邊緣計算在數字工作場所的5個用例

2020-12-15 中國IDC圈

邊緣計算是工業企業的基礎技術,可提供更短的延遲,更強大的安全性,響應速度更快的數據收集和更低的成本。

根據總部位於加利福尼亞的諮詢公司Frost&Sullivan的最新研究,該研究指出,儘管處於早期階段,但多訪問邊緣計算(MEC)市場估計仍將增長157%,到2024年將產生72.3億美元的收入從2019年的6,410萬美元開始。研究還預測,到2022年,大約90%的工業企業將使用邊緣計算。

儘管影響很大,但是邊緣計算的用例尚不完全清楚。行業中許多人的定義也沒有。

完善邊緣性能

總部位於矽谷的技術公司IoTeX的執行長Raullen Chai表示,邊緣計算顧名思義就是在網絡邊緣的設備上執行計算的概念 。就像銀行交易現在通常在智慧型手機(邊緣)而不是在銀行分支機構(中央伺服器)上進行的方式一樣。數據不再必須從設備傳輸到中央伺服器再傳輸回設備,從而降低了等待時間,有助於人工智慧計算實時工作。

Chai表示:「隨著5G的成熟,這將變得越來越重要,它可以在我們的智能設備和傳感器網絡上處理和傳輸比以往更多的數據。」 「藉助邊緣計算,可以在無人機設備本身上快速管理信息,並且可以實時實施操作調整。」

與其他技術結合使用時,邊緣計算還提供了提供更好的安全性和隱私性的可能性。區塊鏈源自與邊緣計算相同的基礎概念:採用傳統的集中式伺服器並將其功能直接分配給許多節點或設備。結合使用後,在區塊鏈註冊設備上的邊緣計算將提供一種創新的方法,為用戶提供更多的安全性,功能性和隱私性。

然而,為了進一步限定邊緣計算的定義是很重要的,馬特·雅各布斯,在總部位於加州弗裡蒙特,首席戰略官說,企鵝計算它建立開放的, 基於Linux的雲解決方案。可以從「遠端」,「近端」和使那些環境與更大的數據中心資產之間實現有效互操作的技術的角度來看待邊緣計算。遠端是指部署在距離雲數據中心最遠且最接近用戶的位置的基礎架構,而近端是指部署在遠端與雲數據中心之間的基礎架構。

在諸如醫療保健和廣告技術之類的目標市場中,對邊緣計算有需求。邊緣計算應用程式可以包括智能園區中的任何內容,在智能園區中,用於視頻分析的邊緣推理可提供更安全的生活方式,而無接觸式零售則可以幫助阻止COVID-19等傳染病的傳播。

實施使企業處於領先地位

組織全球範圍內已經開始朝這個方向也移動,並有可能採納並應用到數字工作場所的更多領域,根據聖塔克拉拉,最近的研究加州基於Aruba Networks公司,惠普公司企業的無線網絡子公司。

隨著網絡日益擁擠的用戶和物聯網設備生成的大量數據,IT領導者逐漸意識到,分析靠近邊緣的實時數據可提高效率和洞察力,從而改善業務成果。

根據對2,400個IT決策者(ITDM)進行的全球研究,72%的人已經在積極使用邊緣技術來交付新的成果,另有16%的人計劃在明年這樣做。迫切需要(82%)的迫切需要實現集成系統來處理邊緣數據。

此外,研究表明,公司在邊緣部署的成熟度與其從設備收集的數據中獲取價值的能力密切相關。使用邊緣技術的生產部署中有68%的ITDM表示,他們能夠使用此數據來改進業務決策或流程。相比之下,只有42%的ITDM僅處於試驗階段,而31%的人計劃在明年進行試驗。該研究還指出組織領導者在考慮遷移到邊緣雲計算時應該做的三件事:

