一文看懂：「邊緣計算」究竟是什麼？為何潛力無限？

51CTO官微

技術資訊/行業精華/產品心得

8 月 15 日，知名創投調研機構 CB Insights 撰文詳述了邊緣計算的發展和應用前景。

文章稱，雲計算已經不足以即時處理和分析由物聯網設備、聯網汽車和其他數字平台生成或即將生成的數據，這個時候邊緣計算能夠派上用場。該技術擁有著應用於諸多行業領域和發揮巨大作用的潛力。

以下是文章主要內容：

有時更快的數據處理是一種奢侈——有時它生死攸關。

例如，自動駕駛汽車本質上是一台裝有輪子的高性能計算機，它通過大量的感測器來收集數據。為了使得這些車輛能夠安全可靠地運行，它們需要立即對周圍的環境做出反應。處理速度的任何延遲都有可能是致命的。

雖然聯網設備的數據處理現在主要是在雲端進行的，但在中央伺服器之間來回傳送數據可能需要幾秒鐘的時間。這一時間跨度太長了。

邊緣計算則讓自動駕駛汽車更快速地處理數據成為可能。這種技術使得聯網設備能夠處理在「邊緣」形成的數據，這裡的「邊緣」是指位於設備內部或者與設備本身要近得多的地方。

據估計，到 2020 年，每人每天平均將產生 1.5GB 的數據量。隨著越來越多的設備連接到互聯網並生成數據，雲計算可能無法完全處理這些數據——尤其是在某些需要非常快速地處理數據的使用場景當中。

邊緣計算是雲計算以外的另一種可選解決方案，未來它的應用範圍很有可能將遠不止是無人駕駛汽車。

包括亞馬遜、微軟和谷歌在內的一些科技巨頭都在探索「邊緣計算」技術，這可能會引發下一場大規模的計算競賽。雖然亞馬遜雲服務 Amazon Web Services（AWS）在公共雲領域仍然佔據主導地位，但誰將成為這個新興的邊緣計算領域的領導者仍有待觀察。

在本文中，我們將深入探討什麼是邊緣計算，與該技術相關的優勢，以及它在各行各業中的應用。

一個充滿變化的計算領域

在了解邊緣計算之前，我們必須先來看看它的前身——雲計算——是如何為遍布全球的物聯網（IoT）設備鋪平道路的。

雲計算賦能互聯世界

從可穿戴設備到聯網廚房電器，聯網設備可以說無處不在。據估計，到 2019 年，全球物聯網市場規模將超過 1.7 萬億美元，較 2013 年的 4860 億美元增長逾兩倍。

因此，雲計算——許多智能設備連接到互聯網來運作的過程——已經成為一種越來越主流的趨勢。

雲計算使得公司能夠在自己的物理硬體之外，通過遠程伺服器網路（俗稱「雲」）存儲和處理數據（以及其他的計算任務）。

例如，你可以選擇使用蘋果的 iCloud 雲服務來備份你的智能手機，然後你可以通過另一個聯網設備（比如你的台式電腦）檢索智能手機里的數據，方法是登錄你的賬戶連接到雲。你的信息不再受到智能手機或台式機的內部硬碟容量的限制。

這只是眾多雲計算用例之一。另一個例子是通過 Web 端或移動瀏覽器來訪問各種完整的應用程序。由於雲計算越來越受歡迎，它吸引了亞馬遜谷歌、微軟和 IBM 等大型科技公司入局。據私有雲管理公司 RightScale 於 2018 年進行的一項調查顯示，在主要的公共雲提供商當中，亞馬遜 AWS 和微軟 Azure 分列第一和第二。

