智能边缘正在将智能设备和物联网从数据收集点转变为真正的智能平台，这些平台可以为组织实时提供丰富和准确的见解。
基于云计算的人工智能系统的平均推理速度大约为1.5秒。智能边缘可以将其速度降低到1～15毫秒。延迟大幅减少将使得许多未来的技术应用(例如自动驾驶汽车)成为可能。
云计算技术掀起了巨大的应用热潮，几乎所有了解数字优先业务战略重要性的组织都在采用云计算技术。政府机构和公共部门都在利用云计算技术开展业务。轻松访问数据、强大的分析工具以及改进的业务敏捷性，使组织能够比以往做出更明智的决策。
在未来的几年中，边缘计算的应用将急剧上升。边缘计算和人工智能技术的结合已经催生出全新的功能。在探索这些技术的发展潜力之前，首先要了解它们。
什么是边缘计算和智能边缘
在云计算应用中，数据从各种端点设备收集并发送到集中的云计算服务器，并在那里存储和分析数据。然后，由基于云计算的工具生成的见解或响应被发送到端点设备。
边缘计算将计算资源带到端点设备，从而可以分析数据收集点或附近传入的数据。
智能边缘正在将人工智能技术应用于边缘计算设备，以近实时地收集、分析和响应数据。智能边缘技术的主要目标是在端点或最终用户进行交互时使瞬间决策成为现实。
智能边缘在现实世界中的应用
根据IDC公司的预测，到2025年，全球采用物联网的设备将达到557亿个，这些设备将会产生73.1 ZB的数据。随着消费者和企业都将继续依赖智能设备来完成从通信到物理安全的各种工作，他们将需要并要求更快的计算速度。智能边缘具有独特的功能，可以满足这一需求。
以下是智能边缘发挥关键作用的一些用例：
(1) 自动驾驶汽车
新一代自动驾驶汽车实时收集环境数据(道路状况、车辆位置、道路标志)和其他数据，并将其无线发送到云计算服务器，从那里接收驾驶指令。众所周知，云计算的人工智能推理速度平均为1.5秒。
对于以60英里/小时速度行驶的车辆来说，对指令响应有1.5秒的滞后相当于132英尺的行驶距离。这是4G技术固有的网络延迟，5G技术正在解决这些挑战。
智能边缘将这一决策过程简化为瞬间的行动，从而使自动驾驶汽车能够做出近乎实时的决策。
(2) 患者监护
患者通常采用彼此不共享数据的大量医疗设备进行监护。有些医院收集所有数据并将其存储在第三方云计算服务器上，并在那里进行分析。这带来了一些隐私和安全问题。更不用说存储大量数据所消耗的资源。
智能边缘在收集点(监视设备)分析患者数据，并为员工提供实时见解和警报，以便采取行动。
(3) 智能家居
从冰箱到打印机再到安全系统，几乎人们在家里使用的每一台设备都连接到互联网。智能边缘使这些物联网设备具备计算能力，可以向人们提供更快的信息。更重要的是，他们收集的敏感数据不能存储在远程服务器上，因为这些服务器会带来一系列隐私和安全问题。
基于语音的助理(例如Google Home和Amazon Alexa)是运行中的智能边缘的一种出色示例。
(4) 预测性维护和改进
制造商一直希望能够在不影响生产的情况下检测出潜在的故障并进行修复。边缘计算通过使用一系列监视传感器来实现这一目的，这些传感器可以实时分析机器的运行状况数据，并就潜在问题向相关人员发出警报。
智能边缘甚至可以使实时操作优化成为现实。当前对运营数据进行集中分析，并定期推出生产改进措施。借助智能边缘，制造商将能够实时发现效率低下的问题，并在其生产线中迅速进行改进。
还有许多其他应用程序，例如预测性维护、面部识别、远程手术等，其中低延迟的智能边缘可以改变游戏规则。
智能边缘生态系统的组成部分
智能边缘的实际应用程序是多种多样的、复杂的，并且具有潜在的普及性。以下是支持智能边缘生态系统的各种组件的简要概述：
