邊緣計(jì)算中的AI如何驅(qū)動5G和物聯(lián)網(wǎng)

邊緣計(jì)算是處理和分析服務(wù)器中與它們所服務(wù)的應(yīng)用程序更接近的數(shù)據(jù)的概念，它日益普及，并為成熟的電信提供商，半導(dǎo)體初創(chuàng)公司和新的軟件生態(tài)系統(tǒng)打開了新的市場。在過去的幾十年中，技術(shù)是如何融合在一起的，以大數(shù)據(jù)為起點(diǎn)，使這一新的空間成為可能，這是一個絕妙的主意，并且有了這樣的想法，即現(xiàn)在存儲在超大型數(shù)據(jù)中心中的大量信息，我們可以分析世界上的混亂情況以提供新的對消費(fèi)者的價值。將此概念與物聯(lián)網(wǎng)相結(jié)合，并連接從咖啡杯到藥丸分配器，煉油廠到造紙廠，智能護(hù)目鏡到手表的所有東西，對消費(fèi)者的價值是無限的。

但是，許多人認(rèn)為，市場并未經(jīng)歷物聯(lián)網(wǎng)預(yù)期的曲棍球增長曲線。除了特定的利基市場，物聯(lián)網(wǎng)的連通性并沒有帶來足夠的消費(fèi)者價值。然而，在過去的五年中，作為人工智能（AI）的技術(shù)進(jìn)步已經(jīng)開始徹底改變行業(yè)以及連接性可以為消費(fèi)者提供的價值量概念。這是一個非常激動人心的時刻，因?yàn)槭袌隹梢钥吹酱髷?shù)據(jù)，物聯(lián)網(wǎng)和人工智能相結(jié)合的無限潛力，但是我們才剛剛開始。邊緣計(jì)算的概念及其對未來技術(shù)路線圖的影響是有助于利用這種結(jié)合的最初發(fā)展之一。

邊緣計(jì)算的概念可能不是革命性的，但是實(shí)現(xiàn)將是革命性的。這些實(shí)現(xiàn)將解決許多日益嚴(yán)重的問題，包括減少大型數(shù)據(jù)中心的能耗，提高私有數(shù)據(jù)的安全性，啟用故障安全解決方案，降低信息存儲和通信成本以及通過降低延遲能力來創(chuàng)建新應(yīng)用程序。

但是什么是邊緣計(jì)算？它是如何使用的，可以為網(wǎng)絡(luò)帶來什么好處？要了解邊緣計(jì)算，我們需要了解推動其發(fā)展的因素，邊緣計(jì)算應(yīng)用程序的類型以及當(dāng)今公司如何構(gòu)建和部署邊緣計(jì)算SoC。

邊緣計(jì)算，邊緣云，霧計(jì)算，企業(yè)

邊緣計(jì)算有很多術(shù)語，包括“邊緣云計(jì)算”和“霧計(jì)算”。邊緣計(jì)算通常被描述為在本地服務(wù)器上運(yùn)行的應(yīng)用程序的概念，旨在將云進(jìn)程移近終端設(shè)備。

傳統(tǒng)上，“企業(yè)計(jì)算”以與邊緣計(jì)算類似的方式使用，但更準(zhǔn)確地描述了網(wǎng)絡(luò)功能，并不一定描述了計(jì)算的位置。思科創(chuàng)造的霧計(jì)算與邊緣計(jì)算基本相同，盡管有許多人在邊緣計(jì)算空間之上或之下或什至作為邊緣計(jì)算的一個子集來描述霧。

作為參考，端點(diǎn)設(shè)備和端點(diǎn)通常被稱為“邊緣設(shè)備”，不要與邊緣計(jì)算相混淆，并且這種劃分對于我們的討論很重要。邊緣計(jì)算可以采用多種形式，包括小型聚合器，本地本地服務(wù)器或微型數(shù)據(jù)中心。微型數(shù)據(jù)中心可以按區(qū)域分布在永久性甚至可移動的存儲容器中，該存儲容器可以綁在18輪卡車上。

邊緣計(jì)算的價值

傳統(tǒng)上，傳感器，攝像頭，麥克風(fēng)以及一系列不同的物聯(lián)網(wǎng)和移動設(shè)備從其位置收集數(shù)據(jù)，并將數(shù)據(jù)發(fā)送到集中式數(shù)據(jù)中心或云。

到2020年，全球?qū)⑦B接超過500億個智能設(shè)備。這些設(shè)備每年將產(chǎn)生ZB數(shù)據(jù)，到2025年將增長到150 ZB以上。

互聯(lián)網(wǎng)的骨干網(wǎng)旨在可靠地將設(shè)備彼此連接并與云連接，從而有助于確保數(shù)據(jù)包到達(dá)目的地。

但是，將所有這些數(shù)據(jù)發(fā)送到云會帶來一些巨大的問題。首先，150 ZB的數(shù)據(jù)會造成容量問題。其次，就能源，帶寬和計(jì)算能力而言，將大量數(shù)據(jù)從其原始位置傳輸?shù)郊惺綌?shù)據(jù)中心是昂貴的。據(jù)估計(jì)，目前只有12%的數(shù)據(jù)被擁有該數(shù)據(jù)的公司進(jìn)行了分析，并且只有3%的數(shù)據(jù)有助于產(chǎn)生有意義的結(jié)果（對于我們“環(huán)境數(shù)學(xué)家”來說，收集和傳輸，浪費(fèi)，浪費(fèi)的數(shù)據(jù)中有97% ）。這清楚地概述了需要解決的運(yùn)營效率問題。第三，存儲，傳輸和分析數(shù)據(jù)的功耗非常大，因此顯然需要找到一種降低成本和浪費(fèi)的有效方法。引入邊緣計(jì)算來本地存儲數(shù)據(jù)可降低傳輸成本;但是，還需要高效的技術(shù)來消除數(shù)據(jù)浪費(fèi)，而當(dāng)今的主要方法是尋求AI功能。因此，所有應(yīng)用程序中的大多數(shù)本地服務(wù)器都增加了AI功能，現(xiàn)在正在安裝的主要基礎(chǔ)設(shè)施是新型，低功耗邊緣計(jì)算服務(wù)器CPU，它們以GPU和ASIC或一系列芯片的形式連接到AI加速SoC。 。