圖示：越來越多的企業在公共雲上運行應用程序

但是集中式雲計算並不適合所有的應用程序和用例。邊緣計算則能夠在傳統雲基礎設施可能難以解決的領域提供解決方案。

向邊緣計算的轉變

在我們到處充斥著數據的未來，將有數十億部設備連接到互聯網，因此更快更可靠的數據處理將變得至關重要。

近年來，雲計算的整合和集中化性質被證明具有成本效益和靈活性，但物聯網和移動計算的興起給網路帶寬頻來了不小的壓力。

最終，並不是所有的智能設備都需要利用雲計算來運行。在某些情況下，這種數據的往返傳輸能夠——也應該——避免。

由此，邊緣計算應運而生。

根據 CB Insights 的市場規模量化工具，到 2022 年，全球邊緣計算市場規模預計將達到 67.2 億美元。雖然這是一個新興領域，但在雲計算覆蓋的一些領域，邊緣計算的運行效率可能要更高。

邊緣計算使得數據能夠在最近端（如電動機、泵、發電機或其他的感測器）進行處理，減少在雲端之間來回傳輸數據的需要。

市場研究公司 IDC 稱，邊緣計算被描述為「微型數據中心的網狀網路，在本地處理或存儲關鍵數據，並將所有接收到的數據推送到中央數據中心或雲存儲庫，其覆蓋範圍不到 100 平方英尺」。

例如，一列火車可能包含可以立即提供其發動機狀態信息的感測器。在邊緣計算中，感測器數據不需要傳輸到火車上或者雲端的數據中心，來查看是否有什麼東西影響了發動機的運轉。

本地化數據處理和存儲對計算網路的壓力更小。當發送到雲的數據變少時，發生延遲的可能性——雲端與物聯網設備之間的交互導致的數據處理延遲——就會降低。

這也讓基於邊緣計算技術的硬體承擔了更多的任務，它們包含用於收集數據的感測器和用於處理聯網設備中的數據的 CPU 或 GPU。

隨著邊緣計算的興起，理解邊緣設備所涉及的另一項技術也很重要，它就是霧計算。

邊緣計算具體是指在網路的「邊緣」處或附近進行的計算過程，而霧計算則是指邊緣設備和雲端之間的網路連接。

換句話說，霧計算使得雲更接近於網路的邊緣；因此，根據 OpenFog 的說法，「霧計算總是使用邊緣計算，而不是邊緣計算總是使用霧計算。」

說回我們的火車場景：感測器能夠收集數據，但不能立即就數據採取行動。例如，如果一名火車工程師想要了解火車車輪和剎車是如何運行的，他可以使用歷史累計的感測器數據來預測零部件是否需要維修。

在這種情況中，數據處理使用邊緣計算，但它並不總是即時進行的（與確定引擎狀態不同）。而使用霧計算，短期分析可以在給定的時間點實現，而不需要完全返回到中央雲。

圖示：雲計算、霧計算與邊緣計算

因此，要記住的是，雖然邊緣計算給雲計算帶來補充，並且與霧計算一起非常緊密地運作，但它絕不是二者的替代者。

邊緣計算的優勢

雖然邊緣計算是一個新興的領域，但是它擁有一些顯而易見的優點，包括：

· 實時或更快速的數據處理和分析：數據處理更接近數據來源，而不是在外部數據中心或雲端進行，因此可以減少遲延時間。

· 較低的成本：企業在本地設備的數據管理解決方案上的花費比在雲和數據中心網路上的花費要少。

· 網路流量較少：隨著物聯網設備數量的增加，數據生成繼續以創紀錄的速度增加。因此，網路帶寬變得更加有限，讓雲端不堪重負，造成更大的數據瓶頸。

· 更高的應用程序運行效率：隨著滯後減少，應用程序能夠以更快的速度更高效地運行。

削弱雲端的角色也會降低發生單點故障的可能性。

例如，如果一家公司使用中央雲來存儲它的數據，雲一旦宕機，那麼數據將無法訪問，直至問題得到修復——公司可能因而蒙受嚴重的業務損失。

2016 年，Salesforce 網站的北美 14 站點（又名 NA14）宕機超過 24 個小時。客戶無法訪問用戶數據，從電話號碼到電子郵件等等，業務運營遭受嚴重的破壞。

