來源：CPDA數據分析師網 / 作者：數據君
這些應用程式似乎有望擴展
如今在邊緣生成和處理的企業生成數據不到10％ ；到2025年，這一比例將增長到75％，但是向非技術人員解釋邊緣計算可能會很困難-部分原因是，這種類型的數據處理可以以多種方式和多種設置進行，邊緣計算最簡單的做法是在創建位置附近捕獲，處理和分析數據。
什麼是邊緣計算？
要使邊緣設備變得智能，他們需要處理所收集的數據，及時分享見解，並在可行時採取適當的行動，邊緣計算是使邊緣設備執行此操作而無需將數據傳輸到其中的科學，另一個伺服器環境，換句話說邊緣計算使數據和計算最接近交互點，如果我們考慮一個輪輻模型，那麼雲就是中心，而輻條外部的一切都是邊緣，這一切都不在雲中， 如果我們考慮一個輪輻式模型，那麼雲 就是中心，而輻條外部的一切都是邊緣，這種分散式方法使組織能夠將分析和決策等流程移至更接近實際數據生成的位置。
邊緣計算是在設備上實時進行的數據分析
邊緣計算涉及本地處理數據，而雲計算涉及處理數據中心或公共雲中的數據，邊緣計算定義，這使我們輕鬆進行邊緣對話，我們還請其他專家以清晰的術語配合他們對邊緣計算的特定定義，這可能對IT領導人的各種討論包括與非技術人員進行的討論很有用，邊緣計算是指使計算服務更接近服務消費者或數據源的概念，物聯網，AR / VR，機器人技術，機器學習，邊緣計算可幫助解決帶寬，等待時間，彈性和數據主權等關鍵挑戰，而混合計算模型可將集中式計算用於計算密集型工作負載，而邊緣計算則可幫助用戶解決方案解決需要近乎實時處理的工作負載的需求。
隨著物聯網IoT連接越來越多的設備
網絡正在從主要是高速公路到中心位置過渡到類似於蜘蛛網的互連中間網絡，存儲和處理設備，邊緣計算是一種在生成數據的客戶端附近而不是在集中式數據處理倉庫中捕獲，存儲，處理和分析數據的實踐，因此數據存儲在網絡「邊緣」的中間點，而不是始終存儲在中央伺服器或數據中心，邊緣IT意味著在越來越「智能」的邊緣位置消耗IT資源，這些都是城市核心，醫院，工廠，交通樞紐，以及我們都在其中工作，娛樂和生活的各種空間，以及我們都希望使用「智能」物品來提供最佳數字體驗的地方。」
邊緣計算是指在原始數據處使用可用的計算和存儲功能進行數據的參與和分析
從技術上講，邊緣計算是一種分布式範例，可以跨智能對象，行動電話和本地網絡在本地處理數據，現在可以在用戶設備上進行數據分析，而不是將物聯網上的設備所生成的大量數據發送回中央雲進行處理這需要更多的時間，需要更多的帶寬並且往往花費更多，而無需花費大量時間，網絡的邊緣。
邊緣計算是一種想法即在有意義的時候，處理應該在靠近數據創建的地方進行
邊緣智能是指在邊緣和雲資源之間智能分配計算的能力，在進行邊緣計算之前，數據是從傳統數據中心之外的分布式位置收集的，然後將數據發送到將要處理的數據中心，這意味著根據數據做出決定或確定數據的值，隨著邊緣計算的出現，可以在收集點或物理上靠近收集點的位置進行決策，這顯著提高了基於數據做出決策所需的時間，這對於利用實時決策的許多用例如自動駕駛汽車相互通信而言至關重要。
邊緣與云：如何解釋
將邊緣視為雲的擴展而不是替代 ，實際上邊緣是釋放雲中數據全部功能的關鍵推動力，物聯網生態系統中各種已連接設備的數據都收集在本地設備中，在網絡上進行分析，然後傳輸到中央數據中心或雲中，但是要利用雲和邊緣計算解決方案的組合，必須將工作負載打包並分布在多個雲，即服務，邊緣伺服器和邊緣設備中。
邊緣計算比薩放置類比
在主要地點烤制的餡餅在流向遠方客戶的路上會變冷，物聯網和嵌入式通過在邊緣處理傳入的數據，需要更少的信息發送到雲中並返回，這也大大減少了處理延遲，一個很好的類比是一家受歡迎的比薩餐廳，該餐廳在更多地區開設了較小的分支機構，因為在主要位置烤制的餡餅在流向遠方客戶的路上會變冷，那麼您如何知道何時需要使用邊緣計算來構建這些鄰域比薩關節呢？讓我們看一些例子。
邊緣計算解決了哪些問題？
由於物聯網，AR / VR，機器人技術，機器學習和電信網絡功能等新興用例的需求，這些服務需要更接近用戶的服務供應，因此邊緣計算有助於解決帶寬，延遲，彈性和數據主權等關鍵挑戰，它補充了混合計算模型，在該模型中，集中式計算可用於計算密集型工作負載，而邊緣計算可幫助滿足需要近實時處理的工作負載的需求，當邊緣計算有意義時，當速度或效率很重要時，邊緣計算會增加最大的價值，當組織將計算移向數據源附近時，它使他們能夠近實時地分析數據，這使技術專業人員和業務主管可以做出更具影響力的及時決策。
邊緣計算可以減少網絡流量
可以使用小型分布式數據中心在源頭附近處理大量數據，從而減少Internet帶寬使用,這既消除了成本，又確保了可以在遠程位置有效地使用應用程式。從本質上講，這種增加使我們能夠減小數據「堆」的數量，從而使它更有可能更有效地找到可操作的信息「針」,這些收益無論是單獨產生還是共同產生，都可以創造各種新的商業機會，例如「加快決策速度的機會，可以幫助公司降低成本，更好地與客戶互動並提高隱私性.
