對于云計(jì)算來說，它是軟件即服務(wù)和移動設(shè)備的爆炸式增長。如今，世界上有超過53億的手機(jī)用戶，這意味著地球上每10個(gè)人中就有近7個(gè)人從專門為高速下載而建立的網(wǎng)絡(luò)服務(wù)器下載數(shù)據(jù)和信息。

即將到來的邊緣計(jì)算時(shí)代有自己的最強(qiáng)應(yīng)用，也就是物聯(lián)網(wǎng)。但物聯(lián)網(wǎng)的需求并非以下載數(shù)據(jù)為主，而是指向相反的方向。擁有數(shù)十億設(shè)備的企業(yè)如今需要上傳大量數(shù)據(jù)，這些數(shù)據(jù)需要在盡可能接近其源頭的地方進(jìn)行處理和分析，同時(shí)著眼于最小化決策延遲，減少昂貴的互聯(lián)網(wǎng)帶寬消耗，并確保自主權(quán)、安全性和隱私性。隨著這些驅(qū)動因素的發(fā)揮，邊緣計(jì)算和物聯(lián)網(wǎng)提供了一個(gè)攜手合作的解決方案。

例如計(jì)算機(jī)視覺，這是人工智能的一個(gè)領(lǐng)域，使計(jì)算機(jī)能夠解釋和理解數(shù)字圖像。通過分析各種情況下的流媒體視頻，人工智能模型可以提供識別針對人口統(tǒng)計(jì)或人員監(jiān)控、識別車牌或武器等物體，以及有價(jià)值的信息，以推動改善質(zhì)量控制、預(yù)測性維護(hù)和安全等結(jié)果。帶寬密集的分析是在邊緣進(jìn)行的，只有關(guān)鍵事件才會被回調(diào)以觸發(fā)其他系統(tǒng)。

預(yù)測性維護(hù)還形成了物聯(lián)網(wǎng)中另一個(gè)關(guān)鍵用例的基礎(chǔ)，在邊緣部署人工智能來分析關(guān)鍵油氣設(shè)備的振動，如泵、壓縮機(jī)和電機(jī)。數(shù)據(jù)采樣率每秒超過1000次并不罕見，有時(shí)甚至達(dá)到8-10倍，以獲得公司預(yù)測機(jī)器故障所需的可見性。將如此多的數(shù)據(jù)連續(xù)傳輸?shù)街醒霐?shù)據(jù)中心成本太高，因此在設(shè)備旁邊部署人工智能模型來實(shí)時(shí)檢查振動數(shù)據(jù)更有意義。如果模型感知到某個(gè)部件即將發(fā)生故障，則可以將信息傳輸給某人進(jìn)行確認(rèn)，然后發(fā)送給技術(shù)人員。

物聯(lián)網(wǎng)和邊緣計(jì)算將創(chuàng)造新產(chǎn)業(yè)

正如整個(gè)行業(yè)的興起都是為了利用互聯(lián)網(wǎng)和云計(jì)算一樣，物聯(lián)網(wǎng)在邊緣的興起也會帶來支持它的硬件和軟件公司的崛起。

硬件制造商和硅供應(yīng)商將提供處理能力，電信公司將提供和管理連接，軟件供應(yīng)商將創(chuàng)建物聯(lián)網(wǎng)框架和應(yīng)用。這項(xiàng)任務(wù)非常復(fù)雜，因此領(lǐng)先的公司在開放、標(biāo)準(zhǔn)化的基礎(chǔ)設(shè)施之上構(gòu)建產(chǎn)品和服務(wù)是有意義的，正如我們在IT界已經(jīng)看到的那樣。

邊緣產(chǎn)生的大量數(shù)據(jù)也給安全和數(shù)據(jù)分析帶來了新的挑戰(zhàn)。軟件必須保持最新，以確保數(shù)據(jù)的準(zhǔn)確性，在最極端的情況下，避免現(xiàn)場關(guān)鍵系統(tǒng)的完全故障，從而導(dǎo)致重大的生產(chǎn)損失，甚至危及個(gè)人安全。

邊緣計(jì)算為企業(yè)提供了一個(gè)重要的機(jī)會，可以將我們在過去十年中在云計(jì)算中獲得的經(jīng)驗(yàn)教訓(xùn)擴(kuò)展到物聯(lián)網(wǎng)用例融合物理和數(shù)字世界的前置環(huán)境中。通過利用邊緣技術(shù)收集和分析物聯(lián)網(wǎng)數(shù)據(jù)，企業(yè)可以提高運(yùn)營效率，同時(shí)確保業(yè)務(wù)連續(xù)性，確保數(shù)據(jù)安全和員工安全。