此後，Salesforce 將它的物聯網雲轉移到亞馬遜的 AWS 上，但是這次宕機事件凸顯了僅僅依賴雲的一大弊病。

減少對雲的依賴也意味著某些設備可以穩定地離線運行。這在互聯網連接受限的地區尤其能夠派上用場——無論是在嚴重缺乏網路服務的特定地區，還是油田等通常無法訪問的偏遠地區。

邊緣計算的另一個關鍵優勢與安全性和合規性有關。隨著政府越來越關注企業如何利用消費者的數據，這一點尤為重要。

歐盟（EU）最近實施的《通用數據保護條例》（GDPR）就是一例。該條例旨在保護個人可識別信息免遭數據濫用。

由於邊緣設備能夠在收集和本地處理數據，數據不必傳輸到雲端。因此，敏感信息不需要經由網路，這樣要是雲遭到網路攻擊，影響也不會那麼嚴重。

邊緣計算還能夠讓新興聯網設備和舊式的「遺留」設備之間實現互通。它將舊式系統使用的通信協議「轉換成現代聯網設備能夠理解的語言」。這意味著傳統工業設備可以無縫且高效地連接到現代的物聯網平台。

邊緣計算髮展現狀

今天，邊緣計算市場仍然處於初期發展階段。但隨著越來越多的設備連網，它似乎備受關注。

主宰雲計算市場的那些公司（亞馬遜、谷歌和微軟）正在成為邊緣計算領域的領先者。

去年，亞馬遜攜 AWS Greengrass 進軍邊緣計算領域，走在了行業的前面。該服務將 AWS 擴展到設備上，這樣它們就可以「在本地處理它們所生成的數據，同時仍然可以使用雲來進行管理、數據分析和持久的存儲」。

微軟在這一領域也有一些大動作。該公司計劃在未來 4 年在物聯網領域投入 50 億美元，其中包括邊緣計算項目。

微軟發布了它的 Azure IoT Edge 解決方案，該方案「將雲分析擴展到邊緣設備」，支持離線使用。該公司還希望聚焦於邊緣的人工智慧應用。

谷歌也不甘示弱。它在本月早些時候宣布了兩款新產品，意在幫助改善邊緣聯網設備的開發。它們分別是硬體晶元 Edge TPU 和軟體堆棧 Cloud IoT Edge。

谷歌表示，「Cloud IoT Edge 將谷歌雲強大的數據處理和機器學習功能擴展到數十億台邊緣設備，比如機器人手臂、風力渦輪機和石油鑽塔，這樣它們就能夠對來自其感測器的數據進行實時操作，並在本地進行結果預測。」

然而，有意涉足該領域的並不只是這三大科技巨頭。

隨著聯網設備越來越多地湧現，新興生態系統中的許多玩家都正在開發軟體和技術來幫助邊緣計算實現騰飛。

在接下來的四年里，惠普企業將在邊緣計算領域投資 40 億美元。該公司的 Edgeline Converged Edge Systems 系統的目標客戶是那些希望獲得數據中心級計算能力，且通常在邊遠地區運營的工業合作夥伴。

它的系統承諾在不依賴於將數據發送到雲或數據中心的情況下，為工業運營（比如石油鑽井平台、工廠或銅礦）提供來自聯網設備的洞見。

在新興的邊緣計算領域，其他主要的競爭者包括 Scale Computing、Vertiv、華為、富士通和諾基亞等。

人工智慧晶元製造商英偉達於 2017 年推出了 Jetson TX2，這是一個面向邊緣設備的人工智慧計算平台。它的前身是 Jetson TX1，它號稱要「重新定義將高級 AI 從雲端擴展到邊緣的可能性」。

