2019 8月15消息，知名风险投资研究机构CBInsights撰文详细介绍了边缘计算的发展和应用前景。文章称，云计算不足以立即处理和分析物联网设备、联网汽车和其他数字平台产生或即将产生的数据。这个时候，边缘计算就可以派上用场了。这项技术有潜力应用到很多行业，发挥巨大作用。
以下是文章的主要内容:
有时候，更快的数据处理是一种奢侈——有时候，这是生死攸关的事情。
例如，自动驾驶汽车本质上是一台带轮子的高性能计算机，它通过大量的传感器收集数据。为了使这些车辆安全可靠地运行，需要对周围环境做出即时反应。处理速度的任何延迟都可能是致命的。虽然联网设备的数据处理主要在云端进行，但在中央服务器之间来回传输数据可能需要几秒钟。这个时间跨度太长了。
边缘计算使自动驾驶汽车更快地处理数据成为可能。这项技术使联网设备能够处理在“边缘”形成的数据，其中“边缘”是指设备内部或更靠近设备本身的地方。
预计到2020年，每人平均每天会产生1.5GB的数据。随着越来越多的设备连接到互联网并产生数据，云计算可能无法完全处理这些数据——尤其是在一些需要非常快速地处理数据的使用场景中。
边缘计算是云计算的替代解决方案，未来其应用范围很可能远不止无人驾驶汽车。
包括亚马逊、微软和谷歌在内的一些科技巨头正在探索“边缘计算”技术，这可能会引发下一场大规模计算竞赛。尽管亚马逊云服务AmazonWebServices(AWS)仍然主导着公共云领域，但谁将成为这一新兴边缘计算领域的领导者仍有待观察。
在本文中，我们将讨论什么是边缘计算，与该技术相关的优势，以及它在各行各业的应用。
不断变化的计算领域
在了解边缘计算之前，我们必须先看看它的前身云计算是如何为全世界的物联网(IoT)设备铺平道路的。
云计算赋能互联世界
从可穿戴设备到联网厨房电器，联网设备可以说无处不在。预计到2019年，全球物联网市场规模将超过65438美元+0.7万亿，是2013年4860亿美元的两倍多。
因此，云计算——许多智能设备连接到互联网进行操作的过程——已经成为越来越主流的趋势。
云计算使公司能够通过远程服务器网络(俗称“云”)在自己的物理硬件之外存储和处理数据(以及其他计算任务)。
比如，你可以选择使用苹果的iCloud云服务来备份你的智能手机，然后你可以通过另一个联网设备(比如你的台式电脑)登录你的账户并连接到云端来检索你智能手机中的数据。您的信息不再受智能手机或台式机内部硬盘容量的限制。
这只是众多云计算用例中的一个。另一个例子是通过网络或移动浏览器访问各种完整的应用程序。随着云计算越来越受欢迎，它吸引了亚马逊、谷歌、微软和IBM等大型科技公司。私有云管理公司RightScale在2018年的调查显示，亚马逊AWS和微软Azure在主要的公有云提供商中排名第一和第二。
图示:越来越多的企业在公共云上运行应用程序。
但是集中式云计算并不适合所有的应用和用例。边缘计算可以在传统云基础设施难以解决的领域提供解决方案。
过渡到边缘计算
在我们充满数据的未来，将有数十亿台设备连接到互联网，因此更快、更可靠的数据处理将变得至关重要。
近年来，云计算的集成和集中特性已被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了相当大的压力。
最终，并不是所有的智能设备都需要使用云计算来运行。在某些情况下，这种数据的往返传输可以而且应该避免。
于是，边缘计算应运而生。
根据CBInsights的市场规模量化工具，到2022年，全球边缘计算市场规模有望达到67.2亿美元。虽然这是一个新的领域，但在云计算覆盖的一些领域，边缘计算可能效率更高。
边缘计算使数据能够在最近的一端(如电机、泵、发电机或其他传感器)进行处理，减少了在云之间来回传输数据的需要。
根据市场研究公司IDC的说法，边缘计算被描述为“一个由微型数据中心组成的网状网络，在本地处理或存储关键数据，并将所有接收到的数据推送到一个中央数据中心或云存储库，面积不到65，438+000平方英尺”。
例如，一列火车可能包含可以立即提供关于其引擎状态的信息的传感器。在边缘计算中，不需要将传感器数据传输到列车或云中的数据中心来查看是否有任何影响引擎运行的事情。
