現(xiàn)代生活中，連接至物聯(lián)網(wǎng)的智能設備愈來愈多，在給我們的工作生活帶來便利的同時，也產(chǎn)生了龐大的數(shù)據(jù)?？茖W家們預估，海量數(shù)據(jù)將會給物聯(lián)網(wǎng)中心的云功能帶來很大的計算負擔。因此，人們正在尋求邊緣計算技術(shù)的幫助，以此擴展物聯(lián)網(wǎng)的邊緣優(yōu)勢。

IoT Edge，即物聯(lián)網(wǎng)邊緣，是物聯(lián)網(wǎng)架構(gòu)中的一種術(shù)語，包含設備、傳感器、執(zhí)行器、網(wǎng)關(guān)等遠離云端服務器的系統(tǒng)端點。而邊緣計算是一種將計算和分析放在數(shù)據(jù)源附近的新興技術(shù)，能夠為工業(yè)物聯(lián)網(wǎng)提供通用和可擴展的基礎(chǔ)。

本期歐時課堂將為大家簡要介紹IoT Edge的相關(guān)信息，以及邊緣計算在應用上的技術(shù)潛力和應用場景，幫助大家更好地將物聯(lián)網(wǎng)的邊緣優(yōu)勢最優(yōu)化。

急速擴大的互聯(lián)網(wǎng)邊緣

隨著物聯(lián)網(wǎng)的不斷發(fā)展，需要連接的“事物”數(shù)量持續(xù)增加。根據(jù)Strategy Analytics最近的一份報告，到2025年，全球?qū)⒂谐^380億臺設備連接到互聯(lián)網(wǎng)；到2030年，這一數(shù)字還將增加到500億。

但物聯(lián)網(wǎng)邊緣的急速擴張，也給整個物聯(lián)網(wǎng)的數(shù)據(jù)處理帶來了考驗，可擴展性、靈活性和可管理性成為更重要的考慮因素。例如，如何能夠處理越來越大的互聯(lián)網(wǎng)的數(shù)據(jù)流，而不會受到諸如延遲之類問題的阻礙？在無法穩(wěn)定可靠地獲得蜂窩連接的情況下會發(fā)生什么？

目前，解決方案越來越多地取決于更加分布式的計算拓撲，該拓撲消除了物聯(lián)網(wǎng)對集中式基礎(chǔ)設施的依賴，并將實時計算和分析推向了邊緣——邊緣計算誕生了。

邊緣計算的應用潛力

邊緣計算技術(shù)能夠提供授權(quán)權(quán)限來控制定義的操作參數(shù)內(nèi)的特定功能，同時還提供運行多個應用程序的環(huán)境，而無需持續(xù)的云連接，極大地提高了靈活性和敏捷性。GSMA最新的用例報告，確定了許多在物聯(lián)網(wǎng)邊緣部署邊緣計算的應用潛力，這些包括：

● 低延遲：通過將計算和數(shù)據(jù)存儲放置在離現(xiàn)場設備更近的地方，從而減少了通信往返的等待時間。

●物聯(lián)網(wǎng)設備的電池壽命更長：隨著通信信道開放時間縮短，物聯(lián)網(wǎng)設備的電池壽命得以延長。

● 訪問數(shù)據(jù)分析和AI：邊緣處理能力和數(shù)據(jù)存儲可以全部結(jié)合起來，支持原位分析和AI技術(shù)的發(fā)展。

這些都說明了，采用邊緣計算可能會在醫(yī)療保健、零售、汽車、公用事業(yè)和物流等眾多行業(yè)中創(chuàng)造大量機會，使物聯(lián)網(wǎng)的邊緣優(yōu)勢最優(yōu)化。因此，無論是對于電子產(chǎn)品供應商，還是能夠從中受益的企業(yè)，了解邊緣計算的潛力都變得至關(guān)重要。

尋找物聯(lián)網(wǎng)的邊緣

那么，可能生成或使用數(shù)據(jù)的物聯(lián)網(wǎng)邊緣在哪里？實際上，“邊緣”可以在有要求和能力執(zhí)行數(shù)據(jù)處理，并將信息轉(zhuǎn)換為可操作見解的任何地方，例如工廠、海上平臺、水處理廠或道路上的車輛。