統一: 網絡運營團隊僅應考慮可從本地雲計算平臺管理所有域和位置的解決方案, 即集成基礎架構所有部分的管理顯示控制臺 ,可集中並關聯所有跨域事件,操作。

自動化: 網絡運營團隊應僅考慮能夠提供可靠,高度準確和特定於AI的見解和自動化的解決方案,以快速解決問題。

保護: 網絡運營團隊應考慮使用AI來檢測,分類和連續監控這些數據生成設備並與訪問控制無縫協作的解決方案。

數字工作場所中邊緣計算的用例

總部位於舊金山的實時通信平臺PubNub的首席技術官兼聯合創始人Stephen Blum說,邊緣計算是解決從IoT,行動裝置和Web設備往返海量數據流的解決方案 。通過在儘可能靠近邊緣的設備上執行業務邏輯,它可以減少發送到外部伺服器的流量,並使公司不必連續增加數據中心容量來應對增長。

這意味著更好的性能(無需等待發送和接收數據),更低的運營成本和更高的安全性(限制向外連接)。邊緣計算儘可能地靠近數據源,從而提供了一種快速有效的數據處理方法。有五個明顯的用例:

1。媒體:頂級媒體服務越來越依賴邊緣計算來增強其直播和點播流。OTT媒體服務不僅需要保證視頻流的低延遲,高性能體驗,還需要保證從廣告到交互功能的大量附加功能,這些都是大規模的。這些功能中許多功能的大部分計算都可以在最終用戶設備上進行,因此無需將所有數據發送回中央伺服器進行處理。

2。農業:隨著企業創建更多方式收集有關農場和工廠績效的數據,農業嚴重依賴於邊緣計算。無人機飛越,低功率傳感器到智能機械會產生大量數據。他們需要快速,可擴展的系統來處理和分析流入的數據並創建新數據。具有數以萬計的傳感器監視農場性能(溼度,溫度,用水)的農場無需將每個新讀數發送回中央管理員。如果讀數位於所需位置,則無需傳輸該數據。

3。構建分層體系結構:邊緣計算是分層體系結構的關鍵組成部分。總部位於北卡羅來納州夏洛特市的Flexential託管服務營運長Ryan Mallory表示,它被設計為靠近數據源,並允許在低延遲設計中與應用程式直接交互 。該接近允許直接向最終用戶數據的部署,推動更好的,更多的經驗。在當今始終在線的遠程文化中,實時的附近數據訪問和應用程式部署是維持成功的人際關係的關鍵。

4。改善數字體驗:邊緣計算用於為各種行業的最終用戶提供更快,更安全的數字體驗。邊緣數據可改善從視頻下載到AI或機器學習,再到將醫療數據更快地交到醫生手中的一切體驗。

5。基礎設施發展:公共/私有基礎設施和私有5G製造網絡才剛剛開始。Mallory說,我們很快將看到物理基礎架構和虛擬化堆棧(也稱為邊緣計算和應用程式交互)的部署取得成果,目前處於試驗階段。

相關焦點

  • 什麼是邊緣人工智慧和邊緣計算?
    雖然這是邊緣人工智慧的一個快速定義,但是需要更好地理解和探索邊緣人工智慧技術,並了解邊緣人工智慧的一些用例。為了真正理解邊緣人工智慧,首先需要了解邊緣計算,而理解邊緣計算的最佳方法就是將其與雲計算進行對比。雲計算是通過公共網際網路提供計算服務,相比之下,邊緣計算系統並不連接到雲計算平臺,而是在內部部署設備上運行。
  • 需要邊緣計算的四個標準 - 雲計算_CIO時代網 - CIO時代—新技術...
    需要邊緣計算的四個標準 需要邊緣計算的四個標準 2020-12-11 09:12:18  來源:物聯之家網搶沙發 2020-12-11 09:12:18  來源:物聯之家網 摘要:邊緣計算是對物聯網、傳感器和其他新數字源產生的數據爆炸的回應。
  • 物聯網邊緣計算的實際潛力是什麼
    儘管該主題看似簡單明了,但在物聯網邊緣計算方面仍然存在很多困惑,包括它是什麼,如何實現它以及它的殺手級應用程式是什麼,這都需要人們進一步探索。 定義物聯網邊緣 在談邊緣計算時,不可避免地聽到霧計算。有人說這些術語是可以互換的,而另一些人則認為邊緣是霧的一部分。
  • 中文版邊緣計算白皮書發布,引領行業新趨勢
    人與數字的交互也將變得更具有真實性,互動性和動態性。數字業務將模糊數字和真實世界之間的界限,而「模糊」將主要發生在邊緣。今天越來越多的企業、組織與研究機構將集中式雲計算的關注力將轉向側重於邊緣計算,並將應用程式和數據的架構從雲端轉移到邊緣。 計算和數據存儲的位置與分布對IT應用與管理是否良好起著至關重要的作用。
  • 邊緣緩存:實現雲計算和邊緣計算協同作用的關鍵
    數據是新的黃金,而「邊緣到雲」使組織可以從任何地方獲取所有數據。企業需要一種結合邊緣計算和雲存儲優勢的混合解決方案,實現雲計算和邊緣計算協同作用所需的關鍵技術是邊緣緩存。在分布式企業中,「邊緣存儲」是指端點設備中的數據存儲,例如筆記本電腦、行動裝置、物聯網設備和小型分支機構的文件伺服器。
  • 行業數位化邊緣計算專題論壇:深耕邊緣計算應用創新 加速行業數字...
    邊緣計算連接了物理世界和數字智能世界,敏捷、實時、智能、安全等特性使其成為行業數位化轉型不可或缺的關鍵要素。近幾年,產學研用各方都在積極推動邊緣計算技術落地應用與標準化發展,包括制定標準、打造從產品研發到落地全生命周期的成熟產業鏈、與其他技術融合發展應用等工作。未來,工業網際網路產業聯盟與邊緣計算產業聯盟將繼續深化合作,布局邊緣計算技術創新發展,推動行業數位化轉型。
  • 邊緣計算不邊緣 空間俠引領建設全面智能的數字世界
    如大家熟悉的章魚,就是一個活著的邊緣計算高手,章魚巨量的神經元有60%分布在章魚的八條腿上,而腦部只有40%,這八個腕足腦能夠在大腦不參與思考的狀況下指揮對應的觸手完成獨立工作,即「多個小腦+一個大腦」的構造。
  • 中軟國際哈爾濱ETC:帶你了解邊緣計算的真實面貌
    以下提出了4個要點旨在幫助決策者對邊緣計算的當下和未來的功能有一個實際的了解。1、邊緣計算不僅僅是低延遲邊緣計算是一種使計算和數據存儲更有效使用的範式。它與傳統的雲計算模型形成鮮明對比——傳統的雲計算模型中,計算只集中在少數幾個超大規模的數據中心中。
  • 邊緣計算已經發生在二級市場的傳統數據中心
    如今,很多行業媒體都發布了一些關於「邊緣計算」的文章。大多數文章似乎都假設在不遠的將來將會構建和應用數以萬計的邊緣數據中心,這是一個必然的結論。大多數文章將邊緣數據中心的發展歸因於5G的引入和移動邊緣計算等概念。
  • 什麼是邊緣計算(Edge computing)?邊緣計算的解釋和3種類型
    )的基本驅動因素和許多類型的邊緣計算(Edge computing )。  個人邊緣(Personal Edge)總體上是移動的。當我們在家庭和工作場所之間移動時,個人邊緣(Personal Edge)計算設備進出於商業邊緣(Business Edge)區。
  • 德勤預測2021年科技趨勢:5G是基礎 邊緣計算和雲計算增勢將加劇
    同時,報告還選取了疫情大背景下社會經濟產生變化而引發的九個行業發展趨勢進行著重分析。德勤中國科技行業主管合伙人廉勳曉認為,「中國目前在5G領域建設領先於世界,從5G到雲技術這些都是數字基礎設施等,基於數字基礎設施所衍生的一系列企業和消費者技術將為全球商業生態系統提供機遇。」
