摘要：?繼云計算之后，邊緣計算這把火你了解多少？來了解一下吧。

3月28日，在2018云棲大會·深圳峰會上，阿里云宣布2018年將戰略投入到邊緣計算技術領域，并推出了首個IOT邊緣計算產品Link Edge,將阿里云在云計算、大數據、人工智能的優勢拓寬到更靠近端的邊緣計算上，打造云、變、端一體化的協同計算體系。

Link Edge的優勢還體現在提升AI的實踐效率，開發者可將深度學習的分析、訓練過程放在云端，將生成的模型部署在邊緣網關直接執行，優化良率、提升產能。

另外，今年1月，在美國裝備有最新技術的卡車在美國從西向東自主行駛超過3800公里。完成這項壯舉的獨特技術組合完美地展現了邊緣計算的力量。你是否熟悉邊緣計算的概念及其含義？

邊緣計算是允許我們盡可能靠近應用程序并且是一種重新定位數據處理的技術。

即使車上有一名操作人員來確保這項駕駛試驗的安全，但是我們不得不承認這輛普通的卡車，它已被添加了傳感器和軟件以完成此項任務。“Embark卡車”方法的顯著特點在于，他們沒有使用詳細的路線圖來指導他們自動駕駛系統，而是考慮采用另一種方式來引導卡車。Embark完全依靠車輛傳感器和嵌入式機器學習算法收集的數據。

什么是邊緣計算？

這項技術的特點是軟件和硬件架構結合，其數據處理盡可能接近他們的本體。它主要涉及物聯網和移動計算，依賴于智能設備以及一些云。值得注意的是邊緣計算的另一個方面主要涉及在短時間內處理價值特別重要的數據。

根據前面的例子，卡車傳感器產生的數據在其搭載設備內處理。顯然，卡車必須實時“看到”道路來相應地處理駕駛任務。

它必然需要先進的技術，包括低功耗傳感器，RFID（射頻識別），低成本電池供電，低成本數據通信鏈路以及數據存儲和計算系統。

下面這些評論有助于我們更準確地評估關于邊緣計算的關鍵之處，邊緣計算讓應用程序在獲取數據的時間和地點以連續流的形式利用數據。這也帶來了很多優勢，其中就包括安全性、成本，因為數據不通過網絡傳輸，也不存儲在數據中心。

“邊緣計算是為精簡物聯網設備提供實時本地數據分析的方法。”-布蘭登巴特勒

分析

IDC表示到2019年，近50％的物聯網創建的數據將被存儲、處理、分析、并在網絡邊緣進行操作。

麥肯錫估計，到2025年，物聯網應用的經濟影響可能會從每年3.9萬億美元增長到11.1萬億美元。他們舉例說：“在2025年，通過遠程監控改善慢性病患者健康狀況的價值可能高達每年1.1萬億美元”。

Markets And Markets的一份新研究報告預計，邊緣計算市場預計將從2017年的14.7億美元增長到2022年的67.2億美元，在預測期內復合年增長率超過35％。

Gartner的分析報告顯示，目前，大約10％的企業生成數據是在傳統的集中式數據中心或云之外創建和處理的，到2022年，Gartner預測這一數字將達到50％。

邊緣計算的范圍

根據麥肯錫的說法：“目前使用的物聯網數據主要用于異常檢測和控制，而不是優化和預測，這提供了最大的價值。”麥肯錫還指出，物聯網設備產生的大多數數據（更準確的說來自邊緣的智能系統）在今天沒有利用價值。他們的分析使他們感到公司可以從這些數據的90％的經濟價值中受益。在他們看來，可以充分利用邊緣計算的主要領域包括：