許多著名的公司也在投資布局邊緣計算，包括通用電氣、英特爾、戴爾、IBM、思科、惠普企業、微軟、SAP SE 和 AT&T。

例如，在私募市場上，戴爾和英特爾均投資了為工商業物聯網應用提供邊緣智能的 Foghorn 公司。戴爾還參與了物聯網邊緣平台 IOTech 的種子輪融資。

上面提到的許多公司，包括思科、戴爾和微軟，也已經聯合起來組成了 OpenFog 聯盟。該組織的目標是標準化這項技術的應用。

邊緣計算在各行各業的應用

隨著感測器價格和計算成本的持續下降，更多的「東西」將被連接到互聯網。

隨著更多的聯網設備變得可用，邊緣計算將在各行各業中得到越來越多的應用，尤其是在雲計算效率低下的一些領域。

我們已經開始看到該技術在多個不同的行業領域產生影響。

「當我們把雲的威力下沉到設備（即邊緣）時，我們可帶來實時地響應、分析和行動的能力，尤其是在網路條件有限或者缺乏網路的地區……它還處於初期發展階段，但我們正開始看到這些新功能能夠應用於解決全球範圍的一些重大挑戰。」——微軟首席技術官凱文·斯科特（Kevin Scott）

從自動駕駛汽車到農業，以下幾個行業將會從邊緣計算的潛力中獲益。

1. 交通運輸

邊緣計算技術最顯而易見的潛在應用之一是交通運輸——更具體地說，是無人駕駛汽車。

自動駕駛汽車裝備了各種各樣的感測器，從攝像頭到雷達到激光系統，來幫助車輛運行。

如前所述，這些自動駕駛汽車可以利用邊緣計算，通過這些感測器在離車輛更近的地方處理數據，進而儘可能地減少系統在駕駛過程中的響應時間。雖然無人駕駛汽車還不是主流趨勢，但公司們正在未雨綢繆。

今年早些時候，汽車邊緣計算聯盟（AECC）宣布將啟動以聯網汽車解決方案為重點的項目。

「聯網汽車正迅速地從豪華車型和高端品牌擴張到大批量的中端車型。汽車行業將很快達到一個臨界點，屆時汽車所產生的數據量將超過現有的雲、計算和通信基礎設施資源。」——AECC 主席兼總裁村田兼一（Kenichi Murata）

該聯盟的成員包括 DENSO Corporation、豐田汽車、AT&T、愛立信、英特爾等公司。

不過，不僅僅是自動駕駛汽車會產生大量的數據並需要實時處理。飛機、火車和其他的交通工具也是如此——不管它們有沒有人類駕駛。

例如，飛機製造商龐巴迪（Bombardier）的C系列飛機就裝備了大量的感測器來迅速檢測發動機的性能問題。在 12 小時的飛行中，飛機產生了多達 844 TB 的數據。邊緣計算支持對數據進行實時處理，因此該公司能夠主動處理引擎問題。

2. 醫療保健

如今，人們越來越喜歡佩戴健身追蹤設備、血糖監測儀、智能手錶和其他監測健康狀況的可穿戴設備。

但是，要真正地從所收集的海量數據中獲益，實時分析可能是必不可少的——許多的可穿戴設備直接連接到雲上，但也有其他的一些設備支持離線運行。

一些可穿戴健康監控器可以在不連接雲的情況下本地分析脈搏數據或睡眠模式。然後，醫生可以當場對病人進行評估，並就病人的健康狀況提供即時反饋。

但在醫療保健領域，邊緣計算的潛力遠不局限於可穿戴設備。

不妨想想，快速的數據處理能夠給遠程患者監控、住院患者護理以及醫院和診所的醫療管理帶來多大的好處。

醫生和臨床醫生將能夠為患者提供更快、更好的護理，同時患者所生成的健康數據也多了一層安全保護。醫院病床平均有 20 個以上的聯網設備，會產生大量的數據。這些數據的處理將直接發生在更靠近邊緣的地方，而不是將保密數據發送到雲端，因此能夠避免數據被不當訪問的風險。

