導(dǎo)讀:根據(jù)Metcalfe’s Law,網(wǎng)絡(luò)價值和用戶數(shù)的平方是成正比的,當(dāng)越來越多的人和智能的物連接在一個網(wǎng)絡(luò)上,會讓整個網(wǎng)絡(luò)增值。調(diào)研機構(gòu)預(yù)計,未來79%的物聯(lián)網(wǎng)流量將通過網(wǎng)關(guān)接入,50%的網(wǎng)絡(luò)流量將來自物聯(lián)網(wǎng),而物聯(lián)網(wǎng)將貢獻超過500億的連接。與此同時,每個人、每個物體在每天所產(chǎn)生的數(shù)據(jù)量也將是當(dāng)前的2000倍。巨大的商機由此而來,不止為管道商,更是為上游芯片商和服務(wù)商。
根據(jù)Metcalfe’s Law,網(wǎng)絡(luò)價值和用戶數(shù)的平方是成正比的,當(dāng)越來越多的人和智能的物連接在一個網(wǎng)絡(luò)上,會讓整個網(wǎng)絡(luò)增值。調(diào)研機構(gòu)預(yù)計,未來79%的物聯(lián)網(wǎng)流量將通過網(wǎng)關(guān)接入,50%的網(wǎng)絡(luò)流量將來自物聯(lián)網(wǎng),而物聯(lián)網(wǎng)將貢獻超過500億的連接。與此同時,每個人、每個物體在每天所產(chǎn)生的數(shù)據(jù)量也將是當(dāng)前的2000倍。巨大的商機由此而來,不止為管道商,更是為上游芯片商和服務(wù)商。
整體來看,云計算服務(wù)最多的還是設(shè)備端,物聯(lián)網(wǎng)則是連接這些端的關(guān)鍵橋梁,無論是之后衍生出的移動邊緣計算還是移動云計算,都在將重心引到端上,而不是將精力”浪費”在傳統(tǒng)的IaaS或PaaS端。因此,云服務(wù)商在處理工作負載時仍將遵循”大智能”在云端,”小智能”在邊緣的原則,但長期來看產(chǎn)業(yè)上下游圍繞邊緣場景打造智能化的解決方案已成必然趨勢。
傳統(tǒng)的物聯(lián)網(wǎng)方案會在設(shè)備端采集數(shù)據(jù),然后將信息發(fā)送回遠端的數(shù)據(jù)中心進行處理,再由數(shù)據(jù)中心將指令返回到設(shè)備端。就像有一句話說的,世界上最遠的距離是交通信號燈與攝像頭的距離,原因就是在于設(shè)備之間的數(shù)據(jù)沒有被打通,即使同一場景中的設(shè)備也必須經(jīng)由千里之外的數(shù)據(jù)中心才能交流。同時,網(wǎng)絡(luò)帶寬和數(shù)據(jù)存儲也會對數(shù)據(jù)中心造成較大的負擔(dān)。
而在網(wǎng)絡(luò)邊緣加入智能化的元素之后,可以讓處于邊緣的每個設(shè)備都擁有數(shù)據(jù)處理能力,而非只是將數(shù)據(jù)存在云端。與云計算融合之后,智能邊緣可以規(guī)?;呐渲煤筒渴鸪汕先f的邊緣設(shè)備,并結(jié)合不同的場景進行自動調(diào)度,讓物聯(lián)網(wǎng)環(huán)境內(nèi)的每個設(shè)備都能自行采集、計算、分析、反饋需求,在端與數(shù)據(jù)中心之間自由交互。
舉個例子,微軟Azure IoT Edge借助混合云和邊緣方案允許用戶自定義IoT應(yīng)用,支持在離線狀態(tài)下也能實現(xiàn)高級的數(shù)據(jù)分析,同時降低物聯(lián)網(wǎng)解決方案的構(gòu)建成本。落地到場景中,無人駕駛和AI服務(wù)都是應(yīng)用較為廣泛的。比如,無人卡車可以通過算法來動態(tài)獲取駕駛者及貨物的信息,并以此來做出實時決策,包括路線規(guī)劃、緊急制動等。再如在智能家居場景中,邊緣傳感器也無需持續(xù)將溫度數(shù)據(jù)傳到數(shù)據(jù)中心,而是會選擇出決定性的溫度變化進行傳輸,甚至可以直接做出判斷和響應(yīng)。
其實除了工業(yè)互聯(lián)網(wǎng)的應(yīng)用,另一個AI在邊緣設(shè)備的場景就是常見的個人設(shè)備,即個人AI服務(wù)。英特爾在去年9月推出了一款名為”Loihi”的神經(jīng)網(wǎng)絡(luò)芯片,該產(chǎn)品主要用于幫助邊緣的智能設(shè)備處理數(shù)據(jù)。這樣一來,像Siri這樣的個人助理就能不僅僅依靠背后的云端處理能力,還可以在”本地”擁有真正的數(shù)據(jù)理解能力。
從技術(shù)層面來看,AI賦能邊緣計算的形態(tài)主要體現(xiàn)在兩個層面:數(shù)據(jù)和算力。這些數(shù)據(jù)在處理時會消耗機器學(xué)習(xí)系統(tǒng)的大量算力,之后將數(shù)據(jù)信息送到?jīng)Q策系統(tǒng)中進行訓(xùn)練建模,之后推送到網(wǎng)絡(luò)邊緣進而采取行動。這一過程中,云端發(fā)揮的作用可能只是存儲,更重要的處理能力則通過邊緣的AI芯片來完成。通過引入機器學(xué)習(xí)技術(shù),原有網(wǎng)絡(luò)邊緣的工作負載也會被有效緩解。
總體來看,物聯(lián)網(wǎng)環(huán)境的愈發(fā)復(fù)雜使得邊緣計算的出現(xiàn)成為必然,在低時延、高響應(yīng)逐漸發(fā)展為邊緣場景的必備能力時,如何引入更多的智能元素就成了大家都在思考的問題,否則邊緣設(shè)備也只能是割裂的設(shè)備而已。