The Future of Edge Computing
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。
沒有留言:
張貼留言