物联网是一个端到端的系统，强调边缘计算，并非否定云计算的巨大作用和价值。云计算和边缘计算是两种不同特点的数据处理方式，边缘计算处理的是局部数据，对数据形成完整洞察还需要在云端对各种在不同的边缘采集到的数据进行全面分析，因此两者互倚互补。边缘计算是云智能向端智能延伸的必然结果，未来的趋势并非是边缘计算取代云计算，而是两者之间实现良性协同，共同推动物联网的发展。

我们也看到，边缘侧的负载整合则为人工智能在边缘计算的应用找到了突破口。“物”连上网将产生庞大的数据量，数据将成为新的石油，人工智能为数据采集、分析和增值提供全新的驱动力，也为整个物联网发展提供了新动能。虚拟化技术将在不同设备上独立的负载整合到统一的高性能计算平台上，实现各个子系统在保持一定独立性的同时还能有效分享计算、存储、网络等资源。边缘侧经过负载整合，产生的结点既是数据的一个汇总结点，同时也是一个控制中心。人工智能可以在结点处采集分析数据，也能在结点提取洞察做出决策。

Link Edge的优势还体现在提升AI的实践效率，开发者可将深度学习的分析、训练过程放在云端，将生成的模型部署在边缘网关直接执行，优化良率、提升产能。

另外，今年1月，在美国装备有最新技术的卡车在美国从西向东自主行驶超过3800公里。完成这项壮举的独特技术组合完美地展现了边缘计算的力量。你是否熟悉边缘计算的概念及其含义？

边缘计算是允许我们尽可能靠近应用程序并且是一种重新定位数据处理的技术。

即使车上有一名操作人员来确保这项驾驶试验的安全，但是我们不得不承认这辆普通的卡车，它已被添加了传感器和软件以完成此项任务。“Embark卡车”方法的显着特点在于，他们没有使用详细的路线图来指导他们自动驾驶系统，而是考虑采用另一种方式来引导卡车。Embark完全依靠车辆传感器和嵌入式机器学习算法收集的数据。

什么是边缘计算？

这项技术的特点是软件和硬件架构结合，其数据处理尽可能接近他们的本体。它主要涉及物联网和移动计算，依赖于智能设备以及一些云。值得注意的是边缘计算的另一个方面主要涉及在短时间内处理价值特别重要的数据。

根据前面的例子，卡车传感器产生的数据在其搭载设备内处理。显然，卡车必须实时“看到”道路来相应地处理驾驶任务。

人工智能加持边缘计算，

让物联网充分释放数据价值

英特尔物联网事业部中国区总经理

陈伟

从共享单车到自动驾驶，从智能家居到无人商店，我们已从“人联网”时代全面进入“物联网”时代。在万物智能互联的新时代，数据量成指数级爆炸，不仅需要云端的大数据分析以转化为洞察，在边缘对于提取分析数据也有着更高的要求，应运而生的边缘计算将在整个物联网的发展中发挥关键性作用。作为分析、挖掘数据价值的创新方法，人工智能可以充分利用、释放数据价值，也给边缘计算带来全新的发展机遇。

应对数据洪流带来的挑战,边缘计算至关重要。首先，井喷式涌现的海量数据如果全部聚集于云端，对带宽有极大的要求，并带来严重的计算负担，这就要求在边缘侧对相应数据进行必要的筛选和节流，并同时提供部分计算能力，使得不同的数据能够合理配置到相应的存储和计算资源中。其次，很多物联网应用场景对数据的实时性要求非常高，而边缘计算能够更敏捷、更有效地处理数据。另外，边缘计算还能更好地保护数据，满足安全性的需求。

关于人工智能对边缘计算的分析和介绍

如何将人工智能运用到边缘侧？网络优化将是关键性技术之一。英特尔认为可以通过低比特、剪枝和参数量化进行网络优化。低比特，是指在不影响最终识别的情况下，通过降低精度来降低存储和计算负荷。剪枝，是指剪除不必要的计算需求，从而降低计算复杂度。参数量化，是指可以根据参数的特征做聚类，用相对比较简单的符号或数字来表述，从而降低人工智能对于存储的需求。

边缘计算和人工智能结合，推动物联网发展是一个长期的进程。英特尔将着重从端到端的平台化战略、垂直行业的深度合作、开放的生态系统构建三个方面来加速边缘计算的发展，从而推动整个物联网的进程。

