自 20 世纪 70 年代信息技术首次被组织广泛采用以来，开发周期的演变方式被许多人比作摆动的钟摆。
最初，计算资源是集中的并且基于大型大型计算机。 然后，钟摆转向另一个方向，资源以个人计算机和独立服务器的形式转移到更靠近用户的地方。
此后，钟摆再次摆回来，资源被转移到云端，驻留在大型数据中心，并根据需要进行远程访问。
有趣的是，这个变化的过程并没有停止。 然而，下一阶段不太可能涉及将 IT 资源从集中式设施中再次大规模迁移。 相反，它很可能是云平台和日益智能的边缘设备的结合。
边缘的崛起
在越来越多的情况下，边缘计算的兴起是由人工智能的快速发展推动的。 虽然需要大规模、集中的 IT 基础设施来根据大量数据训练人工智能模型，但这些模型可以在更小、计算密集程度较低的边缘设备上运行。
一个很好的例子是智能监控摄像头。 识别物体和人所需的人工智能模型需要大量数据和资源来学习，但当它应用这些知识时，它可以在相机内更有限的资源上运行。
另一个是语言翻译。 虽然需要大量资源来训练能够准确提供此类服务的模型，但模型本身可以在更小的设备上运行。
智能边缘计算的快速崛起是由两个关键因素推动的。 一是 IT 不断小型化。 如果考虑当今智能手机的功能，20 年前要访问如此多的计算资源将需要一个装满服务器的房间。
第二个因素是网络技术的不断发展。 边缘设备通常位于传统高速连接不可用的地方。
因此，设备收集的数据需要在该设备上进行处理，并通过任何可用的网络链接将结果反馈到集中式数据中心。 在许多情况下，这些可能是 Wi-Fi、4G 或 5G 无线连接。
玩家生态系统
为了使智能边缘基础设施成功运行，需要多方共同努力。 该列表包括设计和构建与物理世界交互并收集数据的边缘设备的硬件供应商，其中可以包括从运动到降雨的任何数据。 这些设备还充当边缘系统的输入点，并提供使人工智能能够做出决策的数据。
智能边缘还需要集中的计算和存储资源，通常由云供应商提供。 这是存储和处理所有传入数据的地方。
第三个必需的群体是连接参与者。 这可以是传统的网络供应商或提供数据服务连接的电信运营商。 该组尤其重要，因为如果没有这种连接，整个系统就无法运行。
最后，智能边缘计算需要软件开发人员能够构建利用大量收集数据的应用程序。 这将使组织能够从其边缘资源中提取尽可能多的有用见解。
持续进化
智能边缘计算的兴起绝不是进化过程的结束。 事实上，许多行业观察家认为，下一步将是完全模糊集中式云计算和边缘计算之间的区别。
从业务用户的角度来看，他们的应用程序在哪里运行并不重要，重要的是他们从中获得的结果。 如果最佳位置在云端，则可以在那里运行； 然而，如果可以在边缘实现更高的性能，那么边缘将成为选择的位置。
智能边缘计算的用例将在未来几年继续发展。 随着边缘设备能力的提高以及用于分析所收集数据的人工智能算法变得更加强大，它们提供业务价值的方式将会呈爆炸式增长。
正如分布式计算在 20 世纪 80 年代和 1990 年代带来了令人兴奋的新机遇，云平台在 2000 年代改变了游戏规则一样，智能边缘计算将在未来几年带来重大的发展和增长机会。
