边缘计算
出自 MBA智库百科(https://wiki.mbalib.com/)
边缘计算（Edge AI Computing）
目录 |
边缘计算也称为边缘处理，是一种将服务器放置在设备附近的网络技术。这有助于减少系统处理负载和解决数据传输延迟。这些过程在传感器或设备生成数据的位置执行，也称为边缘。
边缘计算不同于云计算，云计算依赖于在云上或中心位置要处理全部数据。通过边缘计算，数据被处理和存储在当地收集的。
边缘计算明显优于云计算因为它可以实时毫秒数据处理。边缘计算解决了与有限带宽和延迟问题相关的问题，在一些应用中计算必须非常迅速地进行。
边缘计算的发展意味着边缘人工智能变得越来越重要。各行各业都是如此，尤其是在处理延迟和数据隐私方面。
企业使用边缘计算来改善远程设备的响应时间，并从设备数据中获得更丰富、更及时的洞察。边缘计算使实时计算在通常不可行的地方成为可能，并减少了支持边缘设备的网络和数据中心的瓶颈。
如果没有边缘计算，边缘设备生成的大量数据将淹没当今的大多数企业网络，阻碍受影响网络上的所有运营。成本可能会飙升。不满意的顾客可能会去别处做生意。贵重的机器可能会被损坏，或者只是生产效率降低。但最重要的是，在依赖智能传感器来保护工人安全的行业，工人的安全可能会受到损害。
当设备数据无法通过云处理的情况越来越多。工厂机器人和汽车经常是这种情况，它们需要高速处理，因为当增加的数据流产生延迟时会出现问题。
例如，想象一个自动驾驶汽车在检测道路上的物体或操作刹车或方向盘时遭受云延迟。数据处理的任何减速都会导致车辆的响应变慢。如果减速导致车辆不能及时响应，这可能会导致事故。有生命危险。
对于这些物联网设备，实时响应是必要的。这意味着设备能够在现场分析和评估图像和数据，而不依赖于云人工智能。
通过将通常委托给云的信息处理委托给边缘设备，我们可以实现无传输延迟的实时处理。此外，通过将云数据传输限制为仅传输重要信息，可以减少数据量并最大限度地减少通信中断。
边缘计算的原理[1]
为了使智能应用和物联网传感器的实时功能成为可能，边缘计算解决了三个相互关联的挑战:
5G无线等网络技术的进步使得在全球商业规模上解决这些挑战成为可能。5G网络可以近乎实时地处理设备和数据中心之间往来的大量数据。(甚至有一个无线网络使用加密货币鼓励用户将覆盖范围扩大到难以到达的地区。)
但是无线技术的进步只是让边缘计算大规模运行的解决方案的一部分。选择在网络数据流中包含和排除哪些数据对于减少延迟和提供实时结果也至关重要。
例如:远程仓库中的安全摄像头使用人工智能来识别可疑活动，并只将特定数据发送到主数据中心进行即时处理。因此，摄像机只发送相关的视频片段，而不是每天24小时不停地传输所有的镜头，给网络带来负担。这释放了公司的网络带宽和计算处理资源用于其他用途。
边缘计算让更多使用案例成为可能:
- 距离该公司主数据中心1000英里的一家零售店使用无线销售点设备来即时处理支付。
- 海洋中央的一个石油钻井平台使用物联网传感器和人工智能来快速检测设备故障，以免它们恶化。
- 一个偏远农田的灌溉系统通过检测土壤湿度来实时调节用水量。
边缘计算的优点[1]
边缘计算通过在收集数据的本地站点或其附近快速处理大量数据，帮助企业优化日常运营。这比将所有收集的数据发送到几个时区之外的中央云或主数据中心更有效，后者会导致过度的网络延迟和性能问题。
绕过集中式云和数据中心位置，公司可以更快、更可靠地实时或接近实时地处理数据。想象一下，当试图将来自数千个传感器、摄像机或其他智能设备的信息同时发送到中央办公室时，可能会出现数据延迟、网络瓶颈和数据质量下降。相反，边缘计算使位于或靠近网络边缘的设备能够立即向关键人员和设备发出机械故障、安全威胁和其他关键事件的警报，以便采取快速行动。
边缘计算使企业能够更快地交付员工尽可能高效地完成工作职责所需的数据。在利用自动化和预测性维护的智能工作场所中，边缘计算使员工所需的设备平稳运行，没有中断或容易预防的错误。
在设备故障或工作条件变化可能导致伤害或更糟的工作环境中，物联网传感器和边缘计算可以帮助保护人们的安全。例如，在海上石油钻井平台、石油管道和其他远程工业使用案例中，预测性维护和在设备现场或附近分析的实时数据有助于提高工人的安全性，并将环境影响降至最低。
边缘计算使得利用在互联网连接时断时续或网络带宽有限的远程地点收集的数据变得更加容易，例如，在白令海的一艘渔船上或在意大利乡村的一个葡萄园里。像水或土壤质量这样的操作数据可以由传感器持续监控，并在需要时采取行动。一旦互联网连接可用，相关数据就可以传输到中央数据中心进行处理和分析。
