邊緣計算代替雲計算？物聯時代新標誌

越來越多的機器及物體正在接入互聯網中，這對過去幾十年來人們熟悉的設計架構形成了巨大的挑戰，面對後端存儲性能及處理效率的壓力，越來越多的企業正在努力將計算資源投入到網路邊緣，這在車聯網、智慧工廠、智能安防等領域已經成為趨勢。

換句通俗的話講，在某些行業的應用中，需要高度實時的智能判斷及分析，不能等待雲端的響應，催促了邊緣計算的快速落地。據市場調研公司Markets and Markets的數據顯示，預計該市場規模將從2017年的15億美元，未來五年（2022年）將增長到67億美元。與此同時，不少IT及ICT（如微軟、通用電氣）等巨頭、新創企業都紛紛加大投入，瞄準這一市場進行狙擊。

在邊緣計算的架構中，一切數據都可以在採集設備現場或者附近得到處理與分析，不再依賴後端的雲或者數據中心，不僅降低後端的壓力，也減少了傳輸的成本。通過新的架構，用戶不僅能獲得實時計算並分析數據的享受，也能減少對雲或伺服器的依賴，這也能幫助用戶真正實現更多個性化的移動應用的推廣。

據Gartner Research指出.，聯網設備的數量正在激增，到2020年將由2017年的84億部增至204億部。Gartner還補充稱，到2021年，40%企業的邊緣計算策略將就位，而2017年這一比例僅有1%左右。

邊緣計算除了滿足新興領域如自動駕駛的需求外（解決汽車無法連接到雲的問題，實現更實時的駕駛判斷），在傳統的安防領域一樣受到廠商的追捧。從2016年宇視科技提出智能鏈計算（將把演算法依據各自不同晶元所長，分別分布到IPC晶元、CPU晶元、GPU晶元上，然後通過高速全媒體匯流排，打通演算法和大數據之間的高速公路，提升演算法準確度，同時屏蔽硬體資源對演算法的差異，對智能演算法統一提供計算資源並提供橫向集群能力，實現同類計算資源的集合，解決純後端方案性能和效率低的問題。），到2017年海康威視發布的AI Cloud體系架構（基於「雲邊融合」的AI Cloud由雲中心、邊緣域、邊緣節點三部分構成，實現邊緣計算+雲計算的有機融合，將AI算力注入邊緣，賦能邊緣智能實現快速、高效的感知；雲端則聚焦AI數據的全局性分析認知，兩者以視頻AI數據為核心相輔相成，能夠充分發揮邊緣計算敏捷性和雲端大數據計算全局性的優勢）等，都可以視為是安防廠商在邊緣計算的探索。

據初創企業Vapor IO的總裁兼首席運營長Don Duet稱，通常情況下，從產生數據的設備端將數據傳輸到雲供應商再傳回需要150-200毫秒。他還表示，在設備附近布置伺服器或網關能將這一過程的時間縮短至2-5毫秒，可顯著改善像醫療、聯網汽車和智能城市這些關鍵應用領域的性能表現。

可以肯定地認為，邊緣計算解禁物聯網海量終端的連接和管理，新的架構將改變人們對於萬物互聯的認知。IDC預測到2020年，全球將有300億終端/設備連接到互聯網，其中，一半的數據將會在網路的邊緣被分析，處理和存儲。其主要的價值在於海量的連接和自動化網路運維管理、實時的連接和服務、統一的數據語義和建模、邊緣智能化和服務的創新、設備、網路、數據、應用的安全和隱私的保護。

（本文部分觀點及數據摘自華爾街日報）

長

按

解

鎖

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！