現代生活中，連接至物聯網的智能設備愈來愈多，在給我們的工作生活帶來便利的同時，也產生了龐大的數據。科學家們預估，海量數據將會給物聯網中心的云功能帶來很大的計算負擔。因此，人們正在尋求邊緣計算技術的幫助，以此擴展物聯網的邊緣優勢。

IoT Edge，即物聯網邊緣，是物聯網架構中的一種術語，包含設備、傳感器、執行器、網關等遠離云端服務器的系統端點。而邊緣計算是一種將計算和分析放在數據源附近的新興技術，能夠為工業物聯網提供通用和可擴展的基礎。

本期歐時課堂將為大家簡要介紹IoT Edge的相關信息，以及邊緣計算在應用上的技術潛力和應用場景，幫助大家更好地將物聯網的邊緣優勢最優化。

急速擴大的互聯網邊緣

隨著物聯網的不斷發展，需要連接的“事物”數量持續增加。根據Strategy Analytics最近的一份報告，到2025年，全球將有超過380億臺設備連接到互聯網；到2030年，這一數字還將增加到500億。

但物聯網邊緣的急速擴張，也給整個物聯網的數據處理帶來了考驗，可擴展性、靈活性和可管理性成為更重要的考慮因素。例如，如何能夠處理越來越大的互聯網的數據流，而不會受到諸如延遲之類問題的阻礙？在無法穩定可靠地獲得蜂窩連接的情況下會發生什么？

目前，解決方案越來越多地取決于更加分布式的計算拓撲，該拓撲消除了物聯網對集中式基礎設施的依賴，并將實時計算和分析推向了邊緣——邊緣計算誕生了。

邊緣計算的應用潛力

邊緣計算技術能夠提供授權權限來控制定義的操作參數內的特定功能，同時還提供運行多個應用程序的環境，而無需持續的云連接，極大地提高了靈活性和敏捷性。GSMA最新的用例報告，確定了許多在物聯網邊緣部署邊緣計算的應用潛力，這些包括：

● 低延遲：通過將計算和數據存儲放置在離現場設備更近的地方，從而減少了通信往返的等待時間。

●物聯網設備的電池壽命更長：隨著通信信道開放時間縮短，物聯網設備的電池壽命得以延長。

● 訪問數據分析和AI：邊緣處理能力和數據存儲可以全部結合起來，支持原位分析和AI技術的發展。

這些都說明了，采用邊緣計算可能會在醫療保健、零售、汽車、公用事業和物流等眾多行業中創造大量機會，使物聯網的邊緣優勢最優化。因此，無論是對于電子產品供應商，還是能夠從中受益的企業，了解邊緣計算的潛力都變得至關重要。

尋找物聯網的邊緣

那么，可能生成或使用數據的物聯網邊緣在哪里？實際上，“邊緣”可以在有要求和能力執行數據處理，并將信息轉換為可操作見解的任何地方，例如工廠、海上平臺、水處理廠或道路上的車輛。

典型的邊緣架構將包括通過使用各種現場協議（例如藍牙、Zigbee和WiFi）與物聯網網關進行通信，然后最終與物聯網云平臺進行通信。這種基礎架構已經得到廣泛使用，但是仍然存在一些技術和操作障礙。

就實施障礙而言，安全性可能是最大的問題。由于邊緣基礎設施的更復雜和相互關聯的性質，似乎使其更容易在最脆弱點受到惡意軟件入侵等攻擊。不過，目前有許多先進的安全工具和技術可以有效地應用，也可以通過安全的傳輸鏈接來執行固件更新，并且邊緣使任何攻擊都難以破壞整個物聯網網絡。

另一個潛在障礙是，為邊緣建立可靠的業務案例并準確識別投資回報。由于企業希望通過將數據處理推離集中式平臺來實施邊緣部署，需要對網絡進行大量投資。但是改變等于風險——有效的邊緣需要一個結構嚴謹、漸進的實施方法，要求對一系列關鍵要素進行全面評估。

這些包括現有的遺留基礎設施，例如工業控制、連接、分析，以及通過應用人工智能實現自動化的潛力。簡而言之，邊緣物聯網應視為演化，而不是革命，它使企業有信心以最適合的速度取得進步。

邊緣計算的實際應用

在物聯網環境下，許多新應用程序可能需要在有限或間歇的連接下運行，并且設備上需要足夠的計算能力，因此邊緣計算得到了大量的實際應用機會：

01

自動駕駛汽車

未來的無人駕駛汽車可能是邊緣計算的最明顯應用。在這里，它可以實時收集和分析多種板載車輛傳感器接收的數據，并安全、可靠地做出反應。智能的板載邊緣計算消除了無人駕駛汽車的延遲問題，為在靠近數據源的地方做出準確、快速的決策提供了基礎。

02

面部識別

如今面部識別技術已成為基于視頻的監控、訪問控制和許多其他方案的主要推動力。從監控上傳來的視頻會轉發到高性能后端進行處理，需要較高的網絡帶寬。而通過將邊緣計算部署用于圖像的預處理和過濾，云端的面部識別引擎僅識別質量最好的關鍵幀，就可以減少計算經費并提高系統可靠性。

03

預測性維護

公用事業、鐵路、石油和天然氣以及建筑等行業的工業資產通常復雜且多種多樣，因此維護這些設備可能是一項艱巨的任務。通過將智能推向邊緣，可以更有效地利用網絡資源，同時節省云計算成本，提供更廣泛的資產監控和部署的可能性。

04

質量控制

許多制造商在努力滿足客戶對更低價格、更短交貨時間和更好選擇的期望。使用強大的邊緣計算，特別是通過使用可分析視頻流，識別質量異常并觸發即時警報的深度學習算法，可以極大地改善質量控制，并減少質量問題對生產線的影響。

05

可穿戴設備

可穿戴設備在工廠車間中的作用越來越大，隨著低功耗處理能力的不斷發展，以AI為中心的邊緣設備有潛力改善可穿戴設備的用戶體驗，從而提供更快、更令人印象深刻的可視化效果。

毫無疑問，物聯網的邊緣將繼續存在，并持續擴張下去，邊緣計算也在一系列應用中展現了更快、更通用的潛力。隨著物聯網連接設備呈指數級增長，人們還將越來越多地以安全且具有成本效益的方式，實施部署邊緣計算，以使物聯網邊緣發揮最大潛力。

編輯：jq