人們對邊緣計算寄予了越來越多的希望。該行業充滿了許多大膽的想法，例如“邊緣將取代云”，實時自動化將遍布醫療保健、零售和制造業。

專家一致認為邊緣計算將在幾乎所有企業的數字化轉型中發揮關鍵作用，但進展緩慢。傳統觀念阻礙了企業充分利用實時決策和資源分配的優勢。要了解這種情況發生的方式和原因，讓我們回顧一下邊緣計算的第一波浪潮以及從那時起發生的事情。

第一波邊緣計算：物聯網（IoT）

對于大多數行業來說，邊緣的概念與第一波物聯網 (IoT) 緊密相關。當時，大部分重點都集中在從固定在所有東西上的小型傳感器收集數據，然后將這些數據傳輸到中心位置——比如云或主數據中心。

然后必須將這些數據流與通常所說的傳感器融合相關聯。當時，傳感器經濟性、電池壽命和普遍性常常導致數據流過于有限且保真度低。此外，用傳感器改造現有設備通常成本高昂。雖然傳感器本身很便宜，但安裝非常耗時，并且需要經過培訓的人員才能執行。最后，使用傳感器融合分析數據所需的專業知識嵌入到跨組織員工的知識庫中。這些因素都導致物聯網的采用率增長非常緩慢。

此外，安全問題冷卻了物聯網的大規模采用?？缍鄠€位置的數千個連接設備等于大量且通常未知的暴露。由于潛在風險超過了未經證實的好處，許多人認為采取觀望態度是謹慎的做法。

超越物聯網 1.0

現在越來越清楚的是，邊緣不是關于物聯網，而是更多地關于在分布式站點和地理位置的操作中做出實時決策。在 IT 和越來越多的工業環境中，我們將這些分布式數據源稱為邊緣。我們將來自數據中心或云之外的所有這些位置的決策稱為邊緣計算。

如今，邊緣無處不在——遍布我們生活的地方、工作的地方、人類活動發生的地方。稀疏的傳感器覆蓋范圍已通過更新和更靈活的傳感器得到解決。新資產和技術配備了廣泛的集成傳感器。現在，傳感器通常會增加高分辨率/高保真成像（X 射線設備、激光雷達）。  

額外的傳感器數據、成像技術以及將所有這些相關聯的需求相結合，每秒會產生數兆字節的數據。為了從這些龐大的數據流中獲得有用的結果，現在正在將計算能力部署在靠近數據生成的地方。 

原因很簡單：邊緣位置和云之間沒有足夠的可用帶寬和時間。邊緣的數據在短期內最重要?，F在可以在邊緣實時分析和使用數據，而不是稍后在云端進行處理和分析。為了獲得更高水平的效率和卓越運營，計算必須在邊緣進行。

這并不是說云無關緊要。云在邊緣計算中仍然可以發揮作用，因為它是在所有位置部署邊緣和管理功能的好地方。例如，云提供對來自其他位置的應用和數據的訪問，以及遠程專家來管理全球的系統、數據和應用程序。此外，云可用于分析跨越多個位置的大型數據集，顯示隨時間變化的趨勢，并生成預測分析模型。

因此，優勢在于理解大量地理分散位置的大數據流。人們必須采用這種對邊緣的新認識，才能真正了解邊緣計算現在的可能性。  

今天：實時邊緣分析

與幾年前相比，今天在邊緣可以做的事情是驚人的。現在可以從邊緣生成數據，而不是僅限于幾個傳感器，如大量的攝像機。然后在邊緣使用比 20 年前功能強大數千倍的計算機對這些數據進行分析——所有這些都以合理的成本進行。

高核心數 CPU 和 GPU 以及高吞吐量網絡和高分辨率相機現在很容易獲得，使實時邊緣分析成為現實。在邊緣部署實時分析（業務活動發生的地方） 幫助企業了解他們的操作并立即做出反應。有了這些知識，許多操作可以進一步自動化，從而提高生產力并減少損失。

接下來，讓我們考慮一些當今實時邊緣分析的示例：

超市欺詐預防

許多超市現在使用某種形式的自助結賬，不幸的是，他們也看到欺詐行為有所增加。不法的購物者可以用價格較低的條形碼替換更昂貴的產品，從而減少支付。為了檢測這種類型的欺詐行為，商店現在使用高性能攝像頭，將掃描的產品和重量與應有的值進行比較。這些相機相對便宜，但它們會產生大量數據。通過將計算轉移到邊緣，可以立即分析數據。這意味著商店可以實時檢測欺詐行為，而不是在“顧客”離開停車場之后。

食品生產監控

今天，一家制造廠在制造過程的每一步都可以配備數十個攝像頭和傳感器。實時分析和人工智能驅動的推理可以在幾毫秒甚至幾微秒內揭示是否有問題或過程是否漂移。也許相機顯示添加了過多的糖或過多的澆頭覆蓋了一個項目。借助攝像頭和實時分析，可以調整生產線以停止漂移，甚至在需要維修時停止，而不會造成災難性損失。

人工智能驅動的醫療保健邊緣計算

在醫療保健領域，紅外和 X 射線相機一直在改變游戲規則，因為它們提供高分辨率并能快速向技術人員和醫生提供圖像。憑借如此高分辨率，人工智能現在可以在去看醫生進行確認之前過濾、評估和診斷異常情況。通過部署人工智能驅動的邊緣計算，醫生可以節省時間，因為他們不必依賴將數據發送到云端來進行診斷。因此，希望查看患者是否患有肺癌的腫瘤學家可以將實時 AI 過濾器應用于患者肺部的圖像，以獲得快速準確的診斷，并大大減少患者等待回音的焦慮。

由分析驅動的自動駕駛汽車

今天，自動駕駛汽車成為可能，因為相對便宜且可用的攝像頭可提供 360 度立體視覺。分析還可以實現精確的圖像識別，因此計算機可以破譯風滾草和鄰居的貓之間的區別——并決定是否該剎車或繞過障礙物以確保安全。高性能 GPU 和 CPU 的可負擔性、可用性和小型化使得實時模式識別和矢量規劃成為自動駕駛汽車的駕駛智能。要使自動駕駛汽車取得成功，它們必須擁有足夠的數據和處理能力，以足夠快地做出明智的決策以采取糾正措施?，F在只有使用當今的邊緣技術才能做到這一點。  

實踐中的分布式架構

當在邊緣部署極其強大的計算時，企業可以更好地優化運營，而不必擔心延遲或失去與云的連接。  現在一切都已分發跨邊緣位置，因此可以實時解決問題，并且只有零星的連接。

自第一波邊緣技術浪潮以來，我們已經取得了長足的進步。由于邊緣技術的進步，企業現在正在對其運營進行更全面的了解。今天的邊緣技術不僅幫助企業增加利潤，事實上，它還幫助他們降低風險并改善產品、服務和與他們接觸的人的體驗。