IoT的Edge优势最优化，你在做吗？

在边缘生活 

将计算和分析放在创建数据的附近可以为工业物联网提供通用和可扩展的基础 

物联网（IoT）已成为我们日常生活的关键推动力。无论是工作、休息还是娱乐，通过互联网无缝通信的智能设备的部署已融入现代生活的方方面面，如今已变得无所不包，以至于我们很少会再考虑一下。 

实际上，随着物联网的激增，需要连接的“事物”的数量持续增加。根据Strategy Analytics最近的一份报告 ，到2025年，将有超过380亿台设备连接到互联网，到2030年，这一数字将增加到500亿。  

但是存在一个问题，即物联网冒着成为其成功受害者的风险。随着部署变得更加多面化，并且组织越来越依赖数据破坏新的业务模型、可扩展性、灵活性和可管理性成为更重要的考虑因素。例如，如何能够处理越来越大的流向互联网的数据流而不会受到诸如延迟之类问题的阻碍？在无法稳定可靠地获得蜂窝连接的情况下会发生什么？答案越来越多地取决于更加分布式的计算拓扑，该拓扑消除了对集中式基础设施的依赖，并将实时计算和分析推向了边缘。 

在边缘定义物联网 

因此，让我们仔细研究边缘计算，特别是与物联网相关的边缘计算。在最上层，边缘通常用作一个短语，指已连接空间的末端，数据在那里生成或使用。在某些情况下，这可能被视为高速连接和高带宽计算可用性的最后一点，例如互联网网关设备。但是，在工业物联网世界中，越来越多的边缘更可能位于放置电池供电或能量收集传感器或执行器的远程位置，从而使用某种形式的长距离、超低功耗无线技术整理并向云端发送操作数据。在这里，边缘基础设施的使用引入了一定程度的本地自治，它提供授权权限来控制定义的操作参数内的特定功能，同时还提供运行多个应用程序的环境，而无需持续的云连接。因此，边缘极大地提高了灵活性和敏捷性。 

GSMA最新的物联网边缘计算的机会和用例报告确定了许多实施的几个主要好处，边缘部署的潜力已十分明显。这些包括： 

• 低延迟：通过将计算和数据存储放置在离现场设备更近的地方，通信往返时间较短，从而减少了等待时间。 
• 物联网设备的电池寿命更长：随着通信信道开放时间缩短，电池供电的物联网设备的电池寿命得以延长。 
• 访问数据分析和AI：边缘处理能力和数据存储可以全部结合起来支持原位分析和AI。这需要快速的响应时间，其中涉及到处理“实时”数据集的过程，这些数据集太大而无法传输到集中式系统。 

这些类型的性能优势意味着采用边缘计算可能会在医疗保健、零售、汽车、公用事业和物流等众多行业中创造大量机会。麦肯锡认为这将是一笔大生意，并预测到2025年其硬件价值将超过2000亿美元。因此，无论是对于电子产品供应商还是从能够从其交付的新机会中受益的企业，了解边缘的潜力都变得至关重要。 

寻找边缘 

那么，可能生成或使用数据的边缘在哪里？在工业物联网中，它可以是传感器、执行器或各种其他嵌入式设备，它们位于各种各样的位置，例如工厂、海上平台、水处理厂或道路上的车辆。实际上它可以在有要求和能力执行数据处理并将信息转换为可操作见解的任何地方，通常在实时环境中。 

然后，从边缘开始，典型的架构将包括通过使用各种现场协议（例如蓝牙、Zigbee和WiFi）与物联网网关进行通信，然后最终与物联网云平台进行通信。在许多情况下，所需的分析在云端执行。但是随着处理和存储技术小型化步伐的加快，这种密集型计算也正在原位进行，在边缘外面，以提供更快、更可靠的见解，而无需始终在线的云连接。 

这种基础设施已经得到广泛使用并且很好理解。但是仍然存在一些技术和操作障碍。就实施障碍而言，安全性可能是最大的问题。乍看之下，边缘基础设施的更复杂和相互关联的性质将使其似乎更容易在最脆弱点受到恶意软件入侵等事件的攻击。但是，许多先进的安全工具和技术（例如强大的身份管理和身份验证）可以有效地应用，同时可以通过安全的传输链接来执行固件更新。由于针对单个节点的恶意意图影响降低，边缘使任何攻击都难以破坏整个物联网网络，并且架构的分布式性质使得更容易在进一步破坏之前关闭受到破坏的部分。 

