自 20 世紀 70 年代信息技術(shù)首次被組織廣泛采用以來，開發(fā)周期的演變方式被許多人比作擺動的鐘擺。

最初，計算資源是集中的并且基于大型大型計算機。 然后，鐘擺轉(zhuǎn)向另一個方向，資源以個人計算機和獨立服務器的形式轉(zhuǎn)移到更靠近用戶的地方。

此后，鐘擺再次擺回來，資源被轉(zhuǎn)移到云端，駐留在大型數(shù)據(jù)中心，并根據(jù)需要進行遠程訪問。

有趣的是，這個變化的過程并沒有停止。 然而，下一階段不太可能涉及將 IT 資源從集中式設施中再次大規(guī)模遷移。 相反，它很可能是云平臺和日益智能的邊緣設備的結(jié)合。

邊緣的崛起

在越來越多的情況下，邊緣計算的興起是由人工智能的快速發(fā)展推動的。 雖然需要大規(guī)模、集中的 IT 基礎設施來根據(jù)大量數(shù)據(jù)訓練人工智能模型，但這些模型可以在更小、計算密集程度較低的邊緣設備上運行。

一個很好的例子是智能監(jiān)控攝像頭。 識別物體和人所需的人工智能模型需要大量數(shù)據(jù)和資源來學習，但當它應用這些知識時，它可以在相機內(nèi)更有限的資源上運行。

另一個是語言翻譯。 雖然需要大量資源來訓練能夠準確提供此類服務的模型，但模型本身可以在更小的設備上運行。

智能邊緣計算的快速崛起是由兩個關鍵因素推動的。 一是 IT 不斷小型化。 如果考慮當今智能手機的功能，20 年前要訪問如此多的計算資源將需要一個裝滿服務器的房間。

第二個因素是網(wǎng)絡技術(shù)的不斷發(fā)展。 邊緣設備通常位于傳統(tǒng)高速連接不可用的地方。

因此，設備收集的數(shù)據(jù)需要在該設備上進行處理，并通過任何可用的網(wǎng)絡鏈接將結(jié)果反饋到集中式數(shù)據(jù)中心。 在許多情況下，這些可能是 Wi-Fi、4G 或 5G 無線連接。

玩家生態(tài)系統(tǒng)

為了使智能邊緣基礎設施成功運行，需要多方共同努力。 該列表包括設計和構(gòu)建與物理世界交互并收集數(shù)據(jù)的邊緣設備的硬件供應商，其中可以包括從運動到降雨的任何數(shù)據(jù)。 這些設備還充當邊緣系統(tǒng)的輸入點，并提供使人工智能能夠做出決策的數(shù)據(jù)。

智能邊緣還需要集中的計算和存儲資源，通常由云供應商提供。 這是存儲和處理所有傳入數(shù)據(jù)的地方。

第三個必需的群體是連接參與者。 這可以是傳統(tǒng)的網(wǎng)絡供應商或提供數(shù)據(jù)服務連接的電信運營商。 該組尤其重要，因為如果沒有這種連接，整個系統(tǒng)就無法運行。

最后，智能邊緣計算需要軟件開發(fā)人員能夠構(gòu)建利用大量收集數(shù)據(jù)的應用程序。 這將使組織能夠從其邊緣資源中提取盡可能多的有用見解。

持續(xù)進化

智能邊緣計算的興起絕不是進化過程的結(jié)束。 事實上，許多行業(yè)觀察家認為，下一步將是完全模糊集中式云計算和邊緣計算之間的區(qū)別。

從業(yè)務用戶的角度來看，他們的應用程序在哪里運行并不重要，重要的是他們從中獲得的結(jié)果。 如果最佳位置在云端，則可以在那里運行； 然而，如果可以在邊緣實現(xiàn)更高的性能，那么邊緣將成為選擇的位置。

智能邊緣計算的用例將在未來幾年繼續(xù)發(fā)展。 隨著邊緣設備能力的提高以及用于分析所收集數(shù)據(jù)的人工智能算法變得更加強大，它們提供業(yè)務價值的方式將會呈爆炸式增長。

正如分布式計算在 20 世紀 80 年代和 1990 年代帶來了令人興奮的新機遇，云平臺在 2000 年代改變了游戲規(guī)則一樣，智能邊緣計算將在未來幾年帶來重大的發(fā)展和增長機會。