隨著聯(lián)網(wǎng)設備和系統(tǒng)數(shù)量的增長，對高效數(shù)據(jù)處理的需求也在增長——而且是實時的。智能邊緣計算在這里可以發(fā)揮關鍵作用。但這種方法將如何發(fā)揮作用？

物聯(lián)網(wǎng) (IoT) 和未來系統(tǒng)的智能架構(gòu)需要實時數(shù)據(jù)處理。物聯(lián)網(wǎng)設備是智能的，因為它們具有內(nèi)置的監(jiān)控和傳感功能，并且可以同時從為設備聚合的其他來源檢索傳感器數(shù)據(jù)。物聯(lián)網(wǎng)設備通常具有第二個“智能”部分——即設備外部的分布式“智能”。它可以分析有關物聯(lián)網(wǎng)設備監(jiān)控的事件的信息，并可以訪問（分析的）數(shù)據(jù)。

物聯(lián)網(wǎng)世界中智能和計算能力的第二部分外包給邊緣服務器，每個邊緣服務器都專用于特定目的。此外，與工業(yè) 4.0 相關的物聯(lián)網(wǎng)和工業(yè)物聯(lián)網(wǎng) (IIoT) 將在未來產(chǎn)生大量數(shù)據(jù)，這些數(shù)據(jù)必須實時處理并安全傳輸。像數(shù)據(jù)中心這樣的中央倉庫不能僅僅因為它們的位置和端點位置之間的距離而做到這一點。這就是邊緣計算的用武之地。

邊緣計算

典型的邊緣計算范式架構(gòu)由 4 個不同的層組成。這些是物聯(lián)網(wǎng)、邊緣和云設備和傳感器以及應用程序。在此層次結(jié)構(gòu)之上，云繼續(xù)在執(zhí)行集中式數(shù)據(jù)處理和分析方面發(fā)揮重要作用，例如機器學習、其他人工智能應用程序和數(shù)據(jù)存儲。

邊緣計算在智能物聯(lián)網(wǎng)環(huán)境中的作用是在靠近物聯(lián)網(wǎng)設備的網(wǎng)絡邊緣對來自云服務的下游數(shù)據(jù)和來自萬物互聯(lián)設備的上游數(shù)據(jù)進行計算。算法的資源密集型訓練可以在云端完成，然后分發(fā)到邊緣，將較輕的功能外包出去。

在中間，邊緣計算充當?shù)乩砩戏稚⒌膽贸绦虻膮^(qū)域中心，其中很大一部分數(shù)據(jù)處理工作在各種類型的設備上執(zhí)行，這些設備可能是微型數(shù)據(jù)中心、路由器或基站。

所有帶有從用戶和環(huán)境收集數(shù)據(jù)的傳感器的設備（例如攝像頭、溫度和光傳感器、智能手機、筆記本電腦或車輛中的后視攝像頭）都必須能夠與邊緣層的設備和應用程序通信，這需要兼容性和標準化協(xié)議。

今天這種邊緣技術(shù)成功的關鍵是物聯(lián)網(wǎng)應用在所有行業(yè)和日常生活各行各業(yè)的大量增加。

智能邊緣

特殊芯片與人工智能功能相結(jié)合，打造智能邊緣。圖像識別、數(shù)據(jù)科學和深度學習等用例縮短并加速了決策過程。重要的是，智能邊緣也是 Cloud AI 的補充，對邊緣做出快速反應并在云端進行學習。算法的資源密集型訓練可以在云端完成，然后分發(fā)到邊緣，更簡單的功能可以快速響應來自物聯(lián)網(wǎng)設備的數(shù)據(jù)。

物聯(lián)網(wǎng)的發(fā)展速度與人工智能和機器學習相結(jié)合，不僅可以在服務器、智能手機、家庭設備和企業(yè)軟件上看到，還可以在每輛車、每棟建筑、每臺醫(yī)療設備上看到。您正在迅速達到人工智能在日常生活中變得不可或缺的地步。智能應用無處不在，AIaaS（人工智能即服務）和 KI API 正在醫(yī)療保健和物流等行業(yè)取得進展。

結(jié)合網(wǎng)絡邊緣的 5G，物聯(lián)網(wǎng)設備和智能傳感器應用的使用將呈指數(shù)級增長。這不僅會產(chǎn)生大量數(shù)據(jù)，而且還會引發(fā)對可執(zhí)行應用程序的日益增長的需求，這些應用程序可以在不到一毫秒的時間內(nèi)控制支持物聯(lián)網(wǎng)的設備。智能邊緣結(jié)合了高計算能力、人工智能技術(shù)、數(shù)據(jù)分析和高級連接。

邊緣業(yè)務

邊緣計算涵蓋了許多技術(shù)領域，包括信息和通信技術(shù)，以及眾多的工業(yè)領域，以及軟硬件平臺、數(shù)據(jù)聚合、芯片、傳感器和許多工業(yè)應用。因此，邊緣計算有望在許多不同應用的實現(xiàn)中發(fā)揮關鍵作用。在邊緣計算技術(shù)與 5G 相結(jié)合的推動下，服務創(chuàng)新和新的市場機會，如企業(yè)對企業(yè) (B2B) 和企業(yè)對消費者 (B2C)，前景非?？春?。主要是由于非常低的延遲、實時數(shù)據(jù)處理和管理以及本地內(nèi)容緩存等特性。因此，對技術(shù)特性進行了深入討論，

邊緣計算的商業(yè)模式將不僅限于用戶使用的服務和設備，還將擴展到生成的數(shù)據(jù)。在這里，相關方向數(shù)據(jù)所有者請求用戶數(shù)據(jù)，云中心或邊緣數(shù)據(jù)所有者將處理后的結(jié)果返回給相關方。這樣，商業(yè)模式正在從單一的用戶中心關系向多方中心用戶關系轉(zhuǎn)變。環(huán)境中的開放問題之一是多方面的邊緣計算商業(yè)模式的發(fā)展和現(xiàn)有云計算商業(yè)模式的擴展。

邊緣計算中的安全和隱私

邊緣計算將為創(chuàng)新開辟許多新機會，并擴展現(xiàn)有的基于云的解決方案。為了充分發(fā)揮潛力并獲得廣泛認可的解決方案，重點放在保護系統(tǒng)組件和確保用戶和組織數(shù)據(jù)的保護上。

由于邊緣計算的重要性日益增加，盡早識別潛在威脅并實施解決方案非常重要。由于特定屬性——例如異構(gòu)性、低延遲、巨大的通信速度、位置感知、空間分布和移動性——可能無法直接使用當前可用的云安全和隱私工具、邊緣計算方法。雖然這些問題中的一些可以用現(xiàn)有的安全方案解決，但由于上述邊緣處理的特殊性，出現(xiàn)了新的問題。

觀點

邊緣計算是當前技術(shù)趨勢中最熱門的話題之一。更受關注的是結(jié)合邊緣計算和機器學習的應用程序，以在不同行業(yè)（從移動和聯(lián)網(wǎng)家庭到安全、監(jiān)控和汽車）實現(xiàn)新型用戶體驗和新機遇。

事實上，應該考慮到邊緣計算的安全和隱私解決方案仍處于開發(fā)的早期階段，因此需要付出相當大的努力來分析和應對潛在的挑戰(zhàn)。