什么是边缘计算？_什么叫边缘计算概念

数十亿物联网和移动设备收集的数据呈指数级增长，正在推动从发送数据到云进行处理和存储向分布式模型的转变，在这种模式下，部分计算发生在网络边缘，更靠近数据的创建位置。英特尔® 技术有助于加速边缘计算解决方案的部署，以满足后者在众多市场中的广泛应用。

什么是边缘计算？

边缘计算是指在更接近数据生成的位置来处理、分析和存储数据，从而实现快捷且近乎实时的分析和响应。近年来，一些公司已经通过将数据存储和计算集中到云端，对运营进行了整合。但数十亿分布式设备带来的新使用案例（从高级仓库和库存管理解决方案，到视觉增强型机器人制造线，再到高级智慧城市交通控制系统）让此模型变得不可持续发展。

此外，边缘设备（从智能相机、移动销售点自助服务终端、医疗传感器和工业级电脑等物联网设备，到网关和计算基础设施）的使用日益增多，以便获得数据源上更快、接近实时的可操作洞察力，从而推动生成和收集的数据量的指数级增长。

据估计，到 2025 年，75% 的数据将在现在大部分数据生成的中央数据中心之外产生。1更进一步来说，目前企业收集的所有数据中有约 90% 将永远不会使用。2边缘计算提供了一条途径，可以通过高性能处理、低延迟连接和安全平台从设备收集的数据中获益。

据估计，到 2025 年，75% 的数据将在现在大部分数据生成的中央数据中心之外产生。1

边缘计算驱动程序

从数据存储和处理到系统响应能力，云计算正在被其支持的服务和应用的需求推向极限。在很多情况下，更高的带宽或计算能力并不一定意味着能够以更快的速度处理来自联网设备上的数据，也不足以近乎实时地生成即时洞见和行动。这些差距正在推动边缘计算的采用。

云端挑战的主要因素包括：

• 延迟。更多行业正在实施需要快速分析和响应的应用程序。仅靠云计算无法与这些需求齐头并进，因为数据源的网络距离产生了延迟，导致低效、时间延迟和较差的客户体验。
• 带宽。增加传输带宽或更多处理能力可以解决延迟问题。但是，由于公司继续增加其网络中的边缘设备数量以及产生的数据量，传送数据到云端的成本可能会到达不切实际的水平，而这本可以通过在边缘处理、存储和分析数据来减轻。
• 安全与隐私。在边缘保护私人医疗记录等敏感数据的安全，并减少通过互联网传输的数据，有助于降低数据被截获的风险，从而提高安全性。此外，部分政府或客户可能会需要让数据留在其创建的管辖区内。例如，在医疗保健领域，对于个人数据的存储或传输，甚至可能存在地方或地区性限制要求。
• 连接性。缺乏持久的互联网连接可能会妨碍云计算，但是各种网络连接选项又可以支持边缘到云计算。例如，5G 为快速数据传输和边缘服务交付提供了高带宽和低延迟连接。
• 人工智能。由于存在对近乎实时的可操作情报的需求，公司需要数据源人工智能来加快处理速度，并利用以往未挖掘数据的潜力。

边缘计算的优势

将一些数据功能（如存储、处理和分析）从云移至边缘更靠近数据生成的位置，可以带来一些关键益处：

• 提升速度并降低延迟。将数据处理和分析转移到边缘有助于加快系统响应，从而加速事务处理，提升体验，这在准实时应用中至关重要，如自动驾驶车辆。
• 改善网络流量管理。尽量减少通过网络发送到云端的数据量，可降低传输和存储大量数据的带宽和成本。
• 更高的可靠性。网络可单次传输的数据量是有限的。对于网络连接较差的位置，借助在边缘存储和处理数据的能力，可提高云连接中断时的可靠性。
• 增强的安全性。如果实施得当，边缘计算解决方案可限制网络的数据传输，从而提高数据安全性。

从边缘到云

虽然边缘计算能够为组织提供空前的机会，从而解锁数据价值，但云仍然是中心数据库和处理中心的必需品。下图展示了收集数据、计算、存储和网络的边缘设备如何通过结合来帮助组织充分利用各点数据。

物联网和边缘计算设备会收集数据，并通过两种主要途径进行管理。搭载内置处理器的智能边缘计算设备可提供分析或人工智能等高级功能，而不搭载处理器的设备则会将其生成的数据发送到部署在本地边缘的服务器进行存储和分析。然后，本地边缘服务器会处理来自边缘计算设备的数据，并近乎实时地返回应用程序所需的关键数据，或仅将相关数据部分发送到云。来自众多边缘计算设备的数据可以整合到云中，以便进行更广泛的处理和分析。

边缘计算使用案例

英特尔与众多行业合作伙伴及最终客户合作，来部署数万个边缘计算解决方案。以下为四种边缘计算使用案例，展示了英特尔如何帮助各公司提供新体验，并推动更高效的运营。

零售：边缘计算可以使用传感器和摄像头，来提高零售库存准确性，并帮助提升供应链和产品开发的效率。此外，边缘计算还可以支持近乎实时的客户行为分析，从而增强并可能实现更安全的购物体验。例如， Sensormatic 视频人工智能解决方案通过追踪占用率并监控社交距离，协助零售商在新冠疫情期间安全开设了新门店。

工业：边缘计算通过整合数字技术和物理技术来实现更加灵活的高响应制造，从而可以为工业 4.0 提供基础。例如，英特尔和 Nebbiolo Technologies 与  Audi 汽车制造工程师合作，打造了一个可扩展的灵活平台，利用预测分析和机器学习算法来增强焊接检查，并强化关键质量控制流程。3

教育：部分基于软件的教育解决方案采用设备上的人工智能来提供个性化的虚拟助手、自然语言交互，甚至增强现实体验。例如， ViewSonic 数字白板体验采用边缘和视觉技术，为远程学习的学生和教师重构了教室体验。

医疗保健：边缘计算有助于改变住院和门诊监测及远程医疗服务的结果，并使用影像设备上的机器和深度学习推理来帮助加快健康问题的检测速度。 Philips 在现有 CT 扫描设备上将医学影像的人工智能推理改进了 188%，而无需昂贵的新硬件。4

应用中的边缘计算技术

在 “The Inside Edge” 的第 5 集中，英特尔物联网总经理 Steen Graham 介绍了边缘计算的实际应用，从医疗保健到制造业再到零售业，展示出由英特尔提供支持的边缘计算解决方案如何为客户带来新的体验，并颠覆整个行业。

更优质的结果始于边缘

边缘计算为企业和服务提供商提供了解锁数据价值的空前机会。通过合适的合作伙伴，公司可以充分利用每一点的数据。英特尔凭借数万个边缘部署带来的真实价值，成百上千个市场就绪解决方案，基于标准的技术，以及世界上比较成熟的开发人员生态系统，将帮助您实现智能边缘。