隨著互聯網技術翻過了PC時代和移動互聯網時代兩座大山后，命運車輪般地下沉至萬物互聯，無不體現著被物聯網（loT）顛覆的大趨勢。而在物聯網帶來的數據海洋中，很多終端設備都需要更快速、近距離的數據處理能力，“邊緣計算”（Edge Computing）被推到了風口浪尖。

根據IDC調查預測，到2020年物聯網會有500億感知設備，而50％的數據儲存、處理、分析會發生在邊緣端及其所建構的網絡上。作為全球智能系統領導廠商，研華科技認為可以通過“智能化”加速數據傳輸、存儲更多數據，同時考慮到物聯網應用的多樣性，賦能邊緣計算以促進顛覆性創新，帶來商業機遇。

數據時代下的邊緣計算并不陌生

Gartner報告顯示，全球loT數據量正在以每年59%的速度遞增，到2025年數據量將激增至163ZB，遠超當前任何互聯網公司所儲備的數據量。因此，更快更可靠的數據處理將變得至關重要。

在邊緣計算模型下，“邊緣”是指位于設備內部或者與設備本身要近得多的地方。由于大多數知識來自靠近數據設備的本地，基于此的數據分析僅部分依賴于通信帶寬，從而實現高速率、低延遲與高安全性。

以邊緣計算最先應用的自動駕駛為例，有時更快的數據處理是生死攸關。自動駕駛汽車本質上是一臺裝有輪子的高性能計算機，它通過大量的傳感器來收集數據。為了使得這些車輛能夠安全可靠地運行，它們需要立即對周圍的環境做出反應。處理速度的任何延遲都有可能是致命的。雖然聯網設備在云端進行數據處理并在中央服務器之間來回傳送可能僅需要幾秒鐘，但這一時間跨度對仍自動駕駛汽車而言仍太長了。

而邊緣計算使得數據能夠在最近端（如電動機、泵、發電機或其他的傳感器）進行處理，減少在云端之間來回傳輸數據的需要。

開放+智能 研華重新定義邊緣計算

在研華看來，邊緣計算更加強調“邊緣”二字，因其更靠近數據生成的設備端，這就意味著關于邊緣計算諸多疑問需要具體到應用場景來展開。因此，研華推出了涵蓋軟硬件整合的邊緣智能服務器（Edge Intelligence Servers；EIS）。

圖：研華邊緣智能服務器

“研華做平臺不做產品，所以需要根據用戶需求優化軟硬件配置，提供更好的邊緣計算平臺。”研華IoT嵌入式平臺事業群總經理許杰弘曾表示，考慮到物聯網應用的多樣性，研華在開發EIS時以開放、多樣性為核心精神，從硬件到軟件都提供各種不同選擇，希望能滿足IoT系統集成商的多元需求。

研華正借EIS重新構建“互聯互通與快速、服務可復用且多元”的邊緣計算生態。

根據研華官方介紹，硬件方面EIS提供3種不同類型的嵌入式無風扇計算機，方面依需求做選擇；從軟件來看，EIS內建WISE-PaaS設備管理與數據整合平臺（RMM）、集中安全管理、交互式多媒體內容編輯（IMM）、SCADA（監控及數據采集）、HMI（人機界面）等軟件；其次，在滿足不同應用需求之余，WISE-Agent中間件為傳感器及其他設備提供全面的開發工具及符合標準協議（Modbus/OPC/ MQTT）的SDKs。

此外，還預集成 Microsoft Azure IoT Edge和AWS Greengrass可將云智能擴展至邊緣設備并在邊緣實現實時管理，以確保物聯網設備能夠對本地事件作出快速響應。同時，依據數據進行數據建模和機器學習后的結果將被發回邊緣 (IoT Edge/Greengrass) 以便物聯網應用進行數據預測分析，幫助客戶提升操作效率及業務轉型。