物聯網把沉睡數十年的邊緣計算學說推到市場浪尖，是神經元理論把CPU帶到NPU時代，它賦能本地學習能力，算力和決策智能，形成邊緣智能新領域。邊緣計算在數學領域屬分布式計算的延伸，在計算機理論屬本地計算，現在物聯網把它叫邊緣計算，其實更確切的叫法是端計算，對仗云計算。

 

邊緣計算是云計算的有機組合，并不是為了取締云服務。從網絡的拓撲結構看，邊緣智能是指邊緣節(jié)點在邊緣側提供的高級數據分析、場景感知、實時決策、自組織與協同等服務。從系統維度來看，邊緣智能就是將云的能力下沉到設備終端，在終端打造一個涵蓋網絡、計算、存儲、應用于一體的微型平臺，更高效地處理邊緣設備產生的數據。

 

“電子哨兵”是云邊計算的最具規(guī)模的成功應用，物業(yè)實時處理本小區(qū)大樓的數據，定期上傳數據到云，國家大數據云端分析統計給出決策。無論是消費還是工業(yè)應用，如今的物聯網越來越智能了。其中的原因，邊緣計算與物聯網的協同構成邊緣智能。邊緣智能是計算、處理和存儲的未來，這項技術雖然仍處于起步階段，但發(fā)展迅速，據Gartner稱，截至2018年，約有10%的企業(yè)數據是在“邊緣”生成和處理的，到2025年，這一數字將達到令人震驚的75%。它還預計，在未來3-5年，邊緣計算將成為下一個數百億以上的藍海市場。

 

邊緣智能 (Edge AI) 主要是指在用戶設備上處理人工智能算法。邊緣智能依靠的是設備自身的硬件來處理與機器學習和深度學習相關的數據和過程。它帶來3個方面好處：一是減少延遲以改善用戶體驗；二是減少必要的帶寬，從而降低互聯網服務的成本；三是提高數據的安全性和隱私性。

 

IDC預測，到2025年，全球將有414億臺物聯網設備，期間將產生73147EB數據，其中約四分之一屬于實時生成的。要想完全在云端對這些數據進行處理和AI分析很可能超過系統和通信鏈路的處理極限，再加上網絡帶寬、數據安全等限制，要實現AI向多行業(yè)的滲透，困難重重。

 

聚焦中國市場，在5G+物聯網+產業(yè)互聯網發(fā)展的推動下，隨著應用和數據量激增，網絡帶寬與計算吞吐量均成為計算的性能瓶頸，同時終端設備產生海量“小數據”等實時處理需求高速增長，帶動邊緣計算成為數據時代技術落地的重要計算平臺，成為滿足行業(yè)數字化轉型中敏捷連接、實時業(yè)務、隱私保護等關鍵支撐。邊緣計算作為巨大的增量市場，近年來同比增速均在50%以上。據CCID數據顯示，2020年，邊緣計算市場規(guī)模達199.4億元，同比增長62.2%;2021年中國邊緣計算市場規(guī)模預計達到325.3億元，同比增長63.1%。

  

既然邊緣智能由物聯網而起，那么邊緣智能對物聯網發(fā)展的益處和局限性在哪里，物聯網應用有哪些分割市場機會的要素。這些都是方案商，設備終端制造商，系統集成商和IC原廠必需掌握的內容，從而做好自己的研發(fā)和生產活動。

 

1、物聯網和邊緣智能是一對孿生兄弟

 

物聯網通過網絡接收和傳輸數據時無需人為干預，其生態(tài)系統由支持網絡的智能設備組成，這些設備使用嵌入式系統（如處理器、傳感器和通信硬件）來收集、發(fā)送和處理從環(huán)境中獲取的數據。物聯網設備通過連接到物聯網網關或其他邊緣設備共享它們收集的傳感器數據，在這些設備中，數據被發(fā)送到云端進行分析或直接在本地進行分析?，F在，物聯網還可以通過人工智能（AI）和機器學習（ML）的幫助使數據收集過程更容易。

 

物聯網對海量數據進行快速處理和分析，邊緣智能使計算服務更接近最終用戶或數據源，如物聯網設備。這樣一來，物聯網數據就能夠在設備所在的邊緣收集和處理，而不是將數據發(fā)送回數據中心或云，對于需要更快啟動或實時操作的工作模式而言，這種操作的智能化非常重要。

 

