Edge Computing Platform
 |
來源：物女王
邊緣計算+IoT雲平台，正在成為巨頭們強強聯手的重頭戲。比如GE的雲平台Predix和華為的邊緣計算方案EC-IoT合作，實現工業設備運行狀態的即時監測；再比如思科的邊緣計算，實現與微軟Azure雲平台之間的互聯，確保為企業提供從邊緣到雲端的整體性服務。
本文則將以亞馬遜剛剛推出的Greengrass為代表，揭示巨頭們在互相合作之外，自己同時「修煉」邊緣計算+IoT雲平台能力，做到「雌雄同體」的發展思路。
1. IoT成熟的過程，是運算能力進一步分工細化的過程
「邊緣計算」是在靠近物或數據源頭的網路邊緣側，融合網路、計算、儲存、應用核心能力的開放平台，就近提供邊緣智慧服務。
需要強調的是，最新出現的「邊緣計算」設備，並不是傳統的網路閘道，或者控制器換個名稱「濫竽充數」，而是需要滿足3個必備能力：採集邊緣數據、智慧的運算能力和可操作的決策回饋。
採集邊緣數據 - 數據採集是邊緣計算的基礎，從工業設備到智慧家電，一切設備都是數據的來源。
智慧的運算能力 - 基於機器學習，跨越邊緣計算和雲平台提供智慧化的運算能力。微軟、谷歌、亞馬遜、IBM等巨頭，正在不遺餘力的把機器學習能力，嵌入到各個角落。
可操作的決策回饋 - 管理層可以根據數據分析，獲得相關決策建議，或者由授權代表或者設備本身，直接完成決策過程。
邊緣計算與集中式的傳統雲計算框架，最大的區別在於，邊緣計算採用分布式計算架構，將運算分散在靠近數據源的近端設備處理，分擔雲平台的工作量，而不再需要大老遠把數據回傳雲端處理，即時性更好、效率更高、延遲最短，甚至沒有網路、無法接入雲端，也不會妨礙邊緣設備的「貼地」計算。
談到邊緣計算與IoT雲平台之間的關係，此前行業內曾經有過不小的爭論，以矽谷最知名的風投公司a16z為主的一派認為，邊緣計算，將會「吃掉」雲計算，雲計算終將走向「終結」，看樣子在他們手中，佈局了不少邊緣計算項目，正在找人接盤。
貼近現實的觀點是，邊緣計算與雲計算將會共生，成為互補，既不衝突，也不對立。邊緣計算並不會最終取代雲端，而是透過分布式架構，讓傳統的雲計算框架進一步去中心化，完成運算能力的進一步分工，讓原本匯聚在雲端的能力，向外圍延伸，更加「貼地」。
毋庸置疑，邊緣計算的市場前景非常廣闊：到2018年，40%的IoT數據將會透過霧計算、邊緣計算在近端處理。
根據IDC的預估，對物聯網的投資，將在未來3年內以15.6%的速度成長，2020年達到1.29萬億美元。其中，物聯網投資由工業應用主導，包括製造業、交通運輸業和公用事業。
既然工業端應用超越了消費端應用，正在主導全球物聯網投資，那我們就可以拍腦袋「負責」的預測：邊緣計算會最先從工業應用落地。目前已有的邊緣計算+IoT雲平台的應用案例，也大多來自工業端，進一步印證了上述觀點。
既然工業端應用超越了消費端應用，正在主導全球物聯網投資，那我們就可以拍腦袋「負責」的預測：邊緣計算會最先從工業應用落地。目前已有的邊緣計算+IoT雲平台的應用案例，也大多來自工業端，進一步印證了上述觀點。
德國製造商Thyssen Krupp，在全球有超過100萬台電梯，他們已經在使用邊緣計算+IoT雲平台，來預測電梯何時可能故障，並提前進行預防措施。100萬台電梯連接和分析，伴隨著大量的數據和與之匹配的計算能力，ThyssenKrupp利用邊緣計算消化低階的即時回饋型任務，按量付費使用的雲端計算，用以處理高階決策。
可口可樂使用邊緣計算+IoT雲平台，來管理位於各地的新型酷炫飲料機。邊緣設備可以讓客戶隨意選擇，超過100種的不同飲料組合，迅速完成訂製，並負責收集與消費者偏好相關的大量訊息，然後透過雲端與可口可樂中央數據中心共享。