对于企业来说，向网络中添加数以千计的联网传感器和设备的安全风险是一个真正的问题。边缘计算允许企业在本地处理数据并离线存储，有助于降低这种风险。这减少了通过网络传输的数据，有助于企业减少安全威胁。
在收集、处理、存储和以其他方式使用客户数据时，组织必须遵守数据收集或存储所在国家或地区的数据隐私法规，例如欧盟的一般数据保护法规(GDPR)。跨越国界将数据移动到云或主数据中心会使遵守数据主权法规变得困难，但借助边缘计算，企业可以通过在数据收集地附近处理和存储数据来确保遵守本地数据主权准则。
借助边缘计算，企业可以通过在本地而非云中处理数据来优化其IT支出。除了最小化公司的云处理和存储成本，边缘计算通过在收集数据的位置或附近清除不必要的数据来降低传输成本。
边缘计算的硬件[1]
在边缘计算中，大部分处理能力在物理上位于收集数据的地方或附近。边缘计算硬件通常由以下物理组件组成:
- 边缘设备包括智能相机、温度计、机器人、无人机、振动传感器以及其他物联网设备。尽管有些设备具有内置的计算、内存和存储功能，但并非所有设备都是如此。
- 方法是执行基本网络功能的边缘群集/服务器，如启用无线连接、提供防火墙保护以及处理和传输边缘设备数据。
- 开关也被称为接入节点，连接几个设备以创建网络。
- 节点是一个总括术语，用于描述支持边缘计算的边缘设备、服务器和网关。
边缘计算硬件特点[1]
边缘硬件需要耐用可靠。通常，这种设备必须能够承受极端天气、环境和机械条件。特别是，它通常必须是:
- 无风扇和无通风口：可靠性至关重要，尤其是在设备故障会导致生产中断并危及工人安全的行业，边缘硬件必须与灰尘、污垢、水分和其他可能损害它的物质隔离。
- 耐温的：Edge硬件通常放置在寒冷、闷热和潮湿的室外。有时它甚至被放在水下。在许多情况下，能够承受零度以下和接近沸点的温度是必须的。
- 防震动：硬件需要能够承受机械或自然因素的振动和冲击。构建这些组件时不使用风扇、电缆和其他容易松动或损坏的内部部件至关重要。
- 内置多种连接选项：边缘计算机通常支持无线和有线连接。这样，如果在像农场或海上船只这样的远程商业场所无法无线连接到互联网，计算机仍然可以连接到互联网来传输数据。
- 能够支持多种类型的电源输入：边缘计算机通常支持各种电源输入，以适应它们在远程位置可能遇到的各种电源输入。它们还需要浪涌、过压和电源保护功能，以帮助防止电气损坏。
- 免受网络攻击：网络管理员通常无法像管理内部设备和云设备那样严格地管理边缘设备，因此边缘设备更容易受到不良行为者的攻击。为了帮助保护它们免受恶意软件和其他网络攻击，边缘设备必须配备安全工具，如防火墙和基于网络的入侵检测系统。
- 防篡改：由于边缘计算设备通常在无法持续监控的偏远地区使用，因此必须确保其安全，以防被盗、破坏和未经授权的物理访问。
云计算、边缘计算和雾计算的区别[1]
边缘和雾计算是中间计算技术，有助于将远程位置的物联网设备收集的数据移动到公司的云。让我们探讨一下边缘计算与雾计算和云计算有何不同，以及三者如何协同工作:
云计算使公司能够在通过互联网托管的远程服务器上存储、处理和使用他们的数据。商业云计算提供商，如微软Azure提供数字计算平台和服务集合，公司可以使用它们来减少或消除物理IT基础设施和相关成本。云计算还使组织能够为其员工提供安全的远程工作能力，更轻松地扩展其数据和应用，并利用物联网。
边缘计算允许在组织网络的最远端(即“边缘”)捕获、处理和分析数据这使组织和行业能够实时处理紧急数据，有时甚至不需要与主数据中心通信，通常只需将最相关的数据发送到主数据中心进行更快的处理。这避免了像云网络这样的主要计算资源被不相关的数据充斥，从而降低了整个网络的延迟。它还降低了网络成本。
考虑一个在海洋中央运行的石油钻井平台。跟踪钻孔深度、表面压力和流体流速等信息的传感器有助于保持钻机上的机器平稳运行，并有助于保护工人和环境安全。为了在不降低网络速度的情况下做到这一点，传感器仅通过网络发送关于关键维护需求、设备故障和工人安全细节的数据，这使得能够接近实时地识别问题并做出反应。
雾计算在由于边缘设备计算限制而无法处理边缘数据的情况下，允许在云和边缘之间的计算层中临时存储和分析数据。
