目前，數(shù)十億物聯(lián)網(wǎng)和移動(dòng)設(shè)備采集的數(shù)據(jù)正呈指數(shù)級增長。這一趨勢推動(dòng)著數(shù)據(jù)從發(fā)送到云端進(jìn)行處理和存儲(chǔ)轉(zhuǎn)向另一種分布式模型，即部分計(jì)算在網(wǎng)絡(luò)邊緣更靠近數(shù)據(jù)源的位置進(jìn)行。

據(jù)預(yù)計(jì)，到 2025 年，將有 75% 的數(shù)據(jù)在中央數(shù)據(jù)中心之外生成。而如今，大部分?jǐn)?shù)據(jù)處理都在數(shù)據(jù)中心進(jìn)行。

現(xiàn)如今企業(yè)收集的所有數(shù)據(jù)中，約 90% 可能永遠(yuǎn)無法得到利用。然而邊緣計(jì)算提供了一條途徑，可以讓企業(yè)借助高性能的數(shù)據(jù)處理、低時(shí)延的連接和安全的平臺(tái)從設(shè)備收集的數(shù)據(jù)中獲取優(yōu)勢。

為了在數(shù)據(jù)源的位置更快獲得近實(shí)時(shí)的可行洞察，物聯(lián)網(wǎng)設(shè)備、網(wǎng)關(guān)以及計(jì)算基礎(chǔ)設(shè)施的使用顯著增加，所生成和收集數(shù)據(jù)量的呈指數(shù)級增長。針對各類市場邊緣計(jì)算的廣泛應(yīng)用，智微智能加快邊緣計(jì)算解決方案部署，其中，E系列新一代邊緣計(jì)算網(wǎng)關(guān)，挖掘多場景下的邊緣計(jì)算價(jià)值，滿足多場景應(yīng)用需求。

云計(jì)算面臨的關(guān)鍵挑戰(zhàn)

延時(shí)：越來越多的行業(yè)正在采用要求具備快速分析和響應(yīng)能力的應(yīng)用。僅僅靠云計(jì)算是無法滿足這些要求的，因?yàn)殡x開數(shù)據(jù)源的網(wǎng)絡(luò)距離所造成的時(shí)延會(huì)導(dǎo)致效率低下、時(shí)間滯后以及客戶體驗(yàn)不佳。

帶寬：增加傳輸帶寬或提高處理能力可以克服時(shí)延的問題。然而，隨著企業(yè)在其網(wǎng)絡(luò)上使用的邊緣設(shè)備越來越多，產(chǎn)生的數(shù)據(jù)量越來越大，將數(shù)據(jù)發(fā)送到云端的成本可能會(huì)令人望而卻步。此時(shí)，如果可以在邊緣對數(shù)據(jù)進(jìn)行處理、存儲(chǔ)和分析，成本就會(huì)有所降低。
安全和隱私：在邊緣保障個(gè)人病歷等敏感數(shù)據(jù)的安全，并減少數(shù)據(jù)在網(wǎng)絡(luò)中的傳輸有利于通過降低攔截風(fēng)險(xiǎn)而提高安全性。此外，部分政府或客戶可能會(huì)要求將數(shù)據(jù)保留在數(shù)據(jù)生成地的管轄區(qū)內(nèi)。例如，在醫(yī)療領(lǐng)域，甚至可能存在一些當(dāng)?shù)鼗騾^(qū)域性要求來限制個(gè)人數(shù)據(jù)的存儲(chǔ)或傳輸。
連接：缺乏持續(xù)的互聯(lián)網(wǎng)連接會(huì)阻礙云計(jì)算，然而豐富的網(wǎng)絡(luò)連接選項(xiàng)卻使云邊協(xié)同的計(jì)算成為可能。例如，5G 提供的高帶寬和低時(shí)延能夠支持從邊緣快速地傳輸數(shù)據(jù)并交付服務(wù)。
人工智能：由于需要近實(shí)時(shí)的智能洞察來指導(dǎo)行動(dòng)，企業(yè)需要在數(shù)據(jù)源處部署 AI，以加速數(shù)據(jù)處理，并釋放過去未充分利用數(shù)據(jù)的潛能。