• 家
• 辦公室
• 工廠
• 零售場景
• 工地
• 城市/城市環境
• 汽車

雖然邊緣計算有許多不同的使用場景，但它們本質上依然與IoT緊密相關。最著名的例子可能是自動駕駛汽車和智能手機。然而，包括通用電氣數字在內的最大的創新型工業公司多年來一直致力于此工作，主要是在工業物聯網（IIoT）的背景下。同樣，越來越多的智能城市項目正在蓬勃發展遍布涉及物聯網和AI技術，比如阿里云巴正在打造智慧杭州，其中這些場景都離不開邊緣計算。

到2020年，全球可用存儲容量將能夠存儲數字世界中不到15％的數據量。——IDC

根據IDC進行的“數字宇宙”研究，全球數據將在未來兩年內攀升超過40 ZB，其中物聯網領域占10％。很容易看出為什么工業界對IIoT和邊緣計算有著極大的興趣。

邊緣計算有很多潛在的用途，但工業領域的典型用例已經有了很多：

• 預測性維護；
• 能效管理；
• 智能制造（生產模式的定制）；
• 靈活的設備更換（快速部署新流程和新模型）；
• 低/間歇性連接（機器見解與啟動之間的閉環交互）；

人工智能使邊緣計算達到新的水平

在邊緣計算有三個方面可以充分利用人工智能：

1.無人駕駛汽車

無人駕駛汽車無疑是未來的“頭牌”，無人駕駛生態系統包括軟件開發，硬件制造商，應用開發商，數據科學家，汽車制造商，傳感器制造商等。他們正在匯集技術和專業知識，以實現自動駕駛能力。他們依靠應用程序和算法來賦予裝備車輛的傳感器獲取的數據。例如，他們致力于開發和完善處理傳感器數據的AI算法，以讓車輛做出即時決策，例如緊急停車。而邊緣計算則是無人駕駛汽車不可缺少的技術之一。

2.機器人技術

在這個領域有兩大類：一個是機器，另一個是軟件自動化。關于軟件自動化（AKA機器人過程自動化），請參閱作者的文章AI如何將機器人過程自動化帶入下一階段。

當我們談到機器人時，為了讓他們在工作區域高效運行，除了機器人的功能（例如，移動沉重的負載并在復雜的危險環境中工作）外，他們必須還需要獲得重要功能的授權，其中可能包括機器視覺、語音識別和復雜的決策算法。

真正的挑戰在于讓機器人在人類環境中工作，同時又要確保人類同事的安全。而事實是人類會犯錯誤，他們可能會有不穩定的行為，他們會違反或誤解安全規則。

3.維護和監測

雖然物聯網長期以來一直涉及很多場景，但擁有AI算法處理邊緣的傳感器數據為維護和監控的過程提供了另外一種可能。預測性維護對于航空公司來說是非常重要的，所以它變成了一項航空公司非常重視的服務。工業企業面臨的下一個挑戰是加強預測性維護，以改進流程，縮短上市時間，減少停機時間，節省資金，甚至挽救企業生命。

這是Edge Computing AI可以發揮重大作用的一個領域。無論是客機，運輸卡車還是汽車，機器的質量不僅取決于它的效率，還取決于它的可靠性。

為了確保機器的可靠性，我們需要改進維護流程。安排像飛機這樣復雜的機器的維護可能是一場噩夢。例如，空A380擁有約700萬個零件。然而真正的挑戰在于找到維護應該繼續的非常恰當的時刻。它必須以不會過早更換的方式進行，但同時不會失敗。回答業界最緊迫的問題需要結合傳感器數據、機器學習算法和高級模型。

結論

隨著喬恩·馬克曼正確地指出，你現在必須清楚，云計算出現之前包括移動從本地數據庫到數據中心的數據-大多數計算確實發生在網絡的邊緣。

事實上，今天似乎很清楚，技術發展數據量增加，實時數據處理的需求以及智能設備，傳感器和相關事物日益復雜和廣泛的可用性導致了邊緣計算的出現的必然。

原文鏈接

本文為云棲社區原創內容，未經允許不得轉載。

總結

以上是生活随笔為你收集整理的人工智能让边缘计算更有价值!的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。