从雾中，相关数据可以被发送到云服务器，以便长期存储和未来分析和使用。通过不将所有边缘设备数据发送到中央数据中心进行处理，雾计算允许公司减少其云服务器上的一些负载，这有助于优化IT效率。
例如，假设一家建筑管理公司使用智能设备来自动控制其所有建筑中的温度控制、通风、照明、洒水装置以及火灾和安全警报。该公司不是让这些传感器不断向主数据中心传输数据，而是在每栋建筑的控制室中安装一台服务器来管理即时问题，并且只在网络流量和计算资源超出容量时才向主数据中心发送聚合数据。该雾计算层允许公司在不牺牲性能的情况下最大化其IT效率。
值得注意的是，边缘计算不依赖于雾计算。雾计算只是帮助公司在某些边缘计算场景中获得更高速度、性能和效率的附加选项。
边缘计算使用案例和示例[1]
物联网设备和边缘计算正在迅速改变全球各行业处理数据的方式。以下是的一些最显著的用途商业中的边缘计算：
- 分支机构：智能设备和传感器减少了运行公司辅助办公室所需的资源数量。考虑联网的HVAC控制、检测复印机何时需要维修的传感器以及安全摄像头。通过仅向公司的主数据中心发送最重要的设备警报，边缘计算有助于防止服务器拥塞和延迟时间，同时大大提高对设施问题的响应时间。
- 制造业：工厂地板上的传感器可用于监控设备的日常维护问题和故障，以及保护工人的安全。此外，工厂和仓库中的智能设备可以提高生产率，降低生产成本，并提供质量控制。将数据和分析保存在工厂车间，而不是发送到中央数据中心，有助于避免昂贵和潜在危险的延迟。
- 工业：电力和公用事业公司使用物联网传感器和边缘计算来提高效率，实现电网自动化，简化维护，并弥补远程位置网络连接的不足。公用塔、风力发电场、石油钻塔和其他远程能源可以配备物联网设备，能够抵御恶劣天气和其他环境挑战。这些设备可以在能源站点或其附近处理数据，并将最相关的数据发送到主数据中心。在石油和天然气行业，物联网传感器和边缘计算提供了重要的实时安全警报，通知关键人员必要的维修和可能导致爆炸或其他灾难的危险设备故障。
- 农业：边缘计算有助于提高农业效率和产量。耐候物联网传感器和无人机可以帮助农民监控设备温度和性能；分析土壤、光线和其他环境数据；优化作物用水和养分的数量；时间收获更有效率。边缘计算使物联网技术的使用更加经济高效，即使在网络连接受限的偏远地区也是如此。
- 零售：大型零售商通常会在他们的各个商店中收集大量数据。通过使用边缘计算，零售商可以提取更丰富的业务见解，并实时做出反应。例如，零售商可以收集顾客客流量数据，跟踪销售点数量，监控所有商店促销活动的成功情况，并使用这些本地数据更有效地管理库存，做出更快、更明智的商业决策。
- 卫生保健：边缘计算在医疗保健领域的应用非常广泛。疫苗附带的温度传感器有助于确保它们在整个供应链中保持完整性。智能CPAP机器和心脏监测仪等家用医疗设备可以收集患者数据，并将相关信息发送给患者的医生和医疗保健网络。医院可以通过使用物联网技术来跟踪患者的生命体征，并更准确地跟踪轮椅和轮床等设备的位置，从而更好地为患者服务。
边缘计算的应用示例[2]
自动驾驶汽车是应用边缘计算最值得期待的领域。有很多情况下，自动驾驶汽车需要对情况进行即时评估，这就需要实时的数据处理。2019年12月，日本对《道路交通法》和《道路运输车辆法》进行了修订，使得3级自动驾驶汽车更容易上路。它规定了自动驾驶汽车应符合的安全标准，以及自动驾驶汽车可以运行的区域。因此，汽车制造商也在正在努力开发遵守这些标准的自动驾驶汽车。例如，丰田已经在测试TRI-P4的完全自动化（4级）自动驾驶系统了。
无人机在进行飞行时失控、失踪的新闻越来越多。某些甚至导致了事故的发生。根据无人机降落位置的不同，坠毁造成的后果也可能是灾难性的。
自动驾驶无人机上，飞行员并不主动干涉无人机的飞行。他们远程监控操作，只有在绝对必要的时候才会手动驾驶无人机。最著名的例子是亚马逊的Prime Air，这是一个无人机送货服务，它们正在开发自动驾驶无人机来运送包裹.
人脸识别系统是监控摄像头的发展方向，它可以通过学习人脸识别人类个体。2019年11月，WDS有限公司发布了AI摄像头模块Eeye，通过边缘AI实时分析面部特征。Eeye能快速准确地识别人脸，适用于针对性别、年龄等特征的营销工具，和用来解锁设备的人脸识别场景。
这是我们最熟悉的边缘AI设备。Siri和谷歌助手是智能手机上边缘AI的好例子，因为该技术驱动了它们的语音UI。手机上的AI使得数据处理发生在设备（边缘）侧，这意味着不需要将设备数据交付到云端。这有助于保护隐私和减少流量。
