本文来自人工智能与物联网，作者/chris han。
随着企业寻求可以根据不断变化的业务需求进行扩展和缩减的计算和存储资源，云的采用率急剧上升。但即使考虑到云计算的成本和敏捷性优势，人们对另一种部署模型的兴趣也越来越高——边缘计算，即在数据源处或附近进行的计算。它可以支持新的用例，尤其是对现代商业成功至关重要的创新人工智能和机器学习应用。
在《麻省理工科技评论》(MIT Technology Review)主办的“未来计算”(Future Compute)大会上，三位工业技术专家表示，这一优势的前景在于数据。具体来说，无论是工厂、自动驾驶汽车还是智能建筑系统，都需要收集、处理和分析最接近数据产生地点的数据。
直接在边缘数据上运行人工智能模型，而无需将工作负载转移到云上，这一能力减少了延迟和成本。专家们一致认为，最重要的是，这是开启实时洞察的关键，能够将领导者与落后者区分开来。
企业开始认识到边缘计算在推动成功的数据驱动业务转型中可以发挥的作用。Gartner估计，虽然2018年只有10%的企业数据是在数据中心和云之外创建和处理的，但到2025年这一数字将达到75%。
市值30亿美元的运动控制解决方案公司Moog Inc.的首席技术官George Small表示，他看到边缘应用取得了显著的进步。
“这是真实的用例。我们现在看到的是哪里在创造价值。”他说。“它实际上正在显着提高生产力。”
边缘与云的融合
随着数据驱动业务的发展，企业需要创建一个包括边缘计算和云计算的IT环境。在边缘收集和分析的数据可以启动实时响应，以排除工业设备故障，防止机器停机，或重新引导自动驾驶汽车免受伤害。
与此同时，来自机器或车辆的设备数据可以被发送到云端，并与其他数据聚合在一起进行更深入的分析，从而推动更明智的决策和未来的商业战略。
Small说：“连接性已经达到了一个基准点，它正在为智能边缘的想法提供支持。”“智能从边缘的感知水平开始，延伸到系统的网络系统，最终到达云。我们认为这是一个连续体。”
边缘发挥作用的应用
Small表示，穆格正在为各种应用试验边缘计算。在农业领域，该公司将边缘功能和机器学习识别用于杏仁和苹果种植，帮助收割设备自主导航地形并提高作物产量。二人在建筑方面，穆格的边缘和基于人工智能的自动化工作主要集中在材料移动上——例如，将挖掘机的一部分变成机器人平台以实现自动化。
Small还表示，持续的劳动力和生产力挑战促使穆格在农业领域尝试基于边缘的自动化。
“有些情况下，你没有那么多结构化的环境，或者人们需要与实际的工作场所互动。”“这就是我们对边缘定义的介绍。我们是从自动驾驶汽车的角度出发的。
另一个潜在的用例结合了边缘计算、3D打印和区块链来协调备件的按需、就地输出。Small说，航空航天和国防等行业的穆格客户可以在现场为关键设备制造备件，使用区块链作为验证部件的供应和完整性的手段。
将加热、冷却和空气过滤系统连接到边缘设备可以创建一个智能网络，促进数据共享，并在更接近影响最大的地方做出更明智的决策。
Sharma说：“您正在构建一个系统系统并进行正确的计算，您需要有一个公共网络，可以在几毫秒内共享数据并在边缘级别做出决策”。
边缘部署的最佳实践
小组成员概述了一些最佳实践，可以帮助企业确定边缘部署的正确选项，同时避免一些更常见的部署挑战。
将计算能力转移到数据所在的位置。确定边缘或云是否最适合特定工作流或用例可能会导致分析瘫痪。然而事实是这些模型是互补的，而不是竞争的。
Akamai执行副总裁兼首席技术官Robert Blumofe说：“一般的经验法则是，将计算转移到数据上要比反之好得多。”“通过这样做，您可以避免回程传输，这会损害性能并且成本高昂。”
考虑一个电子商务应用，它可以协调搜索产品目录、根据历史记录提出建议或跟踪和更新订单等操作。
“在云数据仓库或数据湖中存储数据的地方进行计算是有意义的，”Blumofe说。另一方面，边缘适用于对动态数据进行计算——例如，分析流量以支持安全操作。
进行大量的实验。边缘计算仍处于早期阶段，大多数企业都处于成熟曲线的起点，评估模型如何以及在何处产生最大影响。然而，能力正在迅速提高，企业不能袖手旁观。
“你真的需要开始推动，因为要创造价值，”Small说。“你必须在外面寻找新的机会——你不仅仅是想出来，你必须找到它们。”
不要忽视投资回报率。Moog's Small指出，支持边缘的自动化可以帮助企业以更少的劳动力做更多的事情，并让人们腾出时间去做更高附加值的工作。但除了那些明显的一阶生产力提升之外，边缘自动化还有其他更难以量化的好处，包括可复制性，他说。
