隨著物聯(lián)網(wǎng) (IoT) 的發(fā)展，從傳感器收集的數(shù)據(jù)量呈指數(shù)增長，處理能力必須擴(kuò)展以匹配。

現(xiàn)代物聯(lián)網(wǎng)系統(tǒng)產(chǎn)生的數(shù)據(jù)量是驚人的——IBM表示，平均每個石油鉆井平臺每天從 80,000 個傳感器產(chǎn)生 2TB 的數(shù)據(jù)，而先進(jìn)的自動駕駛汽車每小時可以產(chǎn)生 40TB 的數(shù)據(jù)。

構(gòu)建生成大量數(shù)據(jù)的系統(tǒng)固然很好，但需要對數(shù)據(jù)進(jìn)行處理和分析。通常，物聯(lián)網(wǎng)數(shù)據(jù)被反饋到中央云或數(shù)據(jù)中心，但這會引入延遲瓶頸，阻礙超快速系統(tǒng)。相反，邊緣計算使處理更接近數(shù)據(jù)收集的位置，從而加快處理速度并降低系統(tǒng)延遲。

邊緣計算正在開啟以超低延遲處理超高帶寬物聯(lián)網(wǎng)數(shù)據(jù)的新機(jī)遇。那么，邊緣物聯(lián)網(wǎng)有什么好處呢？現(xiàn)在是企業(yè)投資的合適時機(jī)嗎？

將數(shù)據(jù)處理帶到邊緣

邊緣計算的商業(yè)投資正在飛速增長，預(yù)計未來 5 年的復(fù)合年增長率為 37%。Gartner 預(yù)測，到 2025 年，大約 75% 的企業(yè)數(shù)據(jù)將在邊緣處理。

那么什么是物聯(lián)網(wǎng)背景下的邊緣計算？在傳統(tǒng)的物聯(lián)網(wǎng)系統(tǒng)中，傳感器將原始數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心，云或數(shù)據(jù)中心處理數(shù)據(jù)并在需要時將響應(yīng)發(fā)送回設(shè)備。

整個過程通常需要不到一秒鐘的時間，但互聯(lián)網(wǎng)連接緩慢和服務(wù)器響應(yīng)時間等因素會影響延遲，尤其是當(dāng)數(shù)據(jù)需要復(fù)雜的處理和分析時，例如使用 AI 模型。

此外，互聯(lián)網(wǎng)連接并不像我們希望的那樣可靠，而且高速覆蓋可能不完整。然后，如果企業(yè)正在處理業(yè)務(wù)關(guān)鍵型物聯(lián)網(wǎng)數(shù)據(jù)，他們就會非常信任公共云提供商。

邊緣計算通過在物理上更靠近收集數(shù)據(jù)的位置處理數(shù)據(jù)來解決其中一些問題，從而減少或消除外部處理的需要。

物聯(lián)網(wǎng)與邊緣計算相結(jié)合是現(xiàn)代低延遲技術(shù)所固有的，這些技術(shù)可以在幾毫秒內(nèi)可靠地處理復(fù)雜數(shù)據(jù)。

企業(yè)如何從邊緣物聯(lián)網(wǎng)中獲益

1：延遲

邊緣計算可以節(jié)省時間并優(yōu)化資源。按時間，我們談?wù)摰氖呛撩?mdash;—但如果無人駕駛汽車以 60 英里/小時的速度沖向騎自行車的人，那么每一毫秒都很重要。

AV 必須匹配（或最好超過）我們自己的生物神經(jīng)系統(tǒng)大約 100 毫秒的反應(yīng)時間才能安全。在那短時間內(nèi)，傳感器必須將復(fù)雜的數(shù)據(jù)傳遞給決策模型，決策模型將所需的輸出返回給加速器、轉(zhuǎn)向系統(tǒng)等。在這種需要瞬間決策的高風(fēng)險場景中，您不能依賴服務(wù)器端處理。

工業(yè) 4.0 中的應(yīng)用程序也需要超低延遲性能，例如一旦敏感設(shè)備顯示出即將發(fā)生故障的跡象，立即觸發(fā)警報。類似的情況也適用于需要超快速處理的其他安全警報系統(tǒng)。

