本文來自人工智能與物聯(lián)網(wǎng)，作者/chris han。
隨著企業(yè)尋求可以根據(jù)不斷變化的業(yè)務(wù)需求進行擴展和縮減的計算和存儲資源，云的采用率急劇上升。但即使考慮到云計算的成本和敏捷性優(yōu)勢，人們對另一種部署模型的興趣也越來越高——邊緣計算，即在數(shù)據(jù)源處或附近進行的計算。它可以支持新的用例，尤其是對現(xiàn)代商業(yè)成功至關(guān)重要的創(chuàng)新人工智能和機器學習應(yīng)用。
在《麻省理工科技評論》(MIT Technology Review)主辦的“未來計算”(Future Compute)大會上，三位工業(yè)技術(shù)專家表示，這一優(yōu)勢的前景在于數(shù)據(jù)。具體來說，無論是工廠、自動駕駛汽車還是智能建筑系統(tǒng)，都需要收集、處理和分析最接近數(shù)據(jù)產(chǎn)生地點的數(shù)據(jù)。
直接在邊緣數(shù)據(jù)上運行人工智能模型，而無需將工作負載轉(zhuǎn)移到云上，這一能力減少了延遲和成本。專家們一致認為，最重要的是，這是開啟實時洞察的關(guān)鍵，能夠?qū)㈩I(lǐng)導者與落后者區(qū)分開來。
企業(yè)開始認識到邊緣計算在推動成功的數(shù)據(jù)驅(qū)動業(yè)務(wù)轉(zhuǎn)型中可以發(fā)揮的作用。Gartner估計，雖然2018年只有10%的企業(yè)數(shù)據(jù)是在數(shù)據(jù)中心和云之外創(chuàng)建和處理的，但到2025年這一數(shù)字將達到75%。
市值30億美元的運動控制解決方案公司Moog Inc.的首席技術(shù)官George Small表示，他看到邊緣應(yīng)用取得了顯著的進步。
“這是真實的用例。我們現(xiàn)在看到的是哪里在創(chuàng)造價值。”他說。“它實際上正在顯著提高生產(chǎn)力。”
邊緣與云的融合
隨著數(shù)據(jù)驅(qū)動業(yè)務(wù)的發(fā)展，企業(yè)需要創(chuàng)建一個包括邊緣計算和云計算的IT環(huán)境。在邊緣收集和分析的數(shù)據(jù)可以啟動實時響應(yīng)，以排除工業(yè)設(shè)備故障，防止機器停機，或重新引導自動駕駛汽車免受傷害。
與此同時，來自機器或車輛的設(shè)備數(shù)據(jù)可以被發(fā)送到云端，并與其他數(shù)據(jù)聚合在一起進行更深入的分析，從而推動更明智的決策和未來的商業(yè)戰(zhàn)略。
Small說：“連接性已經(jīng)達到了一個基準點，它正在為智能邊緣的想法提供支持。”“智能從邊緣的感知水平開始，延伸到系統(tǒng)的網(wǎng)絡(luò)系統(tǒng)，最終到達云。我們認為這是一個連續(xù)體。”
邊緣發(fā)揮作用的應(yīng)用
Small表示，穆格正在為各種應(yīng)用試驗邊緣計算。在農(nóng)業(yè)領(lǐng)域，該公司將邊緣功能和機器學習識別用于杏仁和蘋果種植，幫助收割設(shè)備自主導航地形并提高作物產(chǎn)量。二人在建筑方面，穆格的邊緣和基于人工智能的自動化工作主要集中在材料移動上——例如，將挖掘機的一部分變成機器人平臺以實現(xiàn)自動化。
Small還表示，持續(xù)的勞動力和生產(chǎn)力挑戰(zhàn)促使穆格在農(nóng)業(yè)領(lǐng)域嘗試基于邊緣的自動化。
“有些情況下，你沒有那么多結(jié)構(gòu)化的環(huán)境，或者人們需要與實際的工作場所互動。”“這就是我們對邊緣定義的介紹。我們是從自動駕駛汽車的角度出發(fā)的。
另一個潛在的用例結(jié)合了邊緣計算、3D打印和區(qū)塊鏈來協(xié)調(diào)備件的按需、就地輸出。Small說，航空航天和國防等行業(yè)的穆格客戶可以在現(xiàn)場為關(guān)鍵設(shè)備制造備件，使用區(qū)塊鏈作為驗證部件的供應(yīng)和完整性的手段。
將加熱、冷卻和空氣過濾系統(tǒng)連接到邊緣設(shè)備可以創(chuàng)建一個智能網(wǎng)絡(luò)，促進數(shù)據(jù)共享，并在更接近影響最大的地方做出更明智的決策。
Sharma說：“您正在構(gòu)建一個系統(tǒng)系統(tǒng)并進行正確的計算，您需要有一個公共網(wǎng)絡(luò)，可以在幾毫秒內(nèi)共享數(shù)據(jù)并在邊緣級別做出決策”。
邊緣部署的最佳實踐
小組成員概述了一些最佳實踐，可以幫助企業(yè)確定邊緣部署的正確選項，同時避免一些更常見的部署挑戰(zhàn)。
將計算能力轉(zhuǎn)移到數(shù)據(jù)所在的位置。確定邊緣或云是否最適合特定工作流或用例可能會導致分析癱瘓。然而事實是這些模型是互補的，而不是競爭的。
Akamai執(zhí)行副總裁兼首席技術(shù)官Robert Blumofe說：“一般的經(jīng)驗法則是，將計算轉(zhuǎn)移到數(shù)據(jù)上要比反之好得多。”“通過這樣做，您可以避免回程傳輸，這會損害性能并且成本高昂。”
考慮一個電子商務(wù)應(yīng)用，它可以協(xié)調(diào)搜索產(chǎn)品目錄、根據(jù)歷史記錄提出建議或跟蹤和更新訂單等操作。
“在云數(shù)據(jù)倉庫或數(shù)據(jù)湖中存儲數(shù)據(jù)的地方進行計算是有意義的，”Blumofe說。另一方面，邊緣適用于對動態(tài)數(shù)據(jù)進行計算——例如，分析流量以支持安全操作。
進行大量的實驗。邊緣計算仍處于早期階段，大多數(shù)企業(yè)都處于成熟曲線的起點，評估模型如何以及在何處產(chǎn)生最大影響。然而，能力正在迅速提高，企業(yè)不能袖手旁觀。
“你真的需要開始推動，因為要創(chuàng)造價值，”Small說。“你必須在外面尋找新的機會——你不僅僅是想出來，你必須找到它們。”
不要忽視投資回報率。Moog's Small指出，支持邊緣的自動化可以幫助企業(yè)以更少的勞動力做更多的事情，并讓人們騰出時間去做更高附加值的工作。但除了那些明顯的一階生產(chǎn)力提升之外，邊緣自動化還有其他更難以量化的好處，包括可復制性，他說。