本地化的数据处理和存储对计算网络的压力较小。当发送到云的数据较少时，延迟(由云和IOT设备之间的交互导致的数据处理延迟)的可能性将会降低。
这也使得基于边缘计算技术的硬件承担了更多的任务，这些任务包括收集数据的传感器和联网设备中处理数据的CPU或GPU。
随着边缘计算的兴起，了解边缘设备涉及的另一项技术也很重要，这就是雾计算。
边缘计算是指在网络“边缘”或附近的计算过程，而雾计算是指边缘设备和云之间的网络连接。
换句话说，雾计算使云更接近网络的边缘；所以按照OpenFog的说法，“雾计算总是用边缘计算，而不是雾计算。”
回到我们的火车场景:传感器可以收集数据，但不能立即对数据做出反应。例如，如果火车工程师想知道火车车轮和制动器是如何工作的，他可以使用历史上积累的传感器数据来预测零件是否需要维护。
在这种情况下，数据处理使用边缘计算，但它并不总是即时的(不像确定发动机状态)。有了雾计算，可以在给定的时间点实现短期分析，而不需要完全回到中心云。
图示:云计算、雾计算、边缘计算。
因此，应该记住，虽然边缘计算是云计算的补充，并且与雾计算的合作非常密切，但它绝不是两者的替代品。
边缘计算的优势
虽然边缘计算是一个新领域，但它有一些明显的优势，包括:
实时或更快的数据处理和分析:数据处理更靠近数据源，而不是在外部数据中心或云中，因此可以减少延迟时间。
更低的成本:企业在本地设备的数据管理解决方案上的花费少于在云和数据中心网络上的花费。
更少的网络流量:随着IOT设备数量的增加，数据生成继续以创纪录的速度增长。所以网络带宽变得更加有限，让云不堪重负，造成更大的数据瓶颈。
更高的应用程序运行效率:延迟更少，应用程序可以更快、更有效地运行。
削弱云的作用也将降低单点故障的可能性。
例如，如果一家公司使用中央云来存储其数据，一旦云宕机，在问题得到解决之前，数据将无法访问——公司可能会遭受严重的业务损失。
2016年，Salesforce网站北美14站点(又称NA14)宕机超过24小时。客户无法访问从电话号码到电子邮件等用户数据。，企业经营遭受严重损害。
此后，Salesforce将其物联网云迁移到亚马逊的AWS，但此次宕机事件凸显了单纯依赖云的一大弊端。
减少对云的依赖也意味着一些设备可以离线稳定运行。这在互联网连接受限的地区尤其有用，无论是在严重缺乏网络服务的特定地区，还是在通常无法到达的偏远地区，如油田。
边缘计算的另一个关键优势与安全性和合规性有关。随着政府越来越关注企业如何使用消费者数据，这一点尤为重要。
欧洲联盟(欧盟)最近实施的《一般数据保护条例》(GDPR)就是一个例子。该法规旨在保护个人身份信息免遭数据滥用。
因为边缘设备可以在本地收集和处理数据，所以数据不必传输到云中。所以敏感信息不需要经过网络，所以如果云受到网络攻击，影响不会那么严重。
边缘计算还支持新兴网络设备和老式“传统”设备之间的互操作性。它“将旧系统使用的通信协议转换成现代联网设备可以理解的语言”。这意味着传统工业设备可以无缝高效地接入现代物联网平台。
边缘计算的发展现状
时至今日，边缘计算市场仍处于发展的初级阶段。但随着越来越多的设备连接到互联网，它似乎吸引了很多注意力。
主导云计算市场的公司(亚马逊、谷歌和微软)正在成为边缘计算领域的领导者。
去年，亚马逊凭借AWSGreengrass进入边缘计算领域，并领先于行业。这项服务将AWS扩展到设备，以便它们可以“处理它们在本地生成的数据，同时仍然使用云进行管理、数据分析和持久存储”。
微软在这个领域也有一些大动作。该公司计划在未来四年内向物联网投资50亿美元，包括边缘计算项目。
微软发布了其AzureIoTEdge解决方案，该方案“将云分析扩展到边缘设备”，并支持离线使用。该公司还希望专注于边缘人工智能应用。
谷歌也不甘示弱。它在本月早些时候宣布了两种新产品，以帮助改进边缘网络设备的开发。分别是硬件芯片EdgeTPU和软件栈CloudIoTEdge。
谷歌表示，“CloudIoTEdge将谷歌云强大的数据处理和机器学习功能扩展到数十亿台边缘设备，如机械臂、风力涡轮机和石油钻井平台，使它们可以实时操作来自其传感器的数据，并在本地预测结果。”
然而，对这一领域感兴趣的不仅仅是这三家科技巨头。
随着越来越多联网设备的出现，新兴生态系统中的许多参与者正在开发软件和技术来帮助边缘计算起飞。
未来四年，惠普企业将在边缘计算领域投资40亿美元。该公司的EdgelineConvergedEdgeSystems系统的目标客户是希望获得数据中心级计算能力并且通常在偏远地区运营的工业合作伙伴。
其系统承诺从联网设备为工业运营(如石油钻井平台、工厂或铜矿)提供见解，而不依赖于向云或数据中心发送数据。
在新兴的边缘计算领域，其他主要竞争对手包括ScaleComputing、Vertiv、华为、富士通和诺基亚。
人工智能芯片制造商英伟达在2017年推出了JetsonTX2，这是一款面向边缘设备的人工智能计算平台。它的前身是JetsonTX1，号称“重新定义了高级AI从云端延伸到边缘的可能性”。
许多著名公司也在投资边缘计算，包括通用电气、英特尔、戴尔、IBM、思科、惠普企业、微软、SAPSE和ATT。
例如，在私募股权市场，戴尔和英特尔都投资了Foghorn，该公司为工业和商业物联网应用提供边缘智能。戴尔还参与了物联网边缘平台IOTech的种子轮融资。
上面提到的许多公司，包括思科、戴尔和微软，也联合起来组成了OpenFog联盟。该组织的目标是标准化这项技术的应用。
边缘计算在各行各业的应用
随着传感器价格和计算成本的不断下降，将会有更多的“东西”连接到互联网上。
随着更多的联网设备变得可用，边缘计算将越来越多地用于各行各业，尤其是在一些云计算效率低下的领域。
我们已经开始看到这项技术在许多不同行业的影响。
“当我们将云的力量下沉到设备(即边缘)时，我们可以带来实时响应、分析和行动的能力，尤其是在网络条件有限或缺乏网络的地区。它仍处于发展的初级阶段，但我们开始看到这些新功能可以应用于解决全球范围内的一些重大挑战。”——微软首席技术官KevinScott。
从自动驾驶汽车到农业，以下行业将受益于边缘计算的潜力。
运输
边缘计算技术最明显的潜在应用之一是交通——更具体地说，是无人驾驶汽车。
自动驾驶汽车配备了各种传感器，从摄像头到雷达到激光系统，以帮助车辆行驶。
如上所述，这些自动驾驶汽车可以通过这些传感器使用边缘计算来处理更接近车辆的数据，从而尽可能减少系统在行驶过程中的响应时间。虽然无人驾驶汽车不是主流趋势，但各公司都在未雨绸缪。
今年早些时候，汽车边缘计算联盟(AECC)宣布将启动一个专注于联网汽车解决方案的项目。
“联网汽车正在从豪华车型和高端品牌迅速扩展到大量中档车型。汽车行业将很快达到一个临界点，届时汽车产生的数据量将超过现有的云、计算和通信基础设施资源。”-AECC董事长兼总裁KenichiMurata
该联盟的成员包括电装公司、丰田、ATT、爱立信、英特尔和其他公司。
然而，并非只有自动驾驶汽车会产生大量数据，需要实时处理。飞机、火车和其他交通工具也是如此——不管它们是否由人类驾驶。
例如，飞机制造商庞巴迪的C系列飞机配备了大量传感器，可以快速检测发动机性能问题。在12小时的飞行中，飞机产生了多达844TB的数据。边缘计算支持数据的实时处理，因此公司可以积极处理引擎问题。
医疗保健
如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表等可穿戴设备来监测自己的健康状况。
然而，要真正受益于收集的海量数据，实时分析可能是必不可少的——许多可穿戴设备直接连接到云，但其他一些设备支持离线操作。
一些可穿戴健康监测器可以在本地分析脉搏数据或睡眠模式，而无需连接到云。然后，医生可以当场对病人进行评估，并对病人的健康状况提供即时反馈。
但在医疗保健领域，边缘计算的潜力远远不限于可穿戴设备。
想想快速数据处理可以给医院和诊所的远程患者监护、住院护理和医疗管理带来的好处。
医生和临床医生将能够为患者提供更快更好的护理，同时，患者产生的健康数据也将多一层安全保护。病床上平均有20多个联网设备，会产生大量数据。这些数据的处理将直接在更靠近边缘的地方进行，而不是将机密数据发送到云，因此可以避免不当访问数据的风险。
如前所述，本地化的数据处理意味着大范围的云或网络故障不会影响业务运营。即使云端运行中断，这些医院的传感器也能独立正常运行。
制造业
智能制造有望从现代工厂中部署的大量传感器中获得洞察力
