cookieOptions = {...}; .邊緣運算的實例介紹 - 3S Market「全球智慧科技應用」市場資訊網

3S MARKET

2020年11月23日 星期一

The Future of Edge Computing 



bmcblogs


邊緣運算是一個相對較新的範例,旨在將計算能力帶到物聯網感測器,智慧手機和互聯技術的附近。



邊緣運算已成為一種有前途的技術,這要歸功於自動駕駛汽車中智慧 IoT 應用的普及,以及其他需要低延遲數據處理的對運算敏感的工業用例。 Gartner 預測,到 2022 年,將透過邊緣運算在集中式雲端數據中心之外,創建和處理 50% 的企業生成數據。其他研究發現,到 2025 年,全球物聯網安裝基礎,將超過 754 億台設備。


因此,讓我們通過一些實際的案例,來探索邊緣運算。



什麼是邊緣運算?

邊緣運算是感測器數據的計算處理,它遠離集中節點,並靠近網路的邏輯邊緣,朝向各個數據源。可以將其稱為分佈式 IT 網路體系結構,該體系結構實現了對本地產生的數據,進行行動運算的能力。邊緣運算沒有將數據發送到雲端數據中心,而是分散了處理能力,以確保無延遲的即時處理,同時減少了網路上的頻寬和儲存需求。


該概念可以追溯到 1990 年代,當時 Akamai 透過引入內容交付網路(CDN)解決方案,解決了 Web 流量擁塞的挑戰。該技術涉及網路節點,將靜態暫存的媒體資訊,儲存在更靠近最終使用端的位置。


如今,邊緣運算將這一概念進一步發展,將運算能力引入網路邊緣的節點中,以處理資訊並提供服務。



邊緣運算的例子

邊緣運算,為各種行業的智慧物聯網應用和案例,提供了一系列價值主張。一些最流行的案例,將依賴邊緣運算來為企業提供改進的性能、安全性和生產力,其中包括:


自動駕駛汽車

為了使用自動駕駛技術取代人類駕駛員,汽車必須能夠即時對道路事故做出反應。平均而言,車輛感測器與後端雲端數據中心之間的數據傳輸,可能需要 100 毫秒。在駕駛決策方面,這種延遲可能會對自動駕駛車輛的反應產生重大影響。



豐田汽車預測,到 2025 年,車輛與雲之間傳輸的數據量,每月將達到 10 艾字節。如果網路容量無法容納必要的網路流量,則自動駕駛技術供應商,可能會被迫限制汽車的自動駕駛能力。


除了數據成長和現有網路限制外,諸如 5G 連接和人工智慧之類的技術,也為邊緣運算鋪平了道路。


.5G 將以分佈式蜂窩塔的形式,幫助將運算功能佈署到更靠近網路邏輯邊緣的位置。該技術將能夠進行,更大的數據聚合和處理,同時保持車輛和通訊基地台之間的高速數據傳輸。


.人工智慧將進一步促進即時智慧決策能力,使汽車對交通流量的突然變化,做出比人類更快的反應。



車隊管理

物流服務提供商利用物聯網,遠端資訊處理數據,來實現有效的車隊管理營運。駕駛員依靠車輛與車輛之間的通信,以及來自後端控制基地台的資訊,來做出更好的決策。在車輛和後端雲網路之間,可以傳輸的數據的速度和數據量方面,低連接性和信號強度的位置受到限制。


隨著依賴即時運算,和數據分析功能的自動駕駛汽車技術的出現,車隊供應商將尋求有效的網路傳輸手段,以最大化車隊遠端資訊處理數據的價值潛力,以供遠距離行駛的車輛使用。


透過在車隊車輛附近使用運算功能,供應商可以減少通信盲區的影響,因為不需要數據將所有方式,發送回集中式雲數據中心。有效的車對車通信,將使車隊排之間的交通流量協調一致,因為佈署在網路邊緣的支持 AI 的感測器系統,將傳達有見地的分析資訊,而不是根據需要傳遞原始數據。



預測性維護

製造業嚴重依賴自動化機器的性能,和正常運行時間。2006 年,汽車行業製造停機的成本,估計為每小時 130 萬美元。十年後,對車輛技術的不斷成長的金融投資,和不斷成長的市場獲利能力,使意外服務中斷的成本增加了多個數量級。


.借助邊緣運算,IoT 感測器可以監控機器運行狀況,並即時辨識對時間敏感的維護問題的跡象。在製造場所對數據進行分析,並將分析結果上傳到集中式雲數據中心,以進行報告或進一步分析。


.分析異常,可以使工作人員在問題升級,並影響生產線之前,更早地執行糾正措施,或預測性維護。


分析影響最大的機器運行狀況指標,可以使組織延長製造機器的使用壽命。結果,製造組織可以降低維護成本,提高機器的運行效率,並實現更高的資產回報率。



語音助理

諸如 Amazon Echo、Google Home 和 Apple Siri 等語音輔助技術,正在推動 AI 的發展。預計 2018 年,全球智慧語音助理設備的出貨量將達到 5630 萬。Gartner 預測,到 2020 年,將有 30% 的消費者與該技術進行語音交互。快速成長的消費者技術領域,需要先進的 AI 處理技術和低端的智慧技術。延遲否應時間,以與最終使用者進行有效的交互。


特別是對於涉及 AI 語音輔助功能的用例,技術需求超出了運算能力和數據傳輸速度。語音協助的長期成功,取決於技術的消費者隱私和數據安全能力。敏感的個人資訊,是地下網路犯罪分子的寶庫,語音幫助系統中的潛在網路漏洞,可能給最終使用者帶來前所未有的安全和隱私風險。


為了應對這一挑戰,亞馬遜等供應商正在增強其 AI 功能,並在邊緣附近佈署該技術,從而無需在網路上行動語音數據。據報導,亞馬遜正致力於為亞馬遜 Echo 設備開發自己的 AI 晶片。



邊緣運算的未來

根據 2017 年 Gartner 炒作週期的數據,邊緣運算正在接近虛假預期的峰值,並有可能在 2-5 年內達到生產力的高原。考慮到 AI 和 5G 連接技術的持續研發,以及對智慧工業 IoT 應用的不斷成長的需求,邊緣運算的成熟度可能會比預期更快。


對於企業用戶而言,語音運算領域邊緣運算的普及,將具有同等重要的地位,因為在現場或生產線上,工作的員工將能夠訪問和分析有用的資訊,而不會中斷手動工作。


0 意見: