即使云计算领域不断采用新技术，越来越多的计算工作也将转移到边缘。发生这种变化的一个关键原因是：边缘计算不是云计算的继承者，而是技术覆盖范围的又一次扩展，代表了未来投资和增长的一个绝佳机会。根据调研机构IDC公司的调查，到2025年，物联网设备数量预计将超过560亿台。
随着边缘设备和计算技术的采用量持续飙升，很多企业需要在内部部署设施中处理来自这些设备中不断增加的数据，以便能够实时对数据进行处理。这将需要对适应边缘的基础设施以及相关工具和平台进行投资。企业采用的技术即将再次转型——在创建和使用数据时处理和分析一些数据正成为一项业务需求，就像将技术堆栈的其他部分移动到云中一样。
企业必须基于不断更新的数据，通过边缘设备提供更好的客户体验。而从云平台或内部部署数据中心上传和下载数据通常需要很长时间。无论数据是在消费者的智能手机上还是在生产车间，企业都需要尽可能接近需要实时数据驱动响应的边缘来处理和分析数据。
提供这些功能的竞争已经很激烈。许多供应商将边缘计算视为他们的下一个价值万亿美元的市场机会，这些供应商包括云计算服务提供商、电信运营商，以及服务器和存储基础设施提供商。
为什么采用边缘计算
边缘计算已经以各种形式存在了几十年。例如，在工厂使用的设备上部署独立软件的例子数不胜数，这些设备使制造过程的各个方面实现自动化。近年来，其中许多系统已连接到互联网，使企业能够更容易地收集和共享数据。现在的挑战是，在边缘生成的数据量往往超过了通过广域网(WAN)传输该原始数据的实际程度，企业需要能够在网络边缘处理和分析大量数据的平台。然后，在边缘平台上处理的数据的聚合结果可以更高效地与云平台中、内部部署IT环境甚至网络本身中运行的其他应用程序共享。
低延迟要求是当今最大的挑战。在许多情况下，在电信网络边缘的网关上运行的应用程序需要能够在几分之一秒内响应移动计算应用程序的数据请求。在其他情况下，边缘应用程序正在推动自动化工厂的运营，需要动态调整以适应在扩展企业边缘处理的分析。
还有更高级的用例，其中包括为无人驾驶车辆实时处理计算机视觉数据的车载计算机和有望改变制造业的机器人应用。
硬件进步使边缘计算成为可能
低延迟网络连接、高功率计算和大存储需求的竞争需求正在推动边缘计算硬件的创新。例如，自动驾驶汽车生产商特斯拉公司在其设备中添加了定制处理器，能够预处理大量数据，执行机器学习推理以做出快速驾驶决策和预测，甚至对自动驾驶车辆本身进行一些深度学习模型训练，然后将数据子集发送给中央系统进行更多训练。
今年早些时候，特斯拉公司推出了一款拥有60亿个晶体管的核心处理器。该公司声称，该处理器与在特斯拉ModelS、Model3和ModelX型号中采用的Nvidia GPU相比，其性能提高了21倍。除了AMD公司和Intel等传统CPU供应商的CPU之外，这些功能强大的处理器还用于信息娱乐等主流应用中。
凭借这种边缘计算能力，特斯拉公司的自动驾驶汽车可以处理传感器数据，使其能够识别自动驾驶汽车周围的行人、道路上的其他车辆、紧急路旁标志和潜在危险的移动物体。该传感器数据还通过预加载的地图数据和GPS连接进行处理。此外，特斯拉自动驾驶汽车中计算机通过特斯拉的网络将信息传递到海量存储设施，在那里对数据进行分析，以改进自动驾驶和其他功能，然后通过网络将对车辆软件堆栈的改进下载到自动驾驶车辆上。
医疗保健是一个对高级机器学习设备和软件有着类似需求的行业。来自磁共振成像(MRI)和其他具有推理计算能力的扫描设备部署在多个地点的图像也需要类似于特斯拉汽车所需的计算能力和网络基础设施。然而，大多数医院并没有兴趣或资金来构建自己强大的边缘计算硬件，并且没有技术供应商的技术能力。
随着半导体电路技术的发展，对于业务更广泛的企业而言，以节能的方式在边缘运行应用程序的能力变得更加现实。随着处理器的每次新迭代，边缘平台的总成本将继续下降，而可用于运行应用程序的设备功率也在稳步增加。
边缘网络
无论在边缘处理和分析了多少数据，庞大的数据量都会对网络带宽产生更多需求，从而产生潜在的瓶颈。一个主要瓶颈是回程——边缘设备与中央服务器和网络之间的延伸。未来的边缘网络基础设施可能包括5G、更强大的WiFi连接和设备、低延迟菊花链系统、光纤系统(例如谷歌正在开发的光纤系统)、卫星连接，以及有待开发的技术的组合，但有一件事是肯定的：数据量的增长速度快于网络带宽。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