美國最新一代的列車，也在使用邊緣計算+IoT雲平台搭配的解決方案，覆蓋美國鐵路網路中的20,000列車和65000英里軌道。邊緣設備不斷監測火車的運動數據，減少碰撞風險、提高列車的安全性，並將重要數據回傳雲端。
除此以外，邊緣計算+IoT雲平台的組合，還可以用到傳感器數據監測和分析、零售業用戶的行為分析、行動數據的降噪和訊息提取、金融機構的合規分析、石油/天然氣等行業的遠端監測和分析，以及各種相關領域。
2. 巨頭紛紛跨界，進入下半場的新賽道
之前我曾經說過，《雲計算和IoT平台之爭開啓「下半場」，邊緣計算將成為「主陣地」》，這是Top Down的觀點。就在本週，亞馬遜正式推出Greengrass進軍邊緣計算陣地。而如果從Bottom up的觀點來看，聚焦在傳統邊緣計算領域的企業，也紛紛進軍IoT雲平台。「雌雄同體」的中性氣質，正在物聯網領域中瀰漫。
Top down之亞馬遜
亞馬遜AWS在日前正式發佈了邊緣計算服務Greengrass，這是一種允許用戶以安全方式，為互聯設備執行本地計算、消息收發和數據緩存的方案。
Greengrass將AWS無縫擴展至設備端，以便於用戶更加輕量的在本地操作其產生的數據，同時，製造商仍然可以使用雲端，進行管理、分析以及展開其他應用服務。
借助AWS Greengrass，互聯設備可以運行AWS Lambda函數、同步設備數據，以及與其他設備安全通信，甚至無需連接互聯網，最大程度地降低將IoT數據傳輸到雲端的成本。用戶不用再糾結於本地執行的即時性，和雲平台方案的靈活性，實現魚與熊掌兼得的「美事」。
即使在無法連接到雲平台的狀態下，Greengrass設備仍然可以通過本地網絡，進行數據的通信與處理，等待與雲平台的連接恢復之後，再把數據上傳並同步到雲端。
諾基亞實驗室正在測試Greengrass的性能，根據目前的結果，93%的數據可以在邊緣處理，與以往集中式的雲平台相比，往返時間減少了28%，延遲時間降低了39%。
一家採礦公司已經開始使用Greengrass來評估路途的顛簸程度和路況數據，以便即使當地的網絡覆蓋不佳，它的運輸卡車也能安全有效地通行。
亞馬遜尚未透露Greengrass服務的價格。
Top down之谷歌
Google也於近期發佈了全新的邊緣計算服務Cloud IoT Core，協助企業連接及管理物聯網裝置，以及快速處理物聯網裝置，所採集的數據。
Cloud IoT Core設計目的，是簡化數據傳輸，來幫助用戶使用谷歌雲提供的數據分析，和機器學習能力，並即時地將原先不可訪問的操作數據可視化。
Cloud IoT Core搭配谷歌其他雲服務，比如Pub/Sub、Dataflow、Bigtable, BigQuery、Data Studio，可以提供一整套解決方案來即時地收集、處理、分析、可視化物聯網數據，以提高用戶開發效率。
Google Cloud IoT Core的關鍵特性包括：
端到端安全：使用基於證書和TLS加密的認證方式，提供端對端安全；搭載Linux、Android Things，或其它操作系統的設備，只要符合Cloud IoT Core的安全需求，即可獲得全面的安全保障。
便捷的數據洞察：整合了豐富的下游分析系統，如谷歌大數據分析和機器學習服務。
Serverless基礎架構：在谷歌Serverless平台上，不受時間與資源限制地透過水平拓展來擴大規模。
角色權限數據管理：為不同設備佈署相應的IAM角色來分配對設備和數據的訪問權限。
自動佈署設備：使用REST API自動管理大規模設備註冊，部署和操作。
目前Cloud IoT Core仍屬封閉測試階段。
Top down之微軟
