AI 将计算推向边缘-千家网

来源：千家网 2021-06-29

导读

Eclipse 基金会的一项调查结果表明，边缘计算实际上正在企业中取得进展，并且部署速度比它们中的任何一个都要快。

作者：Stacey HIGGINBOTHAM

AI 将计算推向边缘

谈到过去几年的流行语，边缘计算与 5G 和 AI 相得益彰。但是 Eclipse 基金会的一项调查结果表明，边缘计算实际上正在企业中取得进展，并且部署速度比它们中的任何一个都要快。

Eclipse 基金会在 2021 年前三个月对 301 人进行了调查，发现 38% 的企业已经在实施某种形式的边缘计算战略，而 44% 的企业计划在随后的 24 个月内实施边缘计算。其中，44% 的人预计这些部署将花费不到 12 个月的时间。

AI 将计算推向边缘

企业正在采用边缘计算策略，因为将不断增加的数据堆发送到云中并将其保存在云中的成本变得太高了。此外，将数据移动到云端、对其进行分析，然后将洞察发送回原始设备所需的时间对于许多作业来说太长了。

例如，如果工厂机器上的传感器检测到异常，机器的操作员希望立即知道，以便她可以停止机器（或让控制器停止机器），而到云的往返数据传输时间太长。这就是为什么在上图中看到的许多顶级云工作负载都涉及边缘的机器学习或分析。

工厂和传感器融合的控制逻辑需要快速发生才能使其有价值，而数据分析和视频处理可以生成如此多的数据，以至于在云中发送和处理这些数据可能会很昂贵。在这两个用例中，延迟也很重要。

但图中的其他几个工作负载表明计算领域的下一个重大挑战将来自何处。上图列出的两个工作负载涉及多个节点之间的数据交换。事实上，我们正在从一个计算发生在单个云或客户端设备上的时代转变为一个跨多个云和客户端设备的分布式时代。

这种计算模型带来了新的挑战，因为那些构建计算系统的人必须适应无数的边缘计算环境以及在所有这些计算环境上运行的应用程序的安全性和延迟要求。因此，配置和管理成为一个棘手的问题。

与选择服务器或手机进行计算不同，分布式边缘计算的新世界可能会为应用提供在电灯开关、工业可编程逻辑控制器、工厂车间的边缘网关或手持平板电脑上运行的机会。这将意味着多种处理器类型、多种可用内存级别以及不同级别的网络访问。

以这种方式移动数据和计算是新的，它将需要新的架构、新的数据库以及处理安全和设备管理的新方法。正如调查结果所表明的那样，边缘计算已经开始部署，其部署并不是特别具有挑战性。具有挑战性的是我们构建新应用和利用我们周围的计算机的方式。

这一点在德勤(Deloitte)关于云计算新架构的一次采访中得到了很好的阐述。在这篇文章中，该公司的总经理大卫·林西克姆(David Linthicum)向首席信息官(cos)、首席技术官(cto)以及其他试图找出如何以这种方式最好地利用他们的新型边缘计算系统的人提出了一些难题:

“我们看到组织遇到的挑战是架构。本质上，他们需要帮助将架构划分为层。作为技术人员，我们会听到一些问题，例如您将数据保存在哪里？你把知识放在哪里？最有效的方法是什么？展望未来，无论是针对机器人还是基于边缘的私有云服务，组织都需要创建一个配置管理系统，可以动态管理跨架构层的信息流。当我与高管交谈时，我听到的最大的恐惧是将他们的组织迁移到边缘计算并不是边缘计算不能实现，而是它是否能够以允许动态变化的方式操作基础设施或层。”

因此，构建边缘基础设施可能只需要一年时间，但弄清楚如何最好地使用该架构将需要更长的时间，并且可能会随着时间的推移而发展。