典型的邊緣架構(gòu)將包括通過使用各種現(xiàn)場協(xié)議（例如藍牙、Zigbee和WiFi）與物聯(lián)網(wǎng)網(wǎng)關(guān)進行通信，然后最終與物聯(lián)網(wǎng)云平臺進行通信。這種基礎(chǔ)架構(gòu)已經(jīng)得到廣泛使用，但是仍然存在一些技術(shù)和操作障礙。

就實施障礙而言，安全性可能是最大的問題。由于邊緣基礎(chǔ)設施的更復雜和相互關(guān)聯(lián)的性質(zhì)，似乎使其更容易在最脆弱點受到惡意軟件入侵等攻擊。不過，目前有許多先進的安全工具和技術(shù)可以有效地應用，也可以通過安全的傳輸鏈接來執(zhí)行固件更新，并且邊緣使任何攻擊都難以破壞整個物聯(lián)網(wǎng)網(wǎng)絡。

另一個潛在障礙是，為邊緣建立可靠的業(yè)務案例并準確識別投資回報。由于企業(yè)希望通過將數(shù)據(jù)處理推離集中式平臺來實施邊緣部署，需要對網(wǎng)絡進行大量投資。但是改變等于風險——有效的邊緣需要一個結(jié)構(gòu)嚴謹、漸進的實施方法，要求對一系列關(guān)鍵要素進行全面評估。

這些包括現(xiàn)有的遺留基礎(chǔ)設施，例如工業(yè)控制、連接、分析，以及通過應用人工智能實現(xiàn)自動化的潛力。簡而言之，邊緣物聯(lián)網(wǎng)應視為演化，而不是革命，它使企業(yè)有信心以最適合的速度取得進步。

邊緣計算的實際應用

在物聯(lián)網(wǎng)環(huán)境下，許多新應用程序可能需要在有限或間歇的連接下運行，并且設備上需要足夠的計算能力，因此邊緣計算得到了大量的實際應用機會：

01

自動駕駛汽車

未來的無人駕駛汽車可能是邊緣計算的最明顯應用。在這里，它可以實時收集和分析多種板載車輛傳感器接收的數(shù)據(jù)，并安全、可靠地做出反應。智能的板載邊緣計算消除了無人駕駛汽車的延遲問題，為在靠近數(shù)據(jù)源的地方做出準確、快速的決策提供了基礎(chǔ)。

02

面部識別

如今面部識別技術(shù)已成為基于視頻的監(jiān)控、訪問控制和許多其他方案的主要推動力。從監(jiān)控上傳來的視頻會轉(zhuǎn)發(fā)到高性能后端進行處理，需要較高的網(wǎng)絡帶寬。而通過將邊緣計算部署用于圖像的預處理和過濾，云端的面部識別引擎僅識別質(zhì)量最好的關(guān)鍵幀，就可以減少計算經(jīng)費并提高系統(tǒng)可靠性。

03

預測性維護

公用事業(yè)、鐵路、石油和天然氣以及建筑等行業(yè)的工業(yè)資產(chǎn)通常復雜且多種多樣，因此維護這些設備可能是一項艱巨的任務。通過將智能推向邊緣，可以更有效地利用網(wǎng)絡資源，同時節(jié)省云計算成本，提供更廣泛的資產(chǎn)監(jiān)控和部署的可能性。

04

質(zhì)量控制

許多制造商在努力滿足客戶對更低價格、更短交貨時間和更好選擇的期望。使用強大的邊緣計算，特別是通過使用可分析視頻流，識別質(zhì)量異常并觸發(fā)即時警報的深度學習算法，可以極大地改善質(zhì)量控制，并減少質(zhì)量問題對生產(chǎn)線的影響。

05

可穿戴設備

可穿戴設備在工廠車間中的作用越來越大，隨著低功耗處理能力的不斷發(fā)展，以AI為中心的邊緣設備有潛力改善可穿戴設備的用戶體驗，從而提供更快、更令人印象深刻的可視化效果。

毫無疑問，物聯(lián)網(wǎng)的邊緣將繼續(xù)存在，并持續(xù)擴張下去，邊緣計算也在一系列應用中展現(xiàn)了更快、更通用的潛力。隨著物聯(lián)網(wǎng)連接設備呈指數(shù)級增長，人們還將越來越多地以安全且具有成本效益的方式，實施部署邊緣計算，以使物聯(lián)網(wǎng)邊緣發(fā)揮最大潛力。

編輯：jq