自動駕駛是物聯網和邊緣計算需要協同工作的一個典型示例。在道路上行駛的自動駕駛車輛需要收集和處理有關交通、行人、街道標志和停車燈等大量的實時數據。如果車輛需要快速停車或轉彎時，若將數據在車輛和云端之間來回傳送將花費較長時間，無法滿足行駛車輛需要實時處理的需求，存在巨大安全隱患。邊緣計算為車輛帶來了相當于云計算的服務，它使得車輛中的物聯網傳感器得以實時地處理本地處理數據，以避免發(fā)生事故的發(fā)生。

 

2、邊緣智能的必要性與數據安全

 

在物聯網和智能網聯汽車的帶動下，全球邊緣智能設備已經駛入發(fā)展的快車道。根據MarketsandMarkets的統計報道，全球邊緣智能硬件的市場規(guī)模預計將從2021年的9.2億臺增長到2026年的20.8億臺，年復合增長率高達17.7%。當然，應用與技術是相互促進，通過引入邊緣智能也有助于增強物聯網的優(yōu)勢，具有諸多好處。

 

首先，傳統物聯網單純采用數據上云的模式，隨著數據量指數級增加，這種方式瓶頸明顯。通過引入邊緣智能，增強了系統的可擴展性，同時對系統帶寬明顯減負。其次，邊緣智能讓系統具有多點智能性，意味著系統中很多功能都可以下放到終端設備，而設備最終返回給云系統的是處理之后的結果，數據的聚合性得到進一步加強，進而提升系統的反應速度與實時性。

 

第三，邊緣智能的出現無疑增強了物聯網的適用范圍。傳統物聯網模型受限于云部署成本或者邊緣的智能化水平不足，很多場景都無法實施。智能終端讓很多數據和任務不必返回云端系統，部署深度大大提升。

 

第四，邊緣智能提高了系統的可靠性和安全性。過往云端數據損毀之后整個系統將徹底癱瘓，而邊緣智能出現之后，傳輸上云的數據更多是結果以及用以訓練的數據，系統可靠性和安全性得到明顯增強。

 

第五，運維成本也是邊緣智能的一大優(yōu)勢。傳統物聯網系統的運維是響應式的，也就是發(fā)生了故障才會去處理，而這樣的事故往往帶來巨大的損失。而邊緣智能出現之后，系統運維進化成預防式，智能終端擁有的自感知和自分析能力，降低了大型事故發(fā)生的幾率，并為維修提供明確的目標。

  

 

邊緣智能方案設計的挑戰(zhàn)來源于兩個方面，一個是設備本身，另一個則是邊云協同。

 

邊緣智能要求在邊緣端完成數據的訓練和推理，計算、存儲等資源的配置是一個挑戰(zhàn)。電子哨兵在邊緣的學習能力部署非常成功，原因是人臉識別和二維碼識別標準化，一個學習模型給全國百萬個門禁用，規(guī)模決定成功。但是，工業(yè)生產品質管理上“表面檢測”，鋼材和玻璃等表面檢測就進展緩慢，原因是不同材料的“缺陷算法”是掌握的各個工廠，建模和開發(fā)算法都是非標的。

 

 

功耗問題也需要重點關注。在數據安全保護方面，用戶需要在打造邊緣智能設備的最開始就將安全防護納入其中，包括設備完整性保護和加密通信等。

 

邊云協同給打造計算模型帶來了明顯的變化，其中之一就是模型分割，這也是云能力下沉的關鍵所在。在這個過程中，隨著邊緣智能的發(fā)展會延伸出很多新概念，包括多用戶管理、私有云化、隔離共享等。當用戶打造方案時，邊云協同就需要安全云注冊、設備到設備身份驗證、設備溯源等多方面的保護機制，保障邊緣端處理后的高質量數據在系統內的安全傳輸。

 

3、邊緣人工智能面臨的挑戰(zhàn)

 

人工智能正在成為企業(yè)商業(yè)計劃中不可或缺的一部分，人工智能對人類的影響將遠遠超過火和電。IDC更是看好邊緣計算及邊緣智能在未來幾年的發(fā)展前景，據其分析，到2024年，全球AI市場支出將達到1100億美金，邊緣智能將占到AI市場支出的29.5%。良好的發(fā)展前景并非意味著前進道路一片坦途，在邊緣智能的發(fā)展過程中，仍存在諸多技術挑戰(zhàn)：

 