CPDA數據分析師
一家煉油廠使用IoT數據分析功能自動關閉工業設備，以防止在超過預定的安全參數時發生災難性故障。
零售商利用傳感器數據來了解客戶的位置和接近度，或者通過實時銷售點分析來檢測欺詐
製造商部署下級監控以提高工廠效率並預測資產故障
間歇性訪問網絡時使用邊緣資源的車隊經理
根據數據到2023年，部署的新企業IT基礎架構中有一半以上將位於邊緣而不是企業數據中心，而如今這一比例還不到10％ ，到2024年，邊緣應用程式的數量將增長800％,這是對集中式基礎架構方法的局限性，無論是公司數據中心還是公共雲，這都是公認的。」
相反企業現在正在考慮將邊緣計算作為一種將工作負載分配到運行狀況最佳的位置的方法，這可能是地鐵一級的代管設施；遠程和分支機構；或特定行業的地點，例如工廠，倉庫，醫院和零售店。
5G網絡 將使邊緣計算能夠提供更快的數據生成支持
如果攝像機正在捕獲連續數據並且正在生成信息，則可以輕鬆地對其進行監控；但是在網絡上使用多臺攝像機時，由於帶寬的使用，延遲和成本問題會影響生態系統,問題會隨著更大的互聯生態系統（例如自動駕駛汽車或智慧城市生態系統）而加劇，那裡大量的機器和設備相互連接，並且每秒捕獲數據。
邊緣和人工智慧如何融合在一起？
幾十年來， 人工智慧（AI） 一直生活在數據中心中，那裡有足夠的計算能力來執行處理器要求的認知任務。隨著時間的流逝，人工智慧進入了軟體領域，其中的預測算法改變了這些系統如何支持業務的本質，現在AI已移至網絡的外圍，當在使用點將AI技術嵌入到物聯網（IoT）端點，網關和其他設備中時， 就會發生邊緣AI，換句話說邊緣計算使數據和計算最接近交互點，是一種非常真實（且正在迅速擴展）的現象，它為從智慧型手機和智能揚聲器到汽車傳感器和安全攝像頭的各種設備提供動力。
人工智慧是邊緣計算中最常見的工作負載
隨著物聯網實現的成熟，人們越來越有興趣在生成點應用AI進行實時事件檢測，今年將出售超過7.5億個邊緣AI晶片（專門設計用於執行或加速設備上的機器學習），企業市場的增長速度將超過其消費者市場，其複合年增長率為50％。未來四年，在未來三年中，企業將平均 30％的IT預算用於邊緣雲計算，當IT領導者考慮邊緣AI可能適合他們自己的企業技術路線圖時，以下是我們現在知道的一些事情：
1.從頭開始很重要
如果您尚未實施邊緣解決方案，那麼您將無法跳到邊緣AI，對於當今大多數IT領導者而言，第一步是構建一種將邊緣計算與雲後端結合起來的解決方案架構，技術分析高級總監「前進集成AI將是管理邊緣解決方案規模和建立競爭優勢的關鍵一步。
2. AI可以解決基於雲的AI的局限性
延遲，安全性，成本，帶寬和隱私是與機器學習或深度學習任務相關的一些問題，邊緣AI（更接近數據源）可以緩解這些任務，您的語音記錄都會發送到邊緣網絡，在該網絡中使用AI將語音轉換為文本，從而使命令處理器能夠生成答案，沒有優勢，等待響應的秒數將是司空見慣的，邊緣網絡可在閾值（不到400毫秒）內提供令人愉悅的用戶體驗，谷歌，蘋果和亞馬遜已經投入了數百萬元來提高自己的優勢，以使他們的AI可以快速為您解答，為了與巨頭競爭，企業需要在邊緣AI上進行投資。