本文將簡單介紹什么是邊緣計算，并討論為什么比邊緣計算如此重要，并將部分云計算的處理替換為邊緣計算。同時也概要介紹邊緣人工智能。

[[352250]]

邊緣計算

邊緣意味著更加靠近數據源的處理技術，即將數據在數據來源的節點進行處理。傳統的云計算，是將數據傳輸到云上，由云計算來處理，將結果再返回到邊緣，這是集成處理的方法。云計算的處理方式，要求設備實時在線，且需要傳輸大量的數據;但對于不能經常聯網，或者網絡資源存在瓶頸的服務，就需要將數據在數據來源節點處理。

邊緣計算包括最廣泛的基礎設施，包括蜂窩傳感器網絡、自組織、相互對等、分散云/霧、虛擬邊緣計算、數據存儲和恢復、自主自愈網絡、分布式云應用、增強現實等等。

邊緣計算與云計算

邊緣意味著本地(或近本地)服務，而不是去網絡中的某個地方。它可以是一臺獨立的物理計算機，如自動冰箱或服務器，其位置盡可能靠近源(即服務器位于該區域而不是地球的另一端)。

當需要低延遲或網絡本身可能不總是可訪問時，可以利用邊緣，并實時做出選擇。

大多數云應用程序在本地接收數據，將數據傳輸到云，處理并返回。邊緣意味著云計算不是必須的，云端的邊緣人工智能算法仍然可以在邊緣測部署，在邊緣操作。

為什么需要邊緣計算

• 對于一些地區，網絡連接成本高(帶寬、能源成本高)，實時連接是瓶頸，這種環境下可以通過邊緣計算解決。
• 對于一些實時響應要求高的應用，比如自動自動駕駛汽車，很短的網絡延遲都可能會釀成災難。
• 對于一些重要的數據，比如公司機密數據，在云上容易受到攻擊。
• 專門設計的優化程序，可以實現邊緣測的卓越性能。

邊緣計算的類型

• 設備邊緣：邊緣計算包含在消費者現有環境的范例中。例如，微軟Azure IoT Edge和AWS Greengrass。
• 云邊：這個邊緣計算平臺是一個公共云擴展。內容分發網絡是這種拓撲結構的典型示例，它在地理邊界處緩存和傳遞靜態內容。

邊緣人工智能

在邊緣人工智能中，人工智能算法在硬件計算機上不需要接觸就可以進行局部處理。它使用從系統生成的數據，并在毫秒級時間響應對其進行處理，以實現實時洞察。

例子：

根據設計，便攜式電動工具處于網絡邊緣。邊緣智能程序框架通過微處理器上的電動工具數據實時運行。在驅動工具中，程序邊緣智能生成數據并將數據存儲在本地計算機上。本地機器在工作時間連接到互聯網，只將數據傳輸到云端進行檢索和分析。電池壽命長是以上應用的主要特點之一。如果動力機器不斷地將數據下載到云中，電池將很快耗盡，通過邊緣計算，可以降低數據連接的時間，延長電池壽命。

邊緣人工智能的優勢

(1) 降低成本

邊緣人工智能可以降低連通性和網絡傳輸的效率，而發送的網絡更少。可以降低網絡通訊成本而降低正本。

(2) 安全

通過在監控攝像頭、獨立車輛、飛機等情況下利用人工智能，信息變得與用戶相關。由于邊緣人工智能在本地管理數據，流媒體可以防止問題的發生，而不會存儲大量云數據，從而降低隱私受到攻擊的風險。改進的保護應用程序可以用來保證邊緣人工智能系統的安全。

(3) 反應靈敏

如您所知，與集中式物聯網模型相比，邊緣人工智能系統可以非常快速地處理數據。這需要實時操作，如數據開發、決策和干預，因為觀測數據直接在同一硬件內傳輸，非常適合于毫秒級的應用，例如自動駕駛汽車。

(4) 易于管理

邊緣人工智能系統是獨立的，不需要由數據科學家或人工智能開發者管理。信息和觀察可以自動分發，也可以通過高度可視化的界面或儀表板在現場提供。