正如英特尔公司CEO科再奇所说，数据是当今最重要的一股力量，智能互联设备带来的数据洪流，是未来科技创新的命脉。英特尔致力于通过从云到边缘的计算解决方案，协同产业合作伙伴，把人工智能带到边缘，加速物联网发展，驾驭数据洪流，释放数据价值。

它必然需要先进的技术，包括低功耗传感器，RFID（射频识别），低成本电池供电，低成本数据通信链路以及数据存储和计算系统。

下面这些评论有助于我们更准确地评估关于边缘计算的关键之处，边缘计算让应用程序在获取数据的时间和地点以连续流的形式利用数据。这也带来了很多优势，其中就包括安全性、成本，因为数据不通过网络传输，也不存储在数据中心。

“边缘计算是为精简物联网设备提供实时本地数据分析的方法。”-布兰登巴特勒

分析

IDC表示到2019年，近50％的物联网创建的数据将被存储、处理、分析、并在网络边缘进行操作。

麦肯锡估计，到2025年，物联网应用的经济影响可能会从每年3.9万亿美元增长到11.1万亿美元。他们举例说：“在2025年，通过远程监控改善慢性病患者健康状况的价值可能高达每年1.1万亿美元”。

Markets And Markets的一份新研究报告预计，边缘计算市场预计将从2017年的14.7亿美元增长到2022年的67.2亿美元，在预测期内复合年增长率超过35％。

Gartner的分析报告显示，目前，大约10％的企业生成数据是在传统的集中式数据中心或云之外创建和处理的，到2022年，Gartner预测这一数字将达到50％。

边缘计算的范围

根据麦肯锡的说法：“目前使用的物联网数据主要用于异常检测和控制，而不是优化和预测，这提供了最大的价值。”麦肯锡还指出，物联网设备产生的大多数数据（更准确的说来自边缘的智能系统）在今天没有利用价值。他们的分析使他们感到公司可以从这些数据的90％的经济价值中受益。在他们看来，可以充分利用边缘计算的主要领域包括：

家

办公室

工厂

零售场景

工地

城市/城市环境

汽车

虽然边缘计算有许多不同的使用场景，但它们本质上依然与IoT紧密相关。最著名的例子可能是自动驾驶汽车和智能手机。然而，包括通用电气数字在内的最大的创新型工业公司多年来一直致力于此工作，主要是在工业物联网（IIoT）的背景下。同样，越来越多的智能城市项目正在蓬勃发展遍布涉及物联网和AI技术，比如阿里云巴正在打造智慧杭州，其中这些场景都离不开边缘计算。

到2020年，全球可用存储容量将能够存储数字世界中不到15％的数据量。——IDC

根据IDC进行的“数字宇宙”研究，全球数据将在未来两年内攀升超过40 ZB，其中物联网领域占10％。很容易看出为什么工业界对IIoT和边缘计算有着极大的兴趣。

边缘计算有很多潜在的用途，但工业领域的典型用例已经有了很多：

预测性维护；

能效管理；

智能制造（生产模式的定制）；

灵活的设备更换（快速部署新流程和新模型）；

低/间歇性连接（机器见解与启动之间的闭环交互）；

人工智能使边缘计算达到新的水平

在边缘计算有三个方面可以充分利用人工智能：

1.无人驾驶汽车

无人驾驶汽车无疑是未来的“头牌”，无人驾驶生态系统包括软件开发，硬件制造商，应用开发商，数据科学家，汽车制造商，传感器制造商等。他们正在汇集技术和专业知识，以实现自动驾驶能力。他们依靠应用程序和算法来赋予装备车辆的传感器获取的数据。例如，他们致力于开发和完善处理传感器数据的AI算法，以让车辆做出即时决策，例如紧急停车。而边缘计算则是无人驾驶汽车不可缺少的技术之一。

2.机器人技术

在这个领域有两大类：一个是机器，另一个是软件自动化。关于软件自动化（AKA机器人过程自动化），请参阅作者的文章AI如何将机器人过程自动化带入下一阶段。

当我们谈到机器人时，为了让他们在工作区域高效运行，除了机器人的功能（例如，移动沉重的负载并在复杂的危险环境中工作）外，他们必须还需要获得重要功能的授权，其中可能包括机器视觉、语音识别和复杂的决策算法。

免责声明：

凡标注“来源:互联网转载”的文章均来自其他媒体，转载的目的在于传递更多信息，并不代表本站观点，图片来源于网络收集整理，版权归原作者所有；如果发现本站有涉嫌抄袭，侵权内容，请发送邮件：602684288@qq举报，并提供相关证据，一经查实，立刻删除涉嫌侵权内容。