如前所述，本地化數據處理意味著大範圍的雲端或網路故障不會影響業務運轉。即使雲操作中斷，這些醫院的感測器也能獨立地正常運行。

3. 製造業

智能製造有望從現代工廠大量部署的感測器中獲得洞見。

由於能夠減少滯後，邊緣計算可能會使得製造流程能夠更快速地做出響應和變動，能夠實時地應用數據分析得出的洞見和實時行動。這可能包括在機器過熱之前將其關閉。

一家工廠可以使用兩個機器人來完成同樣的任務，兩個機器人裝有感測器，並連接到一個邊緣設備上。邊緣設備可以通過運行一個機器學習模型來預測其中一個機器人是否會操作失敗。

如果邊緣設備斷定機器人很可能會出現故障，它就會觸發行動來阻止或減慢機器人的運轉。這會使得工廠能夠實時地評估潛在的故障。

如果機器人能夠自己處理數據，它們也可能變得更加自給自足和反應靈敏。

邊緣計算應該支持更快地從大數據中更多的洞見，以及支持將更多的機器學習技術應用到業務運營中。

最終目標是，挖掘實時產生的海量數據的巨大價值，防止安全隱患，並減少工廠車間機器運轉中斷的情況。

4. 農業和智能農場

邊緣計算非常適合應用於農業，因為農場經常處於偏遠的位置和惡劣的環境中，可能存在帶寬和網路連接方面的問題。

現在，想要改善網路連接的智能農場需要在昂貴的光纖、微波連接或者擁有一顆全天候運行的衛星上進行投資；而邊緣計算則是一種合適的、具有成本效益的替代方案。

智能農場可以使用邊緣計算來監測溫度和設備性能，以及自動讓各種設備（比如過熱的泵）減緩運轉或者關閉。

5. 能源和電網控制

邊緣計算或許在整個能源行業都尤其有效，尤其是在石油和天然氣設施的安全監測方面。

例如，壓力和濕度感測器應當受到嚴密監控，不能在連接性上出差錯，尤其是考慮到這些感測器大多位於偏遠地區。如果出現異常情況——比如油管過熱——卻沒有被及時注意到，那就可能會發生災難性的爆炸。

邊緣計算的另一個好處是能夠實時檢測設備故障。通過電網控制，感測器可以監控從電動汽車到風力發電廠的一切設施所產生的能源，有助於相應作出決策來降低成本和提高能源生產效率。

6. 其他行業領域的應用

其他可以利用邊緣計算技術的行業包括金融業和零售業。這兩個行業都使用大型的客戶和後端數據集來提供從選股信息到店內服裝擺放的各種信息，可以從減少對雲計算的依賴中獲益。

零售可以使用邊緣計算應用程序來增強顧客體驗。如今，許多零售商都在致力於改善店內體驗，優化數據收集和分析的方式對它們而言絕對很有意義——尤其是考慮到許多零售商已經在嘗試使用聯網的智能顯示屏。

此外，很多人使用店內平板電腦所生成的銷售點數據，這些數據會被傳輸到雲端或數據中心。藉助邊緣計算，數據可以在本地進行分析，從而減少敏感數據泄漏的風險。

從可穿戴設備到汽車再到機器人，物聯網設備正呈現出越來越強勁的發展勢頭。

隨著我們朝著更加互聯的生態系統邁進，數據生成將繼續飛速增加，尤其是在 5G 技術取得騰飛，進一步加快網路連接以後。雖然中央雲或數據中心傳統上一直是數據管理、處理和存儲的首選，但這兩種方案都存在局限性。邊緣計算可以充當替代解決方案，但由於該技術仍處於起步階段，因此還很難預料其未來的發展。

設備能力方面的挑戰——包括開發能夠處理雲端分流的計算任務的軟體和硬體的能力——可能會出現。能否教會機器在能夠在邊緣執行的計算任務和需要雲端執行的計算任務之間切換，也是一個挑戰。

即便如此，隨著邊緣計算更多地被採用，企業將有更多的機會在各個領域測試和部署這種技術。

有些用例可能比其他用例更能證明邊緣計算的價值，但整體來看，該技術對我們整個互聯生態系統的潛在影響則可能是翻天覆地的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！