最近，人們對邊緣計算報以越來越大的厚望。在這一行業中，不乏有一些大膽的想法，如“邊緣將吞噬云計算”，或是，將實時自動化擴展到醫療保健、零售和制造業。
專家們一致認為，邊緣計算將在幾乎所有企業的數字化轉型中發揮關鍵作用，但實際上，其進展一直很緩慢。傳統的觀念阻礙了公司無法充分利用實時決策和資源分配的優勢。為了理解這種情況是如何以及為什么會發生的，讓我們回顧一下邊緣計算的第一波浪潮，以及從那之后發生了什么。
邊緣計算的第一波浪潮：物聯網（IoT)
對大多數行業來說，邊緣計算的概念與第一波浪潮物聯網潮緊密相關。當時，人們的焦點集中在從可以附著在任何物品上的小型傳感器上收集數據，然后將數據傳輸到一個中心位置——比如云或主數據中心。
這些數據流必須由通常稱為“傳感器融合”的技術關聯到一起。當時，傳感器的經濟狀況、電池壽命和廣泛性往往導致數據流過于有限，保真度較低。此外，用傳感器改裝現有的設備往往成本過高。雖然傳感器本身很便宜，但安裝過程很耗時，而且需要訓練有素的專業人員來執行。最后，使用傳感器融合分析數據所需的專業知識被嵌入到跨組織的全體人員知識庫中。這使得物聯網的采用率放緩。
此外，因為安全問題，物聯網的大規模采用也“遇冷”。從數學的角度上來說，原因很簡單：跨越多個地點去連接數千個設備，這無異于一個巨大且經常會處于未知狀態的信息暴露。由于物聯網潛在的風險超過了其未經證實的好處，許多人認為，應采取觀望態度，保持謹慎。
超越物聯網1.0
現在越來越清晰的是，與其說邊緣計算是物聯網，倒不如說它是關于跨分布式站點和地理位置的操作進行實時決策。在IT領域和越來越多的工業環境中，我們將這些分布式數據源稱為“邊緣”。我們將來自數據中心或云之外的所有位置的決策稱為邊緣計算。
邊緣充斥著我們身邊的每一處角落——它在我們的生活、我們的工作當中，凡有人類活動的地方，它的身影無所不在。傳感器覆蓋稀疏的問題已經被更新和更靈活的傳感器解決了。新的資產和技術都配備了大量的集成傳感器。現在，傳感器經常增強了高分辨率/高保真成像（x射線設備，激光雷達）。
額外的傳感器數據、成像技術以及將所有這些關聯起來的計算，會產生每秒兆字節的數據。為了從這些巨大的數據流中得出最終結果，計算的“火力”現在都被部署在數據生成處的附近。
原因也很簡單：在邊緣位置和云之間根本沒有足夠的帶寬和時間。處于邊緣的數據在短期內是最為重要的。數據現在可以在邊緣進行實時分析和使用，而不是稍后在云中進行處理和分析。為了獲得更高一級水平的效率和卓越的操作，計算必須在邊緣中進行。
這并不是說云并不重要。云計算仍然在邊緣計算中發揮作用，因為它是在所有位置中分配算力的一個好地方。例如，云計算提供了對來自其他地點的應用程序和數據的訪問，以及遠程專家對全球各地的系統、數據和應用程序的管理。此外，云還可以用于分析跨越多個位置的大型數據集，顯示隨時間變化的趨勢，并生成預測分析模型。
因此，邊緣的關鍵，在于弄清跨越大量地理分散位置的大型數據流。人們必須采用這種對邊緣的新認知，才能真正理解現在邊緣計算所能實現的一切。
今天：實時邊緣分析
與幾年前相比，今天在邊緣所能做的事是驚人的。現在，人們可以通過大量的傳感器和相機來生成數據，而不是將邊緣限制在幾個傳感器上。然后，這些數據被放在邊緣，用比20年前強大數千倍的計算機進行分析——所有成本都是合理的。
高核心計數的CPU和GPU以及高通量網絡和高分辨率攝像頭現在隨處可見，這使得實時邊緣分析成為現實。在邊緣（業務活動發生的地方）部署實時分析可以幫助公司了解他們的操作并立即作出反應。有了這些知識，許多操作就可以進一步自動化，從而提高生產率并減少損失。
讓我們來考慮一下一些當今實時邊緣分析的例子：
·超市欺詐預防
許多超市現在或多或少都會使用自助結賬，不幸的是，他們也看到了越來越多的欺詐行為。一個心存邪念的購物者可以用低價的條形碼代替高價的條形碼，這樣他付的錢就少了。為了發現這種類型的欺詐行為，商店現在正在使用高功率攝像頭，將掃描的產品和重量與其應有的重量進行比較。這些相機相對便宜，但它們卻會產生大量的數據。通過將計算移動到邊緣，就可以立即分析數據。這意味著，商店可以實時發現店內的欺詐行為，而不是在這些所謂的“顧客”離開停車場之后。
·食品生產監測
如今，一個制造型工廠可以在制造過程的每一步都配備幾十個攝像頭和傳感器。實時分析和人工智能驅動的推理可以以毫秒、甚至微秒為單位，揭示是否有問題或工藝過程正在漂移。也許，攝像頭顯示太多的糖被添加，或者產品上添加了過多的澆頭。有了攝像頭和實時分析，生產線就可以調整生產線來停止漂移，甚至在需要維修時停下生產線——而不會造成災難性的損失。
·人工智能驅動的醫療保健邊緣計算
在醫療保健領域，紅外線和x射線攝像頭一直都在急劇改變著，因為它們分辨率很高，并且能夠快速將圖片提供給技術人員和醫生。有了如此高的分辨率，現在病人在見到醫生予以確認之前，人工智能就可以進行過濾、評估和診斷異常。通過部署人工智能驅動的邊緣計算，醫生們節省了時間，因為他們不必依賴向云發送數據來獲得診斷。因此，腫瘤學家想要觀察是否患者確患有肺癌，可以將實時人工智能過濾器應用于患者的肺部圖像，以獲得快速準確的診斷，這樣可以大大減少患者等待反饋的焦慮。
·由分析系統驅動的自動駕駛汽車
自動駕駛汽車之所以在今天成為可能，是因為相對便宜和有效的相機提供了360度立體視覺。其分析系統還可以實現精確的圖像識別，因此計算機可以精確辨別路上出現的到底是風滾草還是鄰居家的貓，并決定何時剎車還是轉向繞過障礙物，以確保駕乘安全。高性能CPU和GPU的可負擔性、可用性和小型化趨勢使得實時模式識別和矢量規劃成為可能，這就是自動駕駛汽車的智能駕駛。自動駕駛汽車成功的要點，在于必須有足夠的數據和處理能力，足夠快地做出智能決策，以采取糾正措施。這一點現在只有通過如今的邊緣技術才能得以實現。
在實踐中的分布式體系結構
當非常強大的計算被部署在邊緣時，公司可以更好地優化操作，而不必擔心延遲或失去與云的連接。現在所有的東西都分布在邊緣位置，所以問題是實時解決的，彼此之間只有零星的連接。
自第一波邊緣技術出現以來，我們已經取得了長足的進展。由于邊緣技術的進步，公司現在對自己的業務有了更全面的看法。今天的邊緣技術不僅能幫助企業提高利潤，事實上，它還能幫助企業降低風險，改善產品、服務，以及提升與他們打交道的人的體驗。
翻譯：julian邊緣計算社區
原文：
https://www.cio.com/article/308159/edge-computing-is-thriving-in-the-cloud-era.html