另一个潜在障碍是为边缘建立可靠的业务案例并准确识别投资回报。由于企业希望通过将数据处理推离集中式平台来实施边缘部署，需要对网络进行大量投资。但是改变等于风险–有效的边缘需要一个结构严谨、渐进的实施方法，要求对一系列关键要素进行全面评估。这些包括现有的遗留基础设施，例如工业控制、连接、分析，以及通过应用人工智能实现自动化的潜力。简而言之，边缘物联网应视为演化，而不是革命，它使企业有信心以最适合他们的速度取得进步。 

在边缘的物联网应用 

那是边缘物联网的基本理论 - 但是现实呢？边缘开始在哪些行业推动实际业务变化？麦肯锡公司在其报告‘新需求，新市场：边缘计算对硬件公司意味着什么'中确定了100多个边缘计算用例，该列表可能已经超出您的想象。绝大多数涉及实时决策的需求，该报告承认以下事实：许多新应用程序可能需要在有限或间歇的连接下运行，并且设备上需要足够的计算能力。尽管不可能完全概述所有行业的边缘机会，但值得注意的是一些重要的商业化热点： 

自动驾驶汽车–未来的自动驾驶和联网智能汽车可能是物联网在边缘的最明显应用。在这里，可以实时收集和分析多种板载车辆传感器接收的数据并安全、可靠地做出反应。优势当然是速度：即使使用5G和无处不在的云计算连接，也将有一些对安全性至关重要的实时应用，即使它们随时随地可用，也不能依赖于跨蜂窝网络的数据传输。智能的板载边缘计算消除了无人驾驶汽车的延迟问题，为在靠近数据源的地方做出准确、快速的决策提供了基础。 

边缘将为自动驾驶汽车等先进技术提供动力 

面部识别 - 生物特征识别技术对于执法机构而言是日益重要的技术，如今面部识别技术已成为基于视频的监控、访问控制和许多其他方案的主要推动力。从历史上看，从机场航站楼或火车站传来的视频流会转发到高性能后端（例如云）进行处理 - 但这在使用大量传感器且客流量较大的情况下需要较高的网络带宽。但是，通过将边缘计算部署用于图像的预处理和过滤，云端的面部识别引擎可用于仅识别质量最好的关键帧，从而减少计算经费并提高系统可靠性。 

预测性维护–公用事业、铁路、石油和天然气以及建筑等行业的工业资产通常复杂且多种多样，并且分布在较大的地理区域中 - 往往连接质量较差。因此，监视这些设备可能是一项艰巨的任务，因为基于云的数据处理既昂贵又不可靠。通过将智能推向边缘，原位分析可以导致数据包小得多的更相关的传感器数据的传输，从而减少需要通过网络发送的信息量。这样可以更有效地利用网络资源，同时节省云计算成本。它还提供更广泛的资产监控和部署的可能性，降低出于分析目的的互联网连接的重要性。最终，可以部署边缘以支持信息更多的维护方案，从而鼓励实施真正的预测方法。    

质量控制–许多制造商在努力满足客户对更低价格、更短交货时间和更好选择的期望方面承受着令人眼花缭乱的压力。因此，面临的挑战是在不牺牲质量的前提下满足这些需求。如今，比以往任何时候都更先进的视觉系统被用于自动化装配检查，从而减少对手动检查的依赖。但是随着图像质量的提高，从视频系统产生的数据量也在增长，这使得图像的存储、处理和分析变得越来越繁重。这就是强大边缘计算的用武之地，特别是通过使用可分析视频流，识别质量异常并触发即时警报的深度学习算法。在边缘不通过肉眼而是实时执行此操作可以极大地改善质量控制并减少质量问题对生产线的影响。 

可穿戴设备–可穿戴技术的大多数应用与消费领域相关，例如FitBit等健身追踪器证明了一种鼓励更健康生活方式的流行手段。但是可穿戴设备在工厂车间中的作用越来越大，智能眼镜和虚拟现实耳机使工作人员可以执行免提任务，同时可以访问所需的所有信息。目前，大多数可穿戴设备的存储容量有限，它们依赖云端访问计算容量来完成艰苦的工作。但是，随着低功耗处理能力的不断发展，以AI为中心的边缘设备有潜力改善可穿戴设备的用户体验，从而提供更快、更令人印象深刻的可视化效果。这可能会增强可穿戴设备的多功能性，帮助他们在整个工业设施中找到更大的应用范围。 

边缘可能推动在工业设施中增加使用增强现实和虚拟现实。 

结论 

毫无疑问，边缘物联网将继续存在。确实，根据管理咨询公司高德纳提供的信息，到2025年，所有企业生成的约75%的数据将在传统的集中式数据中心或云端外部创建和处理。这代表着我们今天所处的巨大转变，并说明了边缘技术在一系列工业应用中提供更快、更通用的性能的潜力。随着连接的设备呈指数级增长，面临的挑战是以安全且具有成本效益的方式实施边缘部署，以使其发挥最大潜力。