什么是邊緣計(jì)算

邊緣計(jì)算是指在靠近數(shù)據(jù)源的位置對數(shù)據(jù)進(jìn)行處理、分析以及存儲(chǔ)，從而實(shí)現(xiàn)近實(shí)時(shí)的快速分析和響應(yīng)。近年來，一些公司已經(jīng)通過將數(shù)據(jù)的存儲(chǔ)和計(jì)算集中到云端來實(shí)現(xiàn)運(yùn)營整合。然而，數(shù)十億分布在各處的設(shè)備支持下的新應(yīng)用又帶來了新需求，例如先進(jìn)的倉儲(chǔ)和庫存管理解決方案、視覺增強(qiáng)型機(jī)器人生產(chǎn)線、先進(jìn)的智能城市交通控制系統(tǒng)等。

圖片來源于網(wǎng)絡(luò)

邊緣計(jì)算優(yōu)勢

將部分?jǐn)?shù)據(jù)功能（如存儲(chǔ)、處理和分析）從云端轉(zhuǎn)移到邊緣更靠近數(shù)據(jù)源的位置可以帶來以下關(guān)鍵優(yōu)勢：

提高速度，降低延時(shí)：將數(shù)據(jù)處理和分析轉(zhuǎn)移到邊緣有助于加快系統(tǒng)的響應(yīng)速度，加速事務(wù)處理并帶來更好的體驗(yàn)，這對于自動(dòng)駕駛等近實(shí)時(shí)應(yīng)用至關(guān)重要。
優(yōu)化網(wǎng)絡(luò)流量管理：最大限度地減少通過網(wǎng)絡(luò)發(fā)送到云端的數(shù)據(jù)可以降低傳輸和存儲(chǔ)大量數(shù)據(jù)的帶寬和成本。
提升可靠性：網(wǎng)絡(luò)一次能傳輸?shù)臄?shù)據(jù)量是有限的。對于互聯(lián)網(wǎng)連接欠佳的位置，當(dāng)與云端的連接中斷時(shí)，能夠在邊緣存儲(chǔ)和處理數(shù)據(jù)就能大大提升可靠性。
提高安全性：通過合理地部署，邊緣計(jì)算解決方案可以通過限制互聯(lián)網(wǎng)上的數(shù)據(jù)傳輸來提高數(shù)據(jù)安全性。

實(shí)現(xiàn)云邊協(xié)同

物聯(lián)網(wǎng)和邊緣計(jì)算設(shè)備主要通過兩種方式來收集和管理數(shù)據(jù)。集成處理器的智能邊緣計(jì)算設(shè)備可以提供數(shù)據(jù)分析或 AI 等高級功能，而沒有處理器的設(shè)備則可將它們生成的數(shù)據(jù)發(fā)送到部署在本地邊緣的服務(wù)器進(jìn)行存儲(chǔ)和分析。隨后，本地邊緣服務(wù)器會(huì)處理來自邊緣計(jì)算設(shè)備的數(shù)據(jù)并回傳實(shí)時(shí)應(yīng)用所需的關(guān)鍵信息，或者僅將相關(guān)的數(shù)據(jù)發(fā)送到云。雖然邊緣計(jì)算為企業(yè)提供了一個(gè)釋放數(shù)據(jù)價(jià)值的罕見機(jī)會(huì)，但云端仍然是一個(gè)不可或缺的中央數(shù)據(jù)存儲(chǔ)和處理中心。來自大量邊緣計(jì)算設(shè)備的數(shù)據(jù)在云中整合，才能實(shí)現(xiàn)更廣泛的處理和分析。