目前，数十亿物联网和移动设备采集的数据正呈指数级增长。这一趋势推动着数据从发送到云端进行处理和存储转向另一种分布式模型，即部分计算在网络边缘更靠近数据源的位置进行。英特尔® 技术可以针对各类市场的广泛应用加快边缘计算解决方案的部署。
什么是边缘计算？
边缘计算是指在靠近数据源的位置对数据进行处理、分析以及存储，从而实现近实时的快速分析和响应。近年来，一些公司已经通过将数据的存储和计算集中到云端来实现运营整合。然而，数十亿分布在各处的设备支持下的新用例又带来了新需求，例如先进的仓储和库存管理解决方案、视觉增强型机器人生产线、先进的智能城市交通控制系统等。这让云端的运营模式愈发难以为继。
此外，为了在数据源的位置更快获得近实时的可行洞察，物联网设备（如智能摄像头、移动销售点自助服务终端、医疗传感器和工业 PC 等）、网关以及计算基础设施的使用显著增加，推动了所生成和收集数据量的指数级增长。
据预计，到 2025 年，将有 75% 的数据在中央数据中心之外生成。而如今，大部分数据处理都在数据中心进行1。由此，现如今企业收集的所有数据中，约 90% 可能永远无法得到利用2。然而边缘计算提供了一条途径，可以让企业借助高性能的数据处理、低时延的连接和安全的平台从设备收集的数据中获取优势。
据预计，到 2025 年，将有 75% 的数据在中央数据中心之外生成。而如今，大部分数据处理都在数据中心进行。1”
边缘计算的推动因素
无论是数据存储及处理，还是系统响应能力，云计算能够支持的服务和应用需求都已经快要达到极限。在许多情况下，增加带宽或算力已经无法满足更快处理互联设备数据，以及近实时产生即时洞察并采取行动的要求。这些差距正在推动边缘计算的采纳和使用。
云计算面临的关键挑战包括:
- 时延：越来越多的行业正在采用要求具备快速分析和响应能力的应用。仅仅靠云计算是无法满足这些要求的，因为离开数据源的网络距离所造成的时延会导致效率低下、时间滞后以及客户体验不佳。
- 带宽：增加传输带宽或提高处理能力可以克服时延的问题。然而，随着企业在其网络上使用的边缘设备越来越多，产生的数据量越来越大，将数据发送到云端的成本可能会令人望而却步。此时，如果可以在边缘对数据进行处理、存储和分析，成本就会有所降低。
- 安全和隐私：在边缘保障个人病历等敏感数据的安全，并减少数据在网络中的传输有利于通过降低拦截风险而提高安全性。此外，部分政府或客户可能会要求将数据保留在数据生成地的管辖区内。例如，在医疗领域，甚至可能存在一些当地或区域性要求来限制个人数据的存储或传输。
- 连接：缺乏持续的互联网连接会阻碍云计算，然而丰富的网络连接选项却使云边协同的计算成为可能。例如，5G 提供的高带宽和低时延能够支持从边缘快速地传输数据并交付服务。
- 人工智能：由于需要近实时的智能洞察来指导行动，企业需要在数据源处部署 AI，以加速数据处理，并释放过去未充分利用数据的潜能。
边缘计算的优势：
将部分数据功能（如存储、处理和分析）从云端转移到边缘更靠近数据源的位置可以带来以下关键优势：
- 提高速度，降低时延：将数据处理和分析转移到边缘有助于加快系统的响应速度，加速事务处理并带来更好的体验，这对于自动驾驶等近实时应用至关重要。
- 优化网络流量管理：最大限度地减少通过网络发送到云端的数据可以降低传输和存储大量数据的带宽和成本。
- 提升可靠性：网络一次能传输的数据量是有限的。对于互联网连接欠佳的位置，当与云端的连接中断时，能够在边缘存储和处理数据就能大大提升可靠性。
- 提高安全性：通过合理的部署，边缘计算解决方案可以通过限制互联网上的数据传输来提高数据安全性。
实现云边协同：
虽然边缘计算为企业提供了一个释放数据价值的罕见机会，但云端仍然是一个不可或缺的中央数据存储和处理中心。下图展示了用于数据收集、计算、存储和联网的边缘设备如何相互配合，帮助企业和机构在每一个点都能充分利用数据。
物联网和边缘计算设备主要通过两种方式来收集和管理数据。集成处理器的智能边缘计算设备可以提供数据分析或 AI 等高级功能，而没有处理器的设备则可将它们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。随后，本地边缘服务器会处理来自边缘计算设备的数据并回传近实时应用所需的关键信息，或者仅将相关的数据发送到云。来自大量边缘计算设备的数据可以在云中整合，以便进行更广泛的处理和分析。
边缘计算用例
英特尔与众多行业合作伙伴和终端客户合作部署了数以万计的边缘计算解决方案。以下四个边缘计算用例展示了英特尔如何为企业带来全新的体验，并推动更高效的运营。
零售业: 边缘计算可利用传感器和摄像头来提高零售库存的准确性，并帮助优化供应链和产品开发的效率。此外，边缘计算可以支持近实时的顾客行为分析，在改善购物体验的同时还能让顾客更安全。例如，Sensormatic 基于视频的 AI 解决方案通过追踪商店的人流和监控社交距离，帮助零售商在新冠肺炎流行期间安全地营业。
工业: 边缘计算可以通过整合数字和物理技术助力制造业提高灵活性并加速响应，从而为工业 4.0 奠定基石。例如，英特尔、Nebbiolo Technologies 与奥迪的汽车制造工程师合作创建了一个可扩展的灵活平台。该平台使用预测分析和机器学习算法来提升焊接检测并增强关键的质量控制流程3。
教育: 一些基于软件的教育解决方案使用设备端 AI 来实现个性化的虚拟助手、自然语言交互，乃至增强现实体验。例如，ViewSonic 数字白板可借助边缘和视觉技术为参与远程学习的师生重现课堂体验。
医疗: 边缘计算可以通过住院和门诊监测以及远程医疗服务来帮助改善成果，并在成像设备上使用机器和深度学习推理来帮助更快地检测健康问题。在无需额外购买昂贵的新硬件的前提下，飞利浦在现有 CT 扫描设备上将医疗影像的 AI 推理性能提高了 188%4。
边缘计算技术的应用
在 “边缘内部 (The Inside Edge)” 系列的第 5 期中，英特尔物联网事业部总经理 Steen Graham 介绍了边缘计算在医疗、制造和零售等行业的实际应用，展示了由英特尔提供支持的边缘计算解决方案如何为客户提供新体验并颠覆整个行业。
优化成果，始于边缘
边缘计算为企业和服务商提供了一个释放数据价值的罕见机会。有了合适的合作伙伴，企业可以在每个点上都充分利用数据。英特尔已经进行了数万次产出真正价值的边缘部署，打造了数百个市场就绪型解决方案和基于标准的技术，并拥有成熟的开发人员生态系统，可以帮助您实现智能边缘。