人工智能讓邊緣計算更有價值!

3月28日，在2018雲棲大會·深圳峯會上，阿里雲宣佈2018年將戰略投入到邊緣計算技術領域，並推出了首個IOT邊緣計算產品Link Edge,將阿里雲在雲計算、大數據、人工智能的優點拓寬到更靠近端的邊緣計算上，打造雲、變、端一體化的協同計算體系。

Link Edge的優點還體如今提高AI的實踐效率，開發者可將深度學習的分析、訓練過程放在雲端，將生成的模型部署在邊緣網關直接執行，優化良率、提高產能。

另外，今年1月，在美國裝備有最新技術的卡車在美國從西向東自主行駛超過3800千米。完成這項壯舉的獨特技術組合完美地展示了邊緣計算的力量。你是否熟悉邊緣計算的概念及其含義？

邊緣計算是容許咱們儘量靠近應用程序而且是一種從新定位數據處理的技術。

即便車上有一名操做人員來確保這項駕駛試驗的安全，可是咱們不得不認可這輛普通的卡車，它已被添加了傳感器和軟件以完成此項任務。「Embark卡車」方法的顯着特色在於，他們沒有使用詳細的路線圖來指導他們自動駕駛系統，而是考慮採用另外一種方式來引導卡車。Embark徹底依靠車輛傳感器和嵌入式機器學習算法收集的數據。

什麼是邊緣計算？

這項技術的特色是軟件和硬件架構結合，其數據處理儘量接近他們的本體。它主要涉及物聯網和移動計算，依賴於智能設備以及一些雲。值得注意的是邊緣計算的另外一個方面主要涉及在短期內處理價值特別重要的數據。

根據前面的例子，卡車傳感器產生的數據在其搭載設備內處理。顯然，卡車必須實時「看到」道路來相應地處理駕駛任務。

它必然須要先進的技術，包括低功耗傳感器，RFID（射頻識別），低成本電池供電，低成本數據通訊鏈路以及數據存儲和計算系統。

下面這些評論有助於咱們更準確地評估關於邊緣計算的關鍵之處，邊緣計算讓應用程序在獲取數據的時間和地點以連續流的形式利用數據。這也帶來了不少優點，其中就包括安全性、成本，由於數據不經過網絡傳輸，也不存儲在數據中心。

「邊緣計算是爲精簡物聯網設備提供實時本地數據分析的方法。」-布蘭登巴特勒

分析

IDC表示到2019年，近50％的物聯網建立的數據將被存儲、處理、分析、並在網絡邊緣進行操做。

麥肯錫估計，到2025年，物聯網應用的經濟影響可能會從每一年3.9萬億美圓增加到11.1萬億美圓。他們舉例說：「在2025年，經過遠程監控改善慢性病患者健康情況的價值可能高達每一年1.1萬億美圓」。

Markets And Markets的一份新研究報告預計，邊緣計算市場預計將從2017年的14.7億美圓增加到2022年的67.2億美圓，在預測期內複合年增加率超過35％。

Gartner的分析報告顯示，目前，大約10％的企業生成數據是在傳統的集中式數據中心或雲以外建立和處理的，到2022年，Gartner預測這一數字將達到50％。

邊緣計算的範圍

根據麥肯錫的說法：「目前使用的物聯網數據主要用於異常檢測和控制，而不是優化和預測，這提供了最大的價值。」麥肯錫還指出，物聯網設備產生的大多數數據（更準確的說來自邊緣的智能系統）在今天沒有利用價值。他們的分析使他們感到公司能夠從這些數據的90％的經濟價值中受益。在他們看來，能夠充分利用邊緣計算的主要領域包括：

