人们对边缘计算寄予了越来越多的希望。该行业充满了许多大胆的想法，例如“边缘将取代云”，实时自动化将遍布医疗保健、零售和制造业。
专家一致认为边缘计算将在几乎所有企业的数字化转型中发挥关键作用，但进展缓慢。传统观念阻碍了企业充分利用实时决策和资源分配的优势。要了解这种情况发生的方式和原因，让我们回顾一下边缘计算的第一波浪潮以及从那时起发生的事情。
第一波边缘计算：物联网（IoT）
对于大多数行业来说，边缘的概念与第一波物联网 (IoT) 紧密相关。当时，大部分重点都集中在从固定在所有东西上的小型传感器收集数据，然后将这些数据传输到中心位置——比如云或主数据中心。
然后必须将这些数据流与通常所说的传感器融合相关联。当时，传感器经济性、电池寿命和普遍性常常导致数据流过于有限且保真度低。此外，用传感器改造现有设备通常成本高昂。虽然传感器本身很便宜，但安装非常耗时，并且需要经过培训的人员才能执行。最后，使用传感器融合分析数据所需的专业知识嵌入到跨组织员工的知识库中。这些因素都导致物联网的采用率增长非常缓慢。
此外，安全问题冷却了物联网的大规模采用。跨多个位置的数千个连接设备等于大量且通常未知的暴露。由于潜在风险超过了未经证实的好处，许多人认为采取观望态度是谨慎的做法。
超越物联网 1.0
现在越来越清楚的是，边缘不是关于物联网，而是更多地关于在分布式站点和地理位置的操作中做出实时决策。在 IT 和越来越多的工业环境中，我们将这些分布式数据源称为边缘。我们将来自数据中心或云之外的所有这些位置的决策称为边缘计算。
如今，边缘无处不在——遍布我们生活的地方、工作的地方、人类活动发生的地方。稀疏的传感器覆盖范围已通过更新和更灵活的传感器得到解决。新资产和技术配备了广泛的集成传感器。现在，传感器通常会增加高分辨率/高保真成像（X 射线设备、激光雷达）。
额外的传感器数据、成像技术以及将所有这些相关联的需求相结合，每秒会产生数兆字节的数据。为了从这些庞大的数据流中获得有用的结果，现在正在将计算能力部署在靠近数据生成的地方。
原因很简单：边缘位置和云之间没有足够的可用带宽和时间。边缘的数据在短期内最重要。现在可以在边缘实时分析和使用数据，而不是稍后在云端进行处理和分析。为了获得更高水平的效率和卓越运营，计算必须在边缘进行。
这并不是说云无关紧要。云在边缘计算中仍然可以发挥作用，因为它是在所有位置部署边缘和管理功能的好地方。例如，云提供对来自其他位置的应用和数据的访问，以及远程专家来管理全球的系统、数据和应用程序。此外，云可用于分析跨越多个位置的大型数据集，显示随时间变化的趋势，并生成预测分析模型。
因此，优势在于理解大量地理分散位置的大数据流。人们必须采用这种对边缘的新认识，才能真正了解边缘计算现在的可能性。
今天：实时边缘分析
与几年前相比，今天在边缘可以做的事情是惊人的。现在可以从边缘生成数据，而不是仅限于几个传感器，如大量的摄像机。然后在边缘使用比 20 年前功能强大数千倍的计算机对这些数据进行分析——所有这些都以合理的成本进行。
高核心数 CPU 和 GPU 以及高吞吐量网络和高分辨率相机现在很容易获得，使实时边缘分析成为现实。在边缘部署实时分析（业务活动发生的地方） 帮助企业了解他们的操作并立即做出反应。有了这些知识，许多操作可以进一步自动化，从而提高生产力并减少损失。
接下来，让我们考虑一些当今实时边缘分析的示例：
超市欺诈预防
许多超市现在使用某种形式的自助结账，不幸的是，他们也看到欺诈行为有所增加。不法的购物者可以用价格较低的条形码替换更昂贵的产品，从而减少支付。为了检测这种类型的欺诈行为，商店现在使用高性能摄像头，将扫描的产品和重量与应有的值进行比较。这些相机相对便宜，但它们会产生大量数据。通过将计算转移到边缘，可以立即分析数据。这意味着商店可以实时检测欺诈行为，而不是在“顾客”离开停车场之后。
食品生产监控
今天，一家制造厂在制造过程的每一步都可以配备数十个摄像头和传感器。实时分析和人工智能驱动的推理可以在几毫秒甚至几微秒内揭示是否有问题或过程是否漂移。也许相机显示添加了过多的糖或过多的浇头覆盖了一个项目。借助摄像头和实时分析，可以调整生产线以停止漂移，甚至在需要维修时停止，而不会造成灾难性损失。
人工智能驱动的医疗保健边缘计算
在医疗保健领域，红外和 X 射线相机一直在改变游戏规则，因为它们提供高分辨率并能快速向技术人员和医生提供图像。凭借如此高分辨率，人工智能现在可以在去看医生进行确认之前过滤、评估和诊断异常情况。通过部署人工智能驱动的边缘计算，医生可以节省时间，因为他们不必依赖将数据发送到云端来进行诊断。因此，希望查看患者是否患有肺癌的肿瘤学家可以将实时 AI 过滤器应用于患者肺部的图像，以获得快速准确的诊断，并大大减少患者等待回音的焦虑。
由分析驱动的自动驾驶汽车
今天，自动驾驶汽车成为可能，因为相对便宜且可用的摄像头可提供 360 度立体视觉。分析还可以实现精确的图像识别，因此计算机可以破译风滚草和邻居的猫之间的区别——并决定是否该刹车或绕过障碍物以确保安全。高性能 GPU 和 CPU 的可负担性、可用性和小型化使得实时模式识别和矢量规划成为自动驾驶汽车的驾驶智能。要使自动驾驶汽车取得成功，它们必须拥有足够的数据和处理能力，以足够快地做出明智的决策以采取纠正措施。现在只有使用当今的边缘技术才能做到这一点。
实践中的分布式架构
当在边缘部署极其强大的计算时，企业可以更好地优化运营，而不必担心延迟或失去与云的连接。 现在一切都已分发跨边缘位置，因此可以实时解决问题，并且只有零星的连接。
自第一波边缘技术浪潮以来，我们已经取得了长足的进步。由于边缘技术的进步，企业现在正在对其运营进行更全面的了解。今天的边缘技术不仅帮助企业增加利润，事实上，它还帮助他们降低风险并改善产品、服务和与他们接触的人的体验。