2：可擴(kuò)展性

隨著企業(yè)為自己配備更多物聯(lián)網(wǎng)傳感器，端點(diǎn)上的負(fù)載呈指數(shù)級增長。

云存儲涉及持續(xù)不斷的成本，并不總是經(jīng)濟(jì)地擴(kuò)展。另一方面，輕型邊緣選項，例如 NVIDIA 的 Jetson 模塊，一種能夠每秒執(zhí)行 21 萬億次操作的邊緣 AI 設(shè)備，成本僅為 500 美元左右。

雖然邊緣計算涉及前期成本，但在某些情況下，僅在云架構(gòu)上運(yùn)行復(fù)雜的工作負(fù)載可能成本更高。

3：安全

物聯(lián)網(wǎng)提出了圍繞在易受攻擊的網(wǎng)絡(luò)中收集和傳輸敏感數(shù)據(jù)的安全問題。

雖然邊緣計算仍然依賴于容易受到黑客攻擊的服務(wù)器，但它受益于更加本地化，??這有助于數(shù)據(jù)控制和安全保證。

此外，邊緣設(shè)備可以在數(shù)據(jù)到達(dá)網(wǎng)絡(luò)之前對其進(jìn)行轉(zhuǎn)換和丟棄，本地處理減少了無線交換的數(shù)據(jù)量，降低了被攔截的可能性。

此外，邊緣設(shè)備就地處理物聯(lián)網(wǎng)數(shù)據(jù)，因此它們規(guī)避了傳輸和存儲數(shù)據(jù)的一些監(jiān)管復(fù)雜性。例如，寶馬使用邊緣設(shè)備就地處理視頻數(shù)據(jù)，而無需冒險將其移動到云端。

結(jié)合物聯(lián)網(wǎng)和邊緣設(shè)備

PTC ThingWorx、Microsoft Azure IoT、Hitachi Lumada 和 Software AG 的 Cumulocity 等物聯(lián)網(wǎng)平臺已經(jīng)為客戶推出了邊緣服務(wù)和解決方案。

企業(yè)應(yīng)確定哪些物聯(lián)網(wǎng)工作負(fù)載值得使用邊緣技術(shù)來增強(qiáng)。

有幾件事需要考慮：

位置：邊緣物聯(lián)網(wǎng)適合連接不完整或低延遲處理至關(guān)重要（或兩者兼而有之）的用例。例如，船舶或石油鉆井平臺可能缺乏與云或數(shù)據(jù)中心的可靠連接，因此需要在邊緣進(jìn)行處理以利用物聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行監(jiān)控以外的工作。連接到人工智能系統(tǒng)的物聯(lián)網(wǎng)傳感器可以在石油鉆井平臺上就地優(yōu)化技術(shù)。

本地控制邏輯：邊緣物聯(lián)網(wǎng)使企業(yè)能夠控制接近技術(shù)的邏輯。例如，自動駕駛汽車需要在不依賴部署在云端的人工智能模型的響應(yīng)的情況下做出超快速的決策。

與現(xiàn)有系統(tǒng)集成：邊緣計算可以插入現(xiàn)有的物聯(lián)網(wǎng)基礎(chǔ)設(shè)施。企業(yè)可以確定最有可能受益于邊緣計算的系統(tǒng)的優(yōu)先級，并在他們意識到優(yōu)勢時擴(kuò)大需求。

事實(shí)證明，邊緣設(shè)備“插入”現(xiàn)有基礎(chǔ)設(shè)施（包括遺留系統(tǒng)）的能力是一種采用優(yōu)勢。

對于企業(yè)來說，通過將邊緣設(shè)備部署到高優(yōu)先級應(yīng)用程序來測試水域、衡量收益并相應(yīng)地調(diào)整它們是相對簡單的。Edge IoT 解決了許多與處理大量復(fù)雜數(shù)據(jù)相關(guān)的問題，并使用它來獲得洞察力或以低延遲做出決策。

借助支持邊緣的物聯(lián)網(wǎng)，企業(yè)可以創(chuàng)建對毫秒敏感的超快系統(tǒng)，同時解決安全和監(jiān)管問題并減少對云架構(gòu)的依賴和負(fù)載。