家
辦公室
工廠
零售場景
工地
城市/城市環境
汽車
雖然邊緣計算有許多不一樣的使用場景，但它們本質上依然與IoT緊密相關。最著名的例子多是自動駕駛汽車和智能手機。然而，包括通用電氣數字在內的最大的創新型工業公司多年來一直致力於此工做，主要是在工業物聯網（IIoT）的背景下。一樣，愈來愈多的智能城市項目正在蓬勃發展遍及涉及物聯網和AI技術，好比阿里雲巴正在打造智慧杭州，其中這些場景都離不開邊緣計算。

到2020年，全球可用存儲容量將可以存儲數字世界中不到15％的數據量。——IDC

根據IDC進行的「數字宇宙」研究，全球數據將在將來兩年內攀升超過40 ZB，其中物聯網領域佔10％。很容易看出爲何工業界對IIoT和邊緣計算有着極大的興趣。

邊緣計算有不少潛在的用途，但工業領域的典型用例已經有了不少：

預測性維護；
能效管理；
智能製造（生產模式的定製）；
靈活的設備更換（快速部署新流程和新模型）；
低/間歇性鏈接（機器看法與啓動之間的閉環交互）；

人工智能使邊緣計算達到新的水平

在邊緣計算有三個方面能夠充分利用人工智能：

1.無人駕駛汽車

無人駕駛汽車無疑是將來的「頭牌」，無人駕駛生態系統包括軟件開發，硬件製造商，應用開發商，數據科學家，汽車製造商，傳感器製造商等。他們正在聚集技術和專業知識，以實現自動駕駛能力。他們依靠應用程序和算法來賦予裝備車輛的傳感器獲取的數據。例如，他們致力於開發和完善處理傳感器數據的AI算法，以讓車輛作出即時決策，例如緊急停車。而邊緣計算則是無人駕駛汽車不可缺乏的技術之一。

2.機器人技術

在這個領域有兩大類：一個是機器，另外一個是軟件自動化。關於軟件自動化（AKA機器人過程自動化），請參閱做者的文章AI如何將機器人過程自動化帶入下一階段。

當咱們談到機器人時，爲了讓他們在工做區域高效運行，除了機器人的功能（例如，移動沉重的負載並在複雜的危險環境中工做）外，他們必須還須要得到重要功能的受權，其中可能包括機器視覺、語音識別和複雜的決策算法。

真正的挑戰在於讓機器人在人類環境中工做，同時又要確保人類同事的安全。而事實是人類會犯錯誤，他們可能會有不穩定的行爲，他們會違反或誤解安全規則。

3.維護和監測

雖然物聯網長期以來一直涉及不少場景，但擁有AI算法處理邊緣的傳感器數據爲維護和監控的過程提供了另一種可能。預測性維護對於航空公司來講是很是重要的，因此它變成了一項航空公司很是重視的服務。工業企業面臨的下一個挑戰是增強預測性維護，以改進流程，縮短上市時間，減小停機時間，節省資金，甚至挽救企業生命。

這是Edge Computing AI能夠發揮重大做用的一個領域。不管是客機，運輸卡車仍是汽車，機器的質量不只取決於它的效率，還取決於它的可靠性。

爲了確保機器的可靠性，咱們須要改進維護流程。安排像飛機這樣複雜的機器的維護多是一場噩夢。例如，空A380擁有約700萬個零件。然而真正的挑戰在於找到維護應該繼續的很是恰當的時刻。它必須以不會過早更換的方式進行，但同時不會失敗。回答業界最緊迫的問題須要結合傳感器數據、機器學習算法和高級模型。

結論

隨着喬恩·馬克曼正確地指出，你如今必須清楚，雲計算出現以前包括移動從本地數據庫到數據中心的數據-大多數計算確實發生在網絡的邊緣。

事實上，今天彷佛很清楚，技術發展數據量增長，實時數據處理的需求以及智能設備，傳感器和相關事物日益複雜和普遍的可用性致使了邊緣計算的出現的必然。

本文做者：【方向】

閱讀原文

本文爲雲棲社區原創內容，未經容許不得轉載。