今年5月，微軟首席執行官薩蒂亞·納德拉宣佈：微軟遇見了新世界，一個智慧雲(Intelligent Cloud)+智慧邊緣(Intelligent Edge)的世界。最新推出的Azure IoT Edge服務，是一個為物聯網準備的雲服務。它會用各種傳感器和小型計算設備，追蹤工業場景中的數據，然後由微軟的雲和AI工具分析，透過這項功能將計算能力由雲推向邊緣。
當這些邊緣設備的運算分析能力越來越強，現在開始也有更多廠商將機器學習、甚至是深度學習的能力帶進設備內，使得現在的邊緣設備，也能做到雲端能做的事，應用也越來越廣了。
例如微軟的Azure IoT Edge，不僅能採集和分析數據，還開始將Azure機器學習及AI認知服務帶進設備端，讓設備想要就近結合機器學習變得更容易多了。
Azure IoT Edge 使得 IoT 設備，能夠即時運行雲服務，處理數據，並與傳感器和其它與之相連的設備進行通信。透過處理、分析和運行數據源，Azure IoT Edge 幫助用戶做出更快、更智慧的決策，同時將關鍵資訊發送到雲，進一步分析來降低頻寬成本。
看完了Top down的角度，咱們再來說說Bottom up。邊緣計算並不是一個全新概念，不少企業已經深耕多年，尤其以工業領域的知名企業為代表，都是擅長邊緣計算的行家裡手，憑借以往設備端的數據採集與控制經驗，加個IoT雲平台的營生，也可以得心應手。
Gateway（閘道器）是常見的一種邊緣計算設備，不過跟傳統只用來蒐集和轉發資料的物聯網閘道器相比，新一代邊緣閘道器變得聰明，開始具有運算分析能力，能將靠近傳感器和其他物聯網設備周圍蒐集的數據先運算處理，讓數據變少以後再回傳雲端。
與傳統的PLC工業控制器不同，邊緣閘道器使用更為通用的語言編程。即使沒有網路，邊緣閘道器也能透過和其他運算設備，組成一個具有分布式計算架構的本地局域網，自行接手運算，等待網路恢復後，才將處理後的資料傳回雲端，若是邊緣設備運算能力足夠，甚至可以直接在本地處理，不必再送到雲端接續處理。
智慧閘道器的技術累積，再加上Bottom up這端正在積聚的IoT雲平台實力，Top down和Bottom up兩條陣線誰更具有優勢，還得路遙知馬力，日久見分曉。
從現有情況分析，與Top down陣線相比，Bottom up優勢在於有大量的已有設備安裝基礎，劣勢在於邊緣設備端的開放性明顯不足，分析算法與機器學習能力也存在一定的缺失。
為了彌補這些短缺，Bottom up陣線的IoT雲平台要麼與分析算法強大的雲平台對接，要麼培育生態合作夥伴，將實踐經驗轉化成應用軟體，嵌入到平台的分析功能中來。
在實際應用的過程中，Bottom up陣線的已有核心競爭力聚焦在OT(Operational Technology)工程師端，欠缺IT(Information Technology)工程師們的深度參與，無論是編程語言的阻礙，還是最新算法的領悟，都由於OT與IT之間的差異而難以逾越。
每個問題都有解且不止唯一解，我在此拭目以待各家企業攻克難關的高招。
Bottom up之西門子
僅僅邊緣計算還不夠，工業物聯網需要利用雲平台來應付各種情境。西門子Simatic IOT 2000就是專為西門子雲平台MindSphere和SAP Hana而設計的智慧閘道器。
用戶可以在工廠內部對網關進行改造，以便協調不同數據源之間的通信、分析並傳遞數據。透過Simatic IOT 2000接入的雲平台，可以是Mind Sphere或用戶首選的其它任何雲。
Simatic IOT 2000通常用於預防性機械維護，可最大限度減少生產停工風險，避免高價損失。另外，它還能對相關指標進行評估，並盡早查明即將發生的磨損。
由於在工業領域多年的經驗累積，Simatic IOT 2000保證了在工業現場惡劣環境下的可靠性，這一點能夠彌補Arduino等物聯網開源硬體，在工業強度等級上的不足，相當於給性能強大的物聯網硬體穿上一身安全服。