  • 畢馬威《5G邊緣計算的價值機遇》報告
    5G潛力毋庸置疑,其將在多個行業釋放數位技術的力量,使工廠、倉庫、工作場所、醫院和家庭更加高效,交通更加便捷,城市更加智能。5G有能力支持數十億聯網設備傳輸海量數據。自動駕駛、製造、運輸、醫療保健等領域和活動將依賴於即時數據傳輸。同時,邊緣計算的興起使處理能力向用戶靠近,提升我們將需依賴的應用程式的速度效益和降低時延。
  • 如何計算邊緣計算的成本
    但是邊緣計算的成本會累積起來嗎?集中化的趨勢是由規模經濟驅動的,這使得超大規模數據中心的運營成本更低。邊緣計算設施將處理更多的應用程式,但其成本會更昂貴。邊緣計算應用程式最終會為獲得資源付出更多的成本。對於這一階段的邊緣計算成本高昂有一系列猜測。世邦魏理仕公司IT諮詢總監Duncan Clubb認為,邊緣計算設施與傳統雲計算或託管數據中心相比更昂貴。
  • 邊緣計算:計算架構不斷演進的必然
    中國科學院姚建銓院士遠程接入會議,他在報告《邊緣計算理論科學問題初探》中指出:「邊緣計算實為數字智能世界橋梁和脈絡,更是支撐智慧社會的大腦-脊髓-神經網絡,需從國家高度建設邊緣計算發展的共生生態。」我們數字世界的智能,從集中式單體計算,演進到分布式網聯計算,並正在朝著異構、協同、全面泛在智能計算演進,而邊緣計算是計算架構不斷演化的必然趨勢。 「4」 個理論問題,尚待思考 針對邊緣計算,我嘗試思考並拋出如下一些理論問題,與大家探討: (1)對於邊緣可計算性理論,需要依據計算任務特徵考慮不同計算模式以及多模式協同計算的可行性。
  • 邊緣計算是幹什麼的?
    、大容量支撐的數據處理架構來提供新的業務發展,因此,開始向著IT方向延伸,並推出其解決這些問題的邊緣計算方案。 2在物理與數字的邊界上工作的層當然,也可以從另一視角,即,在整個智能製造中的層次架構來看,通過數字建模將整個製造的物理系統在數字世界對應的模型,然後,通過邊緣層進行實時的數據採集,將生產的現狀反饋給信息系統,在測試驗證、運行、維護的各個階段,都可以在虛擬系統中對製造的工藝、參數、策略進行優化,進而下載到物理系統,並且可以根據物理系統的變化在虛擬系統中進行調整,這是一個不斷交互的層面,因此,邊緣計算可以被理解為在數字與物理世界間的協作層。
  • NetApp首席戰略官:5G時代邊緣計算環境比雲計算更具顛覆性
    AtishGude表示,隨著5G的到來,AI驅動的物聯網成為現實,邊緣計算環境有望比雲計算更具顛覆性;區塊鏈的影響將不容置否,除加密貨幣外,不可抵賴的分類帳(indelibleledger)正在快速創造變革性的用例;相較於商用硬體和基於軟體的基礎架構虛擬化,基於硬體的組合式架構在短期內的潛力較小。
  • 迎接邊緣計算2.0新時代,2020邊緣計算產業峰會即將啟幕
    經過幾年的快速發展,邊緣計算正從概念共識走向產業實踐,從試點探索走向商業應用。產業實踐過程中,邊緣計算的落地形態、能力發展方向、軟硬體平臺關鍵能力等問題成為業界關注的熱點。邊緣計算產業聯盟副理事長劉少偉在《中國邊緣計算產業發展及生態構建》主題演講中曾表示,邊緣計算已經從1.0進入2.0階段。
  • CPDA數據分析師:如何用簡單的英語解釋邊緣計算
    ,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。
  • 運營商邊緣計算專題論壇:雲網融合,邊緣計算加速5G落地實踐
    基於上述挑戰,鯤鵬+openEuler軟硬協同邊緣計算平臺,從處理器、伺服器和作業系統三個層面,打造適用於邊緣計算的融合統一計算平臺,為邊緣計算應用和創新提供算力支持。軟通智慧科技有限公司CTO 楊旭青  邊緣計算與數字孿生技術給智慧城市以及智慧化城市治理帶來了新的技術趨勢,以及新的挑戰。
  • 模擬內存計算如何解決邊緣AI推理的功耗挑戰
    如果在數據起源處有一個本地處理引擎能夠執行部分或全部計算(推理),則可以解決這些挑戰。這在傳統的數字神經網絡實現中是很難做到的,在這種情況下,內存成為了耗電的瓶頸。這個問題可以通過多層內存和使用模擬內存計算方法來解決,這些計算方法可讓處理引擎能夠滿足在網絡邊緣執行人工智慧推斷所需的更低的毫瓦到微瓦的功率要求。