单，边缘位置和云之间没有足够的可用带宽和时间。在短期内，边缘的数据最重要。现在可以在边缘实时分析和使用数据，而不是稍后在云端进行处理和分析。为了获得更高水平的效率和卓越的运营，计算必须在边缘进行。

这并不是说云无关紧要。云仍然在边缘计算中扮演着重要的角色，因为其是一个很好的地方，可以在所有位置上部署边缘和管理。比如，云提供了对来自其他地点的应用程序和数据的访问，以及远程专家来管理全世界的系统、数据和应用程序。另外，云可用于分析跨多个位置的大型数据集，显示随时间变化的趋势，并生成预测分析模型。

所以，边缘在于理解大量分散在地理位置上的大型数据流。人们必须采用这种对边缘的新认知，才能真正了解边缘计算的可能性。

实时边缘分析

与几年前相比，而今在边缘地带能做的事情是惊人的。现在，数据可以从大量的传感器和摄像机中产生，而不是局限于少数几个传感器。然后，这些数据将在比20年前功能强大数千倍的计算机上进行分析——所有这些都以合理的成本进行。

且现在，高核数CPU和GPU以及高吞吐量网络和高分辨率摄像头已经唾手可得，这使得实时边缘分析成为现实。在边缘(业务活动发生的地方)部署实时分析可以帮助企业了解其运营，并立即做出响应。有了这些知识，很多操作可以进一步自动化，从而提高生产力，并减少损失。

让我们来考虑一些当今实时边缘分析的例子:

1. 超市欺诈防范

很多超市现在使用某种形式的自助结账，不幸的是，他们也看到愈来愈多的欺诈。邪恶的购物者可以用更便宜的条形码代替更昂贵的商品，从而支付更少的钱。为了检测这种类型的欺诈行为，商店现在使用高性能摄像头，将产品的扫描结果和重量与产品的预期质量进行比较。这些摄像头相对便宜，但却能产生大量的数据。通过将计算移动到边缘，可以立即分析数据。这意味着商店可以实时检测欺诈行为，而不是在“顾客”离开之后。

2. 食品生产监控

而今，一个制造工厂可以在制造过程的每个步骤都配备几十个摄像头和传感器。实时分析和AI驱动的推理可以在几毫秒甚至几微秒内揭示出是否存在错误或过程偏离。也许摄像头会显示配料过多。借助摄像头和实时分析，生产线可以调整以停止漂移，甚至在需要维修时停止，而不会造成灾难性的损失。

3. AI驱动的医疗保健边缘计算

在医疗保健领域，红外和X射线相机一直在改变游戏规则，因为它们提供高分辨率，并迅速向技术人员和医生提供图像。凭借如此高的分辨率，AI现在可以在医生确认之前过滤、评估和诊断异常情况。通过部署AI驱动的边缘计算，医生可以节省时间，因为他们不需要将数据发送到云端来获得诊断。故此，肿瘤学家在查看患者是否患有肺癌时，可以对患者的肺部图像应用实时AI过滤器，以获得快速准确的诊断，并大大减少患者等待答复的焦虑。

4. 由分析驱动的无人驾驶汽车

无人驾驶汽车之所以成为可能，是因为相对便宜和可用的摄像头提供了360度的立体视觉。分析还可以实现精确的图像识别，故此计算机可以识别出风滚草和邻居的猫之间的区别，并决定是否该刹车或绕过障碍物以确保安全。。高性能GPU和CPU的可承受性、可用性和小型化，使实时模式识别和矢量规划成为无人驾驶汽车的驾驶智能。无人驾驶汽车要想成功，就必须拥有足够的数据和处理能力，以足够快的速度做出智能决策，并采取纠正措施。现在，只有借助当今的边缘技术才有可能实现。

5. 实践中的分布式架构

当在边缘部署极其强大的计算时，企业可以更好地优化运营，而不用担心延迟或失去与云的连接。现在所有的东西都分布在边缘位置，故此可以实时解决问题，并且只有零星的连接。

自第一波边缘技术浪潮以来，我们已经取得了长足的进步。考虑到边缘技术的进步，企业现在正以更全面的视角看待自己的运营。现今的边缘技术不仅帮助企业提高利润，事实上，还帮助降低风险，改善产品、服务和用户体验。​

　　图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。