糟糕的數據質量

全球主要互聯網服務提供商的數據質量差是邊緣智能研發(fā)的主要障礙。最近的一份Alation報告顯示，以IT公司為主的受訪者中，其中有87%的員工認為，數據質量差是他們所在企業(yè)未能部署邊緣智能基礎設施的重要原因。

 

潛在的安全威脅

邊緣計算的分散性增加了較多的安全風險。以物聯網為例，那些提供數據的物聯網設備多且分散，這使得邊緣智能基礎設施比較容易受到各種網絡攻擊。

 

受限的機器學習能力

在邊緣計算硬件平臺上，機器學習常常需要強大的計算能力的支持。在Edge AI基礎設施中，計算性能僅限于邊緣或物聯網設備的性能。在大多數情況下，大型復雜的邊緣人工智能模型必須在部署到邊緣人工智能硬件之前進行簡化，這樣才能提高其準確性和效率。

 

4、邊緣智能：AI計算與智能的復合應用

 

隨著人工智能向邊緣側的轉移，AI行業(yè)的應用得到了極大擴展?，F在的AI計算已經在制造業(yè)、政府、新零售、電信、醫(yī)療等不同應用場景下獲得應用。很顯然，邊緣智能在拓展AI邊界過程中發(fā)揮了重要作用，它能顯著提升AI針對現場多樣化業(yè)務場景的適應性，從而更好地支撐業(yè)務運營、為客戶創(chuàng)造更多的價值。

 

邊緣計算的快速發(fā)展使得計算能力加速向邊緣遷移，AI也逐步從中心節(jié)點向更貼近數據源和業(yè)務現場的邊緣側拓展，邊緣與云的關系已經呈現出既有分工又彼此合作的局面。在邊緣側，當邊緣智能與邊緣計算和人工智能相結合，能有效地執(zhí)行實時、小數據的處理，開展AI模型的推理，并將結果回傳至云端，這種“云—邊—端”協同的邊緣智能架構，解決了目前AI應用中存在的海量數據處理、實時響應以及數據安全等問題，為AI在更多行業(yè)的應用奠定了基礎。

 

 

AI計算可以發(fā)生在不同的物理位置，而邊緣智能則有效地拓展了AI應用邊界 (圖源：Deloitte)

 

制造業(yè)是國民經濟的基礎性產業(yè)，同時也是推動智能化發(fā)展最迫切的行業(yè)之一。根據IDC的預測，未來幾年，邊緣智能支出在生產過程智能化、智能供應鏈與物流、數據安全與合規(guī)等應用場景將保持20%以上的年均復合增長率。以產品質檢為例，傳統的產品質檢主要依靠人工目視或傳統的基于模式匹配技術的機器視覺，漏檢、誤檢率高。采用邊緣智能技術后，不僅顯著提升了機器視覺的檢測能力和適用性，產品質量也能得到有效控制。

 

在智慧城市建設中，AI應用已經滲透到城市管理、交通、民生等諸多方面，隨著智慧城市向精細化和社區(qū)化下沉，邊緣智能在智慧交通、應急響應、城市安全等場景下的應用日漸增多。IDC的預測是，在未來幾年，邊緣智能支出在城市運維管理場景這一市場將保持25%的增速。

 

5G支持的人工智能和創(chuàng)新應用對網絡延遲有很高的要求，邊緣智能在此過程中將發(fā)揮重要作用。比如電信運營商通過建設具備GPU的MEC邊緣數據中心，就可以為行業(yè)用戶提供邊緣計算服務，降低企業(yè)自建邊緣計算中心的成本。

 

對許多應用而言，邊緣側顯然是進行機器學習處理的理想位置。在制造業(yè)、政府、零售、電信、醫(yī)療等重點領域，敏捷聯接、實時業(yè)務、數據優(yōu)化、應用智能、安全與隱私保護已經成為核心需求，邊緣智能是實現行業(yè)數字化轉型的關鍵。隨著邊緣智能技術和解決方案的不斷完善，在汽車、消費電子、服裝、鋼鐵、化工等信息化基礎良好的行業(yè)，AI場景化應用也將逐步落地。IDC的預測是，到2024年，制造業(yè)、政府、零售、電信、醫(yī)療五大行業(yè)在邊緣智能應用上的支出將達到159億美元，占整體邊緣智能市場支出的49%。

 

來源：我愛方案網  鏈接：https://www.52solution.com/