由于可以减少滞后，边缘计算可能会使制造过程更快地做出响应和变化，并可以实时应用从数据分析中获得的见解和实时行动。这可能包括在机器过热前关闭机器。
一个工厂可以用两个机器人来完成同样的任务。这两个机器人配备了传感器，并连接到一个边缘设备。边缘设备可以通过运行机器学习模型来预测其中一个机器人是否会出现故障。
如果边缘设备断定机器人可能发生故障，它将触发停止或减慢机器人操作的动作。这将使工厂能够实时评估潜在的故障。
如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。
边缘计算应该更快地支持来自大数据的更多见解，并支持更多机器学习技术应用于业务运营。
最终目的是挖掘实时产生的海量数据的巨大价值，预防安全隐患，减少工厂车间机器运行的中断。
农业和智能农场
边缘计算非常适合农业，因为农场往往位置偏远，环境恶劣，可能会出现带宽和网络连接的问题。
现在，想要改善网络连接的智能农场需要投资昂贵的光纤、微波连接或拥有一颗全天候运行的卫星；边缘计算是一种合适且经济高效的替代方案。
智能农场可以使用边缘计算来监控温度和设备性能，并自动减慢或关闭各种设备(如过热的泵)。
能源和电网控制
边缘计算在整个能源行业可能特别有效，特别是在石油和天然气设施的安全监控方面。
例如，应密切监控压力和湿度传感器，并且在连接方面不应出现错误，尤其是考虑到这些传感器大多位于偏远地区。如果没有及时注意到异常情况，如油管过热，可能会发生灾难性的爆炸。
边缘计算的另一个优势是可以实时检测设备故障。通过电网控制，传感器可以监测从电动汽车到风力发电厂的所有设施产生的能量，有助于做出相应的决策，以降低成本，提高能源生产效率。
其他行业的应用
其他可以使用边缘计算技术的行业包括金融和零售。这两个行业都使用大型客户和后端数据集来提供从选股信息到商店服装摆放的各种信息，这可以从减少对云计算的依赖中受益。
零售业可以使用边缘计算应用来增强客户体验。如今，许多零售商都致力于改善店内体验，优化数据收集和分析的方式对他们来说绝对有意义——尤其是考虑到许多零售商已经在尝试使用联网的智能显示器。
此外，许多人使用店内平板电脑产生的销售点数据，这些数据将被传输到云或数据中心。在边缘计算的帮助下，可以在本地分析数据，从而降低敏感数据泄露的风险。
摘要
从可穿戴设备到汽车再到机器人，物联网设备正呈现出越来越强劲的发展势头。
随着我们走向更加互联的生态系统，数据生成将继续快速增加，特别是在5G技术快速发展和网络连接进一步加速之后。尽管中央云或数据中心传统上一直是数据管理、处理和存储的首选，但它们都有局限性。边缘计算可以作为一种替代解决方案，但它仍处于起步阶段，因此很难预测其未来的发展。
可能会出现设备能力方面的挑战，包括开发能够处理云分布式计算任务的软件和硬件的能力。教会机器在可以在边缘执行的计算任务和需要在云中执行的计算任务之间切换也是一个挑战。
即便如此，随着边缘计算的更多采用，企业将有更多机会在各个领域测试和部署这项技术。
一些用例可能比其他用例更好地证明了边缘计算的价值，但总的来说，这项技术对我们整个互联生态系统的潜在影响可能是翻天覆地的。
原文链接:/hello _ zybwl/article/details/89219832
Mec测试？
Mec是一种移动边缘计算技术。mec是将平台流量疏导、计费等mec原有特性与5G云的功能相结合的测试，是5G技术测试第二阶段的重点内容。
Mec是支持运营商改造5G网络，满足高清视频、VR/AR、工业互联网、车联网等业务发展需求的关键技术。随着5G核心网SBA架构的形成和云计算的快速发展，目前边缘计算的技术形态已经形成。通过mec在全国重点城市的全面部署，5G可以崭露头角。
你说的边际力是什么意思？
边缘计算是指以网络的“边缘”为边界的算法，比如智能网关和摄像头内部的计算。然而，将这些设备收集的所有数据存储起来或用于计算是不现实的。干扰信息或冗余信息过多，处理不当，处理效果会适得其反。
以海埔森林防火监控系统为例。Tb级的视频数据通过内置的fireworks识别处理器进行传输，但真正有价值的数据只有几兆引起怀疑或非法活动，边缘计算可以很好地处理感兴趣的目标数据。
此外，与云计算相比，边缘计算还可以减少网络流量的拥塞，为更关键的任务“留有余地”。