By David Curry

邊緣計(jì)算能夠分析和過(guò)濾原始數(shù)據(jù)集，并且僅將有價(jià)值的信息發(fā)送回云或數(shù)據(jù)中心。

幾乎所有工業(yè)領(lǐng)域都已開始引入物聯(lián)網(wǎng)（IoT）設(shè)備，預(yù)計(jì)將有58億個(gè)終端投入使用。

在未來(lái)十年中，物聯(lián)網(wǎng)設(shè)備預(yù)計(jì)將使移動(dòng)和PC設(shè)備相形見(jiàn)絀，這意味著我們需要一種新型的網(wǎng)絡(luò)解決方案來(lái)處理如此多的數(shù)據(jù)。

邊緣計(jì)算被認(rèn)為是一種進(jìn)化，它將使計(jì)算和存儲(chǔ)更接近終點(diǎn)。因此，電力智能電表或CCTV系統(tǒng)無(wú)需連續(xù)連接互聯(lián)網(wǎng)即可運(yùn)行。

通過(guò)在邊緣處理傳入的數(shù)據(jù)，更少的信息需要發(fā)送到云中并返回。這也大大減少了處理延遲。

''Supermicro物聯(lián)網(wǎng)副總裁MichaelClegg說(shuō)道?！耙粋€(gè)很好的類比是一家受歡迎的披薩餐廳，因?yàn)樗谥饕攸c(diǎn)烘焙的餡餅在派往遠(yuǎn)方顧客的路上變冷，因此它在更多地區(qū)開設(shè)了較小的分支機(jī)構(gòu)?！?/p>

根據(jù)Gartner的調(diào)查，到2023年，將有50％的大企業(yè)部署至少六個(gè)邊緣計(jì)算用例，而在2019年，這一比例僅為1％。探索的大量增加和實(shí)施將導(dǎo)致收集的數(shù)據(jù)量激增。

幸運(yùn)的是，邊緣計(jì)算在這方面也有幫助，因?yàn)樗軌蚍治龊瓦^(guò)濾原始數(shù)據(jù)集，并且僅將有價(jià)值的信息發(fā)送回?cái)?shù)據(jù)中心。

在保持?jǐn)?shù)據(jù)質(zhì)量或范圍的同時(shí)，這應(yīng)該使網(wǎng)絡(luò)成本比以前低。通過(guò)使用人工智能，這個(gè)值是復(fù)合的，因?yàn)榭梢圆渴餗L模型來(lái)提高過(guò)濾器的質(zhì)量。

根據(jù)Gartner的報(bào)告，公用事業(yè)、物理安全和汽車領(lǐng)域預(yù)計(jì)將成為2020年商用IoT部署中增長(zhǎng)最快的三個(gè)領(lǐng)域。

如果不使用邊緣計(jì)算，則存在物聯(lián)網(wǎng)數(shù)據(jù)被截獲的安全風(fēng)險(xiǎn)，尤其是當(dāng)所有原始數(shù)據(jù)直接移動(dòng)到數(shù)據(jù)中心時(shí)。

這也可能使許多用例在財(cái)務(wù)上不可行，因?yàn)槠髽I(yè)將不得不向主要云提供商支付巨額費(fèi)用來(lái)容納數(shù)百萬(wàn)個(gè)IoT設(shè)備的原始數(shù)據(jù)。