至於MindSphere，則是西門子推出的一個開放IoT雲平台，工業企業可將其作為數位化服務——譬如預防性維護、能源數據管理以及工廠資源優化——的基礎。
Bottom up之博世
博世在本輪邊緣計算+IoT雲平台的賽局中的能量不可小覷，這是一傢具備傳感器、雲平台和服務，三大核心IoT競爭力的公司。
2016年3月，博世集團董事會主席鄧納爾博士在Bosch Connected World峰會上，宣佈博世為其物聯網服務正式推出自己的雲平台。博世將通過這一平台，運行各類有助於實現未來互聯願景的應用程序，包括智慧家庭、工業4.0以及互聯交通。
按照博世的邏輯，給公司製造的各種家電、工業產品、車載設備等「物」加上感知設備，能夠使其收集到數據。之後數據將會被傳到Bosch IoT Cloud，透過軟體的運算和優化，最終形成相應的服務。具體包含4個關鍵的技術方向：
邊緣計算和霧計算：隨著設備的增多，只讓雲端負擔全部設備的數據傳輸及計算是不現實的。因此在網路邊緣的設備中(例如路由器)，也需具備數據處理及計算能力，這樣雲端的壓力就將得到分解。
物聯網路：指的是互聯基礎設施的建設，以及連接速度的優化。
區塊鏈：建立一個去中心化和去監管化的合約信用體系。
人工智慧：博世與NVIDIA聯合發佈AI車載電腦已經足夠證明其對AI的重視。
Bottom up之研華科技
研華科技今年也發表了一系列邊緣智慧伺服器軟硬整合解決方案(Edge Intelligence Servers)，可以應用在工廠、零售、車隊物流、醫療，以及環境與能源等行業。
新一代IoT邊緣智慧服務器(Edge Intelligence Server，EIS)可以把不同工業協議收集起來的數據，轉換成MQTT協議傳輸到雲端，然後再做數據分析或應用的處理。簡單的說，研華IoT邊緣智慧伺服器(EIS)=物聯網網關+小型數據庫+輕量計算與分析。
同時，為了幫助物聯網系統集成商快速開發出所需的應用系統，研華開發了一個中間件名叫WISE-PaaS，這個中間件提供傳感器信息傳輸和遠程管理控制，集成了大數據分析、物聯網應用開發等工具，是雲平台與IoT設備之間的橋梁。
3. 機器學習正在「離家出走」，貼近邊緣
除了巨頭們對邊緣計算的青睞之外，技術的成熟度也在催化邊緣計算的落地。
以往我們認為人工智慧的相關算法，必須透過雲端的運算能力來實現，不過現在機器學習大有從雲端降落的趨勢，透過邊緣計算完成。
最近蘋果發佈了Core ML平台，堅持不在雲端實現機器學習，核心是加速在iPhone、iPad、Apple Watch上的人工智慧任務，支持深度神經網路、循環神經網路、卷積神經網路、支持向量機、樹整合、線性模型等。
Core ML為設備性能進行了優化，從而減少了內存佔用和功耗。嚴格在設備上運行，能夠確保用戶數據的隱私，並且能保證各種應用在沒有網路連接時，也能夠工作和響應。由於Core ML減少了很多不必要的內容，就算不在雲端運行也不會性能變差。
Core ML的推出意味著機器學習，正在從雲端「離家出走」，降落到邊緣設備的開始。
通過上下兩集的評述，你應該已經看清了巨頭的邏輯，通過培養邊緣計算+IoT雲平台的綜合實力，提煉共性技術，跨越多個行業推出普適性的服務。
而在實際的操作中，無論是工業領域，還是消費領域，細分市場眾多，需求差異很大，夢想一步做成整體行業的獨角獸簡，直是難於登天。這時創新企業擺正態度，找準定位，依託巨頭斥資打造的物聯網生態，在某個或者某幾個細分領域深耕細作，不失為發展良機。
本文的最後，附上整理表格，邊緣計算並不只是巨頭的天下。
0 comments:
張貼留言