邊緣計(jì)算是什么？
近年來，物聯(lián)網(wǎng)設(shè)備數(shù)量呈線性增長趨勢(shì)。根據(jù)艾瑞測(cè)算，2020年，中國物聯(lián)網(wǎng)設(shè)備的數(shù)量達(dá)74億，預(yù)計(jì)2025年突破150億個(gè)。
同時(shí)，設(shè)備本身也變得越來越智能化，AI與互聯(lián)網(wǎng)在實(shí)際應(yīng)用中的融合，將推動(dòng)我們步入“萬物互聯(lián)”時(shí)代，由此產(chǎn)生的數(shù)據(jù)也將發(fā)生爆炸式增長。
在過去的十年中，云計(jì)算已經(jīng)成功地緩解了由于數(shù)據(jù)量增加而帶來的存儲(chǔ)和管理問題，但復(fù)雜的網(wǎng)絡(luò)環(huán)境使得網(wǎng)絡(luò)延遲控制難以實(shí)現(xiàn)突破性的進(jìn)展。
因此，傳統(tǒng)的云計(jì)算無法滿足對(duì)響應(yīng)時(shí)間和安全性的高要求。以無人駕駛汽車為例。高速行駛的汽車需要在幾毫秒內(nèi)作出反應(yīng)。一旦由于數(shù)據(jù)傳輸、網(wǎng)絡(luò)問題等原因?qū)е孪到y(tǒng)響應(yīng)時(shí)間增加，將會(huì)造成嚴(yán)重的后果。
此外，云計(jì)算還面臨帶寬不足的問題。如果將邊緣設(shè)備產(chǎn)生的大量數(shù)據(jù)全部傳輸?shù)皆朴?jì)算中心，將給網(wǎng)絡(luò)帶寬帶來巨大壓力。
例如支持智能駕駛輔助的汽車，每秒鐘可以產(chǎn)生幾十至數(shù)百M(fèi)B的數(shù)據(jù)，在大流量的交通場(chǎng)景中，成百上千臺(tái)車的數(shù)據(jù)同時(shí)上傳云端通訊，會(huì)對(duì)區(qū)域帶寬產(chǎn)生比較大的占用，發(fā)生延遲甚至擁堵。
在這個(gè)應(yīng)用環(huán)境中，邊緣計(jì)算應(yīng)運(yùn)而生。結(jié)合現(xiàn)有的云計(jì)算集中處理模型，可以有效解決云中心和網(wǎng)絡(luò)邊緣的大數(shù)據(jù)處理問題。
邊緣計(jì)算是云計(jì)算的補(bǔ)充和優(yōu)化。如果說云計(jì)算是“云端”集中處理數(shù)據(jù)，那么邊緣計(jì)算可以理解為在邊緣、靠近終端(如屏幕、傳感器等智能設(shè)備)的地方進(jìn)行數(shù)據(jù)處理。在許多情況下，邊緣計(jì)算和云計(jì)算是一種共生關(guān)系。
有一個(gè)生動(dòng)的解釋。把云計(jì)算和邊緣計(jì)算理解為章魚的器官似乎更容易。
作為自然界中智商最高的無脊椎動(dòng)物，章魚擁有“概念思維”的能力，這與兩種強(qiáng)大的記憶系統(tǒng)密不可分。一個(gè)是大腦記憶系統(tǒng)，它有5億個(gè)神經(jīng)元，另一個(gè)是8個(gè)爪子上的吸盤。
換句話說，章魚的八條腿可以思考和解決問題。云計(jì)算就像章魚的大腦，而邊緣計(jì)算就像章魚的小爪子。爪是靠近實(shí)際物體的一個(gè)小型計(jì)算機(jī)房。邊緣計(jì)算離設(shè)備更近，離用戶更近。
邊緣計(jì)算的優(yōu)勢(shì)
因?yàn)樵诎延?jì)算放在了邊緣（用戶端），所以讓邊緣計(jì)算也具備了特殊優(yōu)勢(shì)：
降低帶寬壓力：邊緣計(jì)算機(jī)可以處理部分臨時(shí)數(shù)據(jù)，只需要向云端傳輸有價(jià)值的數(shù)據(jù)，不需要全部上傳，這大大降低了網(wǎng)絡(luò)帶寬壓力，降低了對(duì)計(jì)算和存儲(chǔ)資源的需求。
延遲更低：靠近數(shù)據(jù)源頭計(jì)算可以大大減少系統(tǒng)延遲，提高響應(yīng)時(shí)間。
經(jīng)濟(jì)性高：如果應(yīng)用程序完全依賴云計(jì)算，即使從技術(shù)角度可以解決帶寬和延遲問題，但使用邊緣計(jì)算的成本可能會(huì)更低。
可靠性高：終端到云端的網(wǎng)絡(luò)連接很難做到100%可靠穩(wěn)定，但應(yīng)用程序需要確保正常運(yùn)行。在這種情況下，必須使用邊緣計(jì)算。例如駕車通過隧道時(shí)，網(wǎng)絡(luò)中斷，你肯定不希望自動(dòng)駕駛因?yàn)閿嗑W(wǎng)而失靈。
