當智能從雲端蔓延到邊緣 如何淘到金礦？

隨著越來越多的工作負載出現在雲端，以及物聯網等新技術走進生產和生活，對於本地的處理能力提出了額外的需求。Gartner曾在一份報告中宣稱，邊緣計算正在「吃掉」雲。EdgeComputing（邊緣計算）的理念並不新鮮，只不過現在出現在了越來越多的應用領域，像微軟就在與美國超市品牌Kroger借助智能雲和邊緣的技術打造「智慧商店」，並已經對各自總部附近的零售店進行了改造。

當智能從雲端蔓延到邊緣 如何淘到金礦？（圖片來自allen）

據了解，雙方的合作範圍涉及智能貨架、終端設備、門店購物效率、定價、補貨、廣告投放轉化等方面。以「數字化貨架系統（EDGE）」為例，其利用數字貨架螢幕取代了紙質價格標籤，可以顯示商品促銷等信息。

目前，這套系統已經部署在美國的數十家Kroger連鎖店。與傳統貨架需要人工張貼紙質價簽、條碼等信息相比，運行在Azure平台的新系統能夠在數分鐘內更新兩萬條價格信息。

舉個例子，如果消費者想購買某個品牌的意面醬料，那麼當其走到這個意面醬料所在貨架的時候，貨架系統就會發出提示信號，對於一些拜訪數十種醬料品牌的貨架來說，無疑可以提升不小的選購效率。除了EDGE，改造的系統還包括導購體驗、個性化廣告等。客戶可以通過克羅格應用提前生成購物清單，應用會指導他們在商店選購商品。

根據NetApp給出的一項數據顯示，亞太地區預計到2020年將擁有86億台物聯網（IoT）設備，並到2025年成為全球5G網路規模最大的地區，5G連接數量將達到6.75億。要想充分利用由此產生的海量數據，企業必須具備在邊緣處理數據的能力，才能快速獲得洞察力並做出實時決策。因此，IoT設備和應用程序將越來越多地內置數據分析和數據精簡等服務，從而更合理、更快速、更智能地決定哪些數據需要立即處理，哪些數據需要發送回核心或雲中，甚至哪些數據可以被丟棄。

對於製造業來說，將從更智能的邊緣設備中獲益匪淺。利用IoT設備在邊緣處理數據，製造商可以通過檢測設備故障的早期跡象來做到預測性維護，這有助於防止那些妨礙生產的故障發生或進行不必要的維護檢查。

和利時研發的自動化系統支持著全球25000台套工業系統設備的日常運行，覆蓋中國高速鐵路、地鐵經營和核電、火電廠自動化控制等市場。要對全球2萬多台套系統設備進行系統的管理與維護絕非易事，按照傳統方式，這需要消耗大量人力、物力、精力實施現場服務、巡檢和定期維護。

快速發展的業務和不斷增加的客戶，帶來了不斷增長的現場服務需求，隨之而來的還有不斷增長的服務規模和投入，以及相應激增的管理、溝通、協調等等的一系列問題。此外，現場服務的傳統方式效率較低，現場技術人員在發現疑難問題後，往往需要與總部進行反復的技術溝通，再加上設備零件替換等所花費的時間，常常需要設備停工檢修。

對於裝備生產線、發電廠這樣的大規模企業來說，生產暫停就意味著巨大損失。以熱電廠中的一台鍋爐設備為例，維修本身也許只要幾個小時，但前期等待鍋爐冷卻、後期重新上水加熱，都需要較長的時間，前前後後至少要停產一周——對於日發電量數千萬度的發電廠來說，這造成的直接經濟損失已經相當驚人了。

顯然，最大限度地避免計劃外停機，提高經營維護效率，加快維修反應速度，是和利時要解決的核心問題，這就需要借助雲計算、物聯網技術打造遠程實時巡查和診斷、技術專家遠程服務，構建一套工業自動化控制平台，

整體來看，雲計算服務最多的還是設備端，物聯網則是連接這些端的關鍵橋梁，無論是之後衍生出的移動邊緣計算還是移動雲計算，都在將重心引到端上，而不是將精力”浪費”在傳統的IaaS或PaaS端。因此，雲服務商在處理工作負載時仍將遵循”大智能”在雲端，”小智能”在邊緣的原則，但長期來看產業上下遊圍繞邊緣場景打造智能化的解決方案已成必然趨勢。

根據Metcalfe’s Law，網路價值和用戶數的平方是成正比的，當越來越多的人和智能的物連接在一個網路上，會讓整個網路增值。調研機構預計，未來79%的物聯網流量將通過網關接入，50%的網路流量將來自物聯網，而物聯網將貢獻超過500億的連接。與此同時，每個人、每個物體在每天所產生的數據量也將是當前的2000倍。巨大的商機由此而來，不止為管道商，更是為上遊晶片商和服務商。

此外，消費者的使用感受才是邊緣計算的主導，而不是企業，這就使得雲服務商的設計邏輯需要調整。舉個例子，大家都知道手將要碰到火的時候趕緊把手伸回來，不會等到被燙傷再反應，這就涉及到了響應延遲。邊緣計算，顧名思義就是在數據源一側完成運算，完成運算的設備既可以是智能家電，也可以是PC、移動手機，甚至是錄影頭，通過局域網即可做到。此時，邊緣計算也充當了信息調度的角色。

當然，邊緣計算更大程度上只能是雲計算的補充，要說取代未免偏頗。為什麼？第一，IT複雜度的演進使得異構化數據逐漸增多，這在處理性能上對計算平台提出了考驗，如何讓「冰箱聽懂空調說的話」，還需要在架構層面完善；第二，邊緣計算到底有多智能，至少目前看距離智能雲還有差距，大規模集中化的數據融合了多種算法，為應用做到帶來了多可能性；第三，邊緣計算的相關行業標準尚有缺失，ECC聯盟只是個開始，商業化應用仍需探索。

無論是在雲端運算和處理數據，還是利用人工智能來訓練數據，大規模的數據處理都離不開強大計算能力的支持，後者也是加速產業數字轉型並創造智能服務的重要保障。如今，在邊緣做到智能化已經成為英特爾、微軟、思科這些科技巨頭的共識，但是深入到像工業、能源、製造等領域的實際場景中，要想做到真正的「邊緣智能」有著不小的挑戰。筆者曾採訪過英特爾數據中心集團副總裁兼雲服務供應商集團總經理RaejeanneSkillern認為，平台的戰略視角、豐富的軟硬件工具，以及開放式的合作理念缺一不可。

事實上，很少有企業或者方案供應商能夠把從雲一直到邊緣的一段、一段的方案連接得很好，這是非常難的。這也是為什麼英特爾收購了Movidius，因為現在的邊緣還不夠智能化，我們一直在加強對邊緣的投入。邊緣把很多事情處理完後再到雲端處理，雲和邊緣的配合可以降低帶寬成本和需求，把方案推到更接近客戶的層面。因此，如何從智能雲向智能邊緣延伸，這是上下遊廠商都在思考的問題，期間離不開晶片廠商、雲服務商、解決方案商的共同努力，只有這樣才能將邊緣計算的紅利發揮到最大值。