(1) 边缘计算
边缘计算分散了计算资源，并使它们更靠近端点设备。边缘计算的一些出色示例包括P2P计算、区块链、内容交付网络、网格计算等。所有这些示例都有一个共同点——它们将来自多个不同设备的计算资源集中起来，而无需集中协调。
边缘计算提供了一些好处，例如增强的端点安全性、低延迟、降低了数据传输带宽的成本，以及设备功能对网络中断的恢复能力。
(2) 边缘人工智能
多年以来，数据科学家一直将人工智能视为一种软件挑战。传统上，它们是托管在云计算服务器上的，因此物理硬件从未引起过他们的关注。边缘人工智能的出现已经使人工智能的发展脱颖而出。随着将人工智能托管在端点设备上，对针对人工智能及其任务进行优化的专用芯片的需求不断增加。
iPhone手机使用的A11仿生芯片就是一个很好的例子。其芯片每秒可以执行6000亿次操作，这使iPhone X系列的实时面部识别成为可能。因此，边缘人工智能不仅与软件有关，还与硬件有关。
边缘人工智能的许多优势包括实时数据处理，通过消费级设备的改进而实现的极高可扩展性以及用于实时反馈的场景分析。
(3) 边缘设备
智能设备使人工智能能够以更丰富、更深入和真实的方式“了解”周围的世界。人工智能不再依赖于人类将结构化和格式化的数据输入计算机，而是可以使用各种传感器来观察、嗅闻、品尝、接触、聆听周围的世界。
除了加速计、监控探测器、湿度传感器、光传感器等标准传感器外，由人工智能驱动的边缘设备还使用远红外摄像机、探地雷达和其他先进的传感器提供前所未有的实时信息。
由人工智能提供动力的传感器阵列使数据收集、分析、甚至操作自动化成为可能。
(4) 边缘数据管理
边缘设备生成的数据量是天文数字。例如自动驾驶汽车每小时产生19TB的数据，而将这个数字乘以在不久的将来在道路上行驶的自动驾驶汽车的数量，将会产生大量的数据。目前的基础设施无法处理从边缘设备到云平台的数据传输，这将超过网络基础设施的传输流量。
当然，大量边缘数据将被分析并存储在边缘设备中。目前，只有10%的数据在分散的位置进行处理。根据Gartner公司的调查，这一数字将达到75%。与集中式数据管理相比，边缘数据管理具有两个显著的优势——降低了数据管理成本，并提供了实时反馈和响应。
(5) 边缘基础设施
边缘基础设施不仅仅是边缘设备。它涉及三个关键要素——边缘设备、连接性以用集中式数据中心(云平台或内部部署数据中心)。
如果计算只是发生在边缘设备上，那么它是本地计算，而不是边缘计算。边缘计算涉及到核心(云平台或内部部署服务器)的一致、低功耗连接。尽管大多数数据在最后进行了分析，但某些数据可能会被集中处理或存储。通常情况下，这意味着边缘设备收集的大多数数据都会被边缘设备分析并丢弃。但是，某些关键数据会长期传输并存储在一个集中的位置。
边缘设备和核心设施不再是技术挑战。然而，具有一致性的低功耗连接技术仍然是一个挑战。目前各种可用的选项都无法支持边缘基础设施。蓝牙技术虽然是一种低功耗的选择，但并不一致。Wi-Fi虽然提供一致性，但范围非常有限。尽管4G LTE具有出色的一致性，但是却非常耗电并且带宽低。
5G连接有望解决所有问题，并彻底改变智能边缘。
智能边缘：推动技术创新的燃料
数量惊人的用例正在等待智能边缘成熟并变得广泛可用。例如，远程手术需要外科医生远程操作机器人对病人实施手术，需要触觉反馈和接近零延迟的实时场景洞察。即使是毫秒级的延迟也会带来灾难性的后果。
同样，许多用例需要低延迟的基础设施，如智能交通管理、智能电网管理、人工智能驱动的建筑检查等等。智能边缘不仅满足了这一需求，而且也将引发硬件和软件开发的新革命，将对其进行优化以支持和利用智能边缘。