隱私保護(hù)：盡管云計(jì)算會(huì)進(jìn)行數(shù)據(jù)脫敏處理，但考慮到隱私問題，仍然有許多應(yīng)用程序需要在本地處理。邊緣計(jì)算為關(guān)鍵隱私數(shù)據(jù)的存儲(chǔ)和使用提供了便利，提高了數(shù)據(jù)的安全性。
因?yàn)檫@些優(yōu)點(diǎn)，讓邊緣計(jì)算在近些年逐漸成為物聯(lián)網(wǎng)的重要技術(shù)，并保持快速上漲的趨勢(shì)。
邊緣AI又是什么？
邊緣計(jì)算是一個(gè)連續(xù)迭代更新的概念，不同技術(shù)的融合使得邊緣計(jì)算的核心不斷創(chuàng)新。例如，人工智能和神經(jīng)網(wǎng)絡(luò)在邊緣端的應(yīng)用，也為“邊緣AI”的落地提供了助力。
得益于云服務(wù)器廣泛的數(shù)據(jù)計(jì)算能力，人工智能和機(jī)器學(xué)習(xí)領(lǐng)域取得了巨大進(jìn)展，更全面的人工神經(jīng)網(wǎng)絡(luò)誕生，可以解決更復(fù)雜的任務(wù)。
隨著網(wǎng)絡(luò)架構(gòu)和工具對(duì)嵌入式系統(tǒng)的不斷適應(yīng)和兼容，越來越多的人工智能應(yīng)用也可以直接運(yùn)行在邊緣設(shè)備上，因此“邊緣AI”成為人們討論的熱點(diǎn)。
邊緣AI是指在硬件設(shè)備無需網(wǎng)絡(luò)連接就能在本地處理數(shù)據(jù)的AI計(jì)算能力。邊緣AI計(jì)算機(jī)可以通過云上生成的深度學(xué)習(xí)數(shù)據(jù)，在數(shù)據(jù)的源頭，即邊緣端的設(shè)備上進(jìn)行模型推理和預(yù)測(cè)。
NVIDIA邊緣AI芯片
目前，世界上還沒有邊緣AI的標(biāo)準(zhǔn)架構(gòu)和統(tǒng)一算法，但各大廠商已經(jīng)開始在相關(guān)領(lǐng)域進(jìn)行探索。在邊緣AI芯片領(lǐng)域英偉達(dá)率先發(fā)力，谷歌與英特爾在后方緊追不放。
而亞馬遜、微軟等傳統(tǒng)云服務(wù)提供商也紛紛推出了邊緣AI服務(wù)平臺(tái)，通過在終端設(shè)備上運(yùn)行預(yù)先訓(xùn)練好的模型進(jìn)行機(jī)器學(xué)習(xí)推理，將智能服務(wù)推向了邊緣設(shè)備。
邊緣AI與5G的關(guān)系
邊緣AI與5G可以說是相輔相成。
5G誕生之初規(guī)劃了三種場(chǎng)景：eMBB（增強(qiáng)移動(dòng)寬帶）、mMTC（海量機(jī)器類通信）和uRLLC（超可靠低時(shí)延通信）。其中，eMBB應(yīng)用于超清視頻等大流量業(yè)務(wù)，mMTC應(yīng)用于大規(guī)模物聯(lián)網(wǎng)業(yè)務(wù)，uRLLC應(yīng)用于如無人駕駛、醫(yī)療、工業(yè)自動(dòng)化等需要低時(shí)延、高可靠連接的業(yè)務(wù)。
5G進(jìn)一步提高去中心化，在網(wǎng)絡(luò)邊緣部署小規(guī)?；蛘弑銛y式數(shù)據(jù)中心，對(duì)終端請(qǐng)求進(jìn)行本地化處理，滿足uRLLC和mMTC的超低延時(shí)需求，因此邊緣AI是5G核心技術(shù)之一。
邊緣AI可以解決5G三大場(chǎng)景所面臨的問題。
首先，邊緣AI計(jì)算機(jī)將為新的和現(xiàn)有的邊緣端設(shè)備提供連接和服務(wù)；
第二，盡管5G可為基于云的應(yīng)用提供更快的連接和更低的延遲，但仍然會(huì)產(chǎn)生數(shù)據(jù)處理和存儲(chǔ)的成本。混合邊緣AI+5G解決方案將降低這些成本。
最后，邊緣AI允許更多的應(yīng)用程序在邊緣運(yùn)行，減少了數(shù)據(jù)傳輸速度和帶寬限制造成的延遲，在邊緣端本地執(zhí)行數(shù)據(jù)分析，分擔(dān)云端的工作。
5G和邊緣AI在一定程度上是互補(bǔ)的。一方面，得益于5G自身的發(fā)展，直接推動(dòng)邊緣AI的進(jìn)步。另一方面，由于5G對(duì)物聯(lián)網(wǎng)的促進(jìn)，也將間接推動(dòng)邊緣AI的發(fā)展。
這就是邊緣AI與5G的關(guān)系與現(xiàn)狀。未來，通過邊緣AI與5G的不斷深化融合，會(huì)有更多新的概念和新的誕生，讓科技帶來更好的生活。
