3月28日，在2018云栖大会·深圳峰会上，阿里云宣布2018年将战略投入到边缘计算技术领域，并推出了首个IOT边缘计算产品Link Edge,将阿里云在云计算、大数据、人工智能的优势拓宽到更靠近端的边缘计算上，打造云、变、端一体化的协同计算体系。

Link Edge的优势还体现在提升AI的实践效率，开发者可将深度学习的分析、训练过程放在云端，将生成的模型部署在边缘网关直接执行，优化良率、提升产能。

另外，今年1月，在美国装备有最新技术的卡车在美国从西向东自主行驶超过3800公里。完成这项壮举的独特技术组合完美地展现了边缘计算的力量。你是否熟悉边缘计算的概念及其含义？

边缘计算是允许我们尽可能靠近应用程序并且是一种重新定位数据处理的技术。

即使车上有一名操作人员来确保这项驾驶试验的安全，但是我们不得不承认这辆普通的卡车，它已被添加了传感器和软件以完成此项任务。“Embark卡车”方法的显着特点在于，他们没有使用详细的路线图来指导他们自动驾驶系统，而是考虑采用另一种方式来引导卡车。Embark完全依靠车辆传感器和嵌入式机器学习算法收集的数据。

什么是边缘计算？

这项技术的特点是软件和硬件架构结合，其数据处理尽可能接近他们的本体。它主要涉及物联网和移动计算，依赖于智能设备以及一些云。值得注意的是边缘计算的另一个方面主要涉及在短时间内处理价值特别重要的数据。

根据前面的例子，卡车传感器产生的数据在其搭载设备内处理。显然，卡车必须实时“看到”道路来相应地处理驾驶任务。

它必然需要先进的技术，包括低功耗传感器，RFID（射频识别），低成本电池供电，低成本数据通信链路以及数据存储和计算系统。

下面这些评论有助于我们更准确地评估关于边缘计算的关键之处，边缘计算让应用程序在获取数据的时间和地点以连续流的形式利用数据。这也带来了很多优势，其中就包括安全性、成本，因为数据不通过网络传输，也不存储在数据中心。

“边缘计算是为精简物联网设备提供实时本地数据分析的方法。”-布兰登巴特勒

分析

IDC表示到2019年，近50％的物联网创建的数据将被存储、处理、分析、并在网络边缘进行操作。

麦肯锡估计，到2025年，物联网应用的经济影响可能会从每年3.9万亿美元增长到11.1万亿美元。他们举例说：“在2025年，通过远程监控改善慢性病患者健康状况的价值可能高达每年1.1万亿美元”。

Markets And Markets的一份新研究报告预计，边缘计算市场预计将从2017年的14.7亿美元增长到2022年的67.2亿美元，在预测期内复合年增长率超过35％。

Gartner的分析报告显示，目前，大约10％的企业生成数据是在传统的集中式数据中心或云之外创建和处理的，到2022年，Gartner预测这一数字将达到50％。

边缘计算的范围

根据麦肯锡的说法：“目前使用的物联网数据主要用于异常检测和控制，而不是优化和预测，这提供了最大的价值。”麦肯锡还指出，物联网设备产生的大多数数据（更准确的说来自边缘的智能系统）在今天没有利用价值。他们的分析使他们感到公司可以从这些数据的90％的经济价值中受益。在他们看来，可以充分利用边缘计算的主要领域包括：

• 家
• 办公室
• 工厂
• 零售场景
• 工地
• 城市/城市环境
• 汽车

虽然边缘计算有许多不同的使用场景，但它们本质上依然与IoT紧密相关。最著名的例子可能是自动驾驶汽车和智能手机。然而，包括通用电气数字在内的最大的创新型工业公司多年来一直致力于此工作，主要是在工业物联网（IIoT）的背景下。同样，越来越多的智能城市项目正在蓬勃发展遍布涉及物联网和AI技术，比如阿里云巴正在打造智慧杭州，其中这些场景都离不开边缘计算。

到2020年，全球可用存储容量将能够存储数字世界中不到15％的数据量。——IDC

根据IDC进行的“数字宇宙”研究，全球数据将在未来两年内攀升超过40 ZB，其中物联网领域占10％。很容易看出为什么工业界对IIoT和边缘计算有着极大的兴趣。

边缘计算有很多潜在的用途，但工业领域的典型用例已经有了很多：

• 预测性维护；
• 能效管理；
• 智能制造（生产模式的定制）；
• 灵活的设备更换（快速部署新流程和新模型）；
• 低/间歇性连接（机器见解与启动之间的闭环交互）；

人工智能使边缘计算达到新的水平

在边缘计算有三个方面可以充分利用人工智能：

1.无人驾驶汽车

无人驾驶汽车无疑是未来的“头牌”，无人驾驶生态系统包括软件开发，硬件制造商，应用开发商，数据科学家，汽车制造商，传感器制造商等。他们正在汇集技术和专业知识，以实现自动驾驶能力。他们依靠应用程序和算法来赋予装备车辆的传感器获取的数据。例如，他们致力于开发和完善处理传感器数据的AI算法，以让车辆做出即时决策，例如紧急停车。而边缘计算则是无人驾驶汽车不可缺少的技术之一。

2.机器人技术

在这个领域有两大类：一个是机器，另一个是软件自动化。关于软件自动化（AKA机器人过程自动化），请参阅作者的文章AI如何将机器人过程自动化带入下一阶段。

当我们谈到机器人时，为了让他们在工作区域高效运行，除了机器人的功能（例如，移动沉重的负载并在复杂的危险环境中工作）外，他们必须还需要获得重要功能的授权，其中可能包括机器视觉、语音识别和复杂的决策算法。

真正的挑战在于让机器人在人类环境中工作，同时又要确保人类同事的安全。而事实是人类会犯错误，他们可能会有不稳定的行为，他们会违反或误解安全规则。

3.维护和监测

虽然物联网长期以来一直涉及很多场景，但拥有AI算法处理边缘的传感器数据为维护和监控的过程提供了另外一种可能。预测性维护对于航空公司来说是非常重要的，所以它变成了一项航空公司非常重视的服务。工业企业面临的下一个挑战是加强预测性维护，以改进流程，缩短上市时间，减少停机时间，节省资金，甚至挽救企业生命。

这是Edge Computing AI可以发挥重大作用的一个领域。无论是客机，运输卡车还是汽车，机器的质量不仅取决于它的效率，还取决于它的可靠性。

为了确保机器的可靠性，我们需要改进维护流程。安排像飞机这样复杂的机器的维护可能是一场噩梦。例如，空A380拥有约700万个零件。然而真正的挑战在于找到维护应该继续的非常恰当的时刻。它必须以不会过早更换的方式进行，但同时不会失败。回答业界最紧迫的问题需要结合传感器数据、机器学习算法和高级模型。

结论

随着乔恩·马克曼正确地指出，你现在必须清楚，云计算出现之前包括移动从本地数据库到数据中心的数据-大多数计算确实发生在网络的边缘。

事实上，今天似乎很清楚，技术发展数据量增加，实时数据处理的需求以及智能设备，传感器和相关事物日益复杂和广泛的可用性导致了边缘计算的出现的必然。

原文链接

本文为云栖社区原创内容，未经允许不得转载。