人工智能让边缘计算更有价值!

3月28日，在2018云栖大会·深圳峰会上，阿里云宣布2018年将战略投入到边缘计算技术领域，并推出了首个IOT边缘计算产品Link Edge,将阿里云在云计算、大数据、人工智能的优点拓宽到更靠近端的边缘计算上，打造云、变、端一体化的协同计算体系。

Link Edge的优点还体如今提高AI的实践效率，开发者可将深度学习的分析、训练过程放在云端，将生成的模型部署在边缘网关直接执行，优化良率、提高产能。

另外，今年1月，在美国装备有最新技术的卡车在美国从西向东自主行驶超过3800千米。完成这项壮举的独特技术组合完美地展示了边缘计算的力量。你是否熟悉边缘计算的概念及其含义？

边缘计算是容许咱们尽量靠近应用程序而且是一种从新定位数据处理的技术。

即便车上有一名操做人员来确保这项驾驶试验的安全，可是咱们不得不认可这辆普通的卡车，它已被添加了传感器和软件以完成此项任务。“Embark卡车”方法的显着特色在于，他们没有使用详细的路线图来指导他们自动驾驶系统，而是考虑采用另外一种方式来引导卡车。Embark彻底依靠车辆传感器和嵌入式机器学习算法收集的数据。

什么是边缘计算？

这项技术的特色是软件和硬件架构结合，其数据处理尽量接近他们的本体。它主要涉及物联网和移动计算，依赖于智能设备以及一些云。值得注意的是边缘计算的另外一个方面主要涉及在短期内处理价值特别重要的数据。

根据前面的例子，卡车传感器产生的数据在其搭载设备内处理。显然，卡车必须实时“看到”道路来相应地处理驾驶任务。

它必然须要先进的技术，包括低功耗传感器，RFID（射频识别），低成本电池供电，低成本数据通讯链路以及数据存储和计算系统。

下面这些评论有助于咱们更准确地评估关于边缘计算的关键之处，边缘计算让应用程序在获取数据的时间和地点以连续流的形式利用数据。这也带来了不少优点，其中就包括安全性、成本，由于数据不经过网络传输，也不存储在数据中心。

“边缘计算是为精简物联网设备提供实时本地数据分析的方法。”-布兰登巴特勒

分析

IDC表示到2019年，近50％的物联网建立的数据将被存储、处理、分析、并在网络边缘进行操做。

麦肯锡估计，到2025年，物联网应用的经济影响可能会从每一年3.9万亿美圆增加到11.1万亿美圆。他们举例说：“在2025年，经过远程监控改善慢性病患者健康情况的价值可能高达每一年1.1万亿美圆”。

Markets And Markets的一份新研究报告预计，边缘计算市场预计将从2017年的14.7亿美圆增加到2022年的67.2亿美圆，在预测期内复合年增加率超过35％。

Gartner的分析报告显示，目前，大约10％的企业生成数据是在传统的集中式数据中心或云以外建立和处理的，到2022年，Gartner预测这一数字将达到50％。

边缘计算的范围

根据麦肯锡的说法：“目前使用的物联网数据主要用于异常检测和控制，而不是优化和预测，这提供了最大的价值。”麦肯锡还指出，物联网设备产生的大多数数据（更准确的说来自边缘的智能系统）在今天没有利用价值。他们的分析使他们感到公司能够从这些数据的90％的经济价值中受益。在他们看来，能够充分利用边缘计算的主要领域包括：

家
办公室
工厂
零售场景
工地
城市/城市环境
汽车
虽然边缘计算有许多不一样的使用场景，但它们本质上依然与IoT紧密相关。最著名的例子多是自动驾驶汽车和智能手机。然而，包括通用电气数字在内的最大的创新型工业公司多年来一直致力于此工做，主要是在工业物联网（IIoT）的背景下。一样，愈来愈多的智能城市项目正在蓬勃发展遍及涉及物联网和AI技术，好比阿里云巴正在打造智慧杭州，其中这些场景都离不开边缘计算。

到2020年，全球可用存储容量将可以存储数字世界中不到15％的数据量。——IDC

根据IDC进行的“数字宇宙”研究，全球数据将在将来两年内攀升超过40 ZB，其中物联网领域占10％。很容易看出为何工业界对IIoT和边缘计算有着极大的兴趣。

边缘计算有不少潜在的用途，但工业领域的典型用例已经有了不少：

预测性维护；
能效管理；
智能制造（生产模式的定制）；
灵活的设备更换（快速部署新流程和新模型）；
低/间歇性链接（机器看法与启动之间的闭环交互）；

人工智能使边缘计算达到新的水平

在边缘计算有三个方面能够充分利用人工智能：

1.无人驾驶汽车

无人驾驶汽车无疑是将来的“头牌”，无人驾驶生态系统包括软件开发，硬件制造商，应用开发商，数据科学家，汽车制造商，传感器制造商等。他们正在聚集技术和专业知识，以实现自动驾驶能力。他们依靠应用程序和算法来赋予装备车辆的传感器获取的数据。例如，他们致力于开发和完善处理传感器数据的AI算法，以让车辆作出即时决策，例如紧急停车。而边缘计算则是无人驾驶汽车不可缺乏的技术之一。

2.机器人技术

在这个领域有两大类：一个是机器，另外一个是软件自动化。关于软件自动化（AKA机器人过程自动化），请参阅做者的文章AI如何将机器人过程自动化带入下一阶段。

当咱们谈到机器人时，为了让他们在工做区域高效运行，除了机器人的功能（例如，移动沉重的负载并在复杂的危险环境中工做）外，他们必须还须要得到重要功能的受权，其中可能包括机器视觉、语音识别和复杂的决策算法。

真正的挑战在于让机器人在人类环境中工做，同时又要确保人类同事的安全。而事实是人类会犯错误，他们可能会有不稳定的行为，他们会违反或误解安全规则。

3.维护和监测

虽然物联网长期以来一直涉及不少场景，但拥有AI算法处理边缘的传感器数据为维护和监控的过程提供了另一种可能。预测性维护对于航空公司来讲是很是重要的，因此它变成了一项航空公司很是重视的服务。工业企业面临的下一个挑战是增强预测性维护，以改进流程，缩短上市时间，减小停机时间，节省资金，甚至挽救企业生命。

这是Edge Computing AI能够发挥重大做用的一个领域。不管是客机，运输卡车仍是汽车，机器的质量不只取决于它的效率，还取决于它的可靠性。

为了确保机器的可靠性，咱们须要改进维护流程。安排像飞机这样复杂的机器的维护多是一场噩梦。例如，空A380拥有约700万个零件。然而真正的挑战在于找到维护应该继续的很是恰当的时刻。它必须以不会过早更换的方式进行，但同时不会失败。回答业界最紧迫的问题须要结合传感器数据、机器学习算法和高级模型。

结论

随着乔恩·马克曼正确地指出，你如今必须清楚，云计算出现以前包括移动从本地数据库到数据中心的数据-大多数计算确实发生在网络的边缘。

事实上，今天彷佛很清楚，技术发展数据量增长，实时数据处理的需求以及智能设备，传感器和相关事物日益复杂和普遍的可用性致使了边缘计算的出现的必然。

本文做者：【方向】

阅读原文

本文为云栖社区原创内容，未经容许不得转载。