邊緣計算：科技行業(yè)的下一個(gè)萬(wàn)億美元機會(huì )

即使云計算領(lǐng)域不斷采用新技術(shù)，越來(lái)越多的計算工作也將轉移到邊緣。發(fā)生這種變化的一個(gè)關(guān)鍵原因是：邊緣計算不是云計算的繼承者，而是技術(shù)覆蓋范圍的又一次擴展，代表了未來(lái)投資和增長(cháng)的一個(gè)絕佳機會(huì )。根據調研機構I

即使領(lǐng)域不斷采用新技術(shù)，越來(lái)越多的計算工作也將轉移到邊緣。發(fā)生這種變化的一個(gè)關(guān)鍵原因是：不是云計算的繼承者，而是技術(shù)覆蓋范圍的又一次擴展，代表了未來(lái)投資和增長(cháng)的一個(gè)絕佳機會(huì )。根據調研機構IDC公司的調查，到2025年，物聯(lián)網(wǎng)設備數量預計將超過(guò)560億臺。

隨著(zhù)邊緣設備和計算技術(shù)的采用量持續飆升，很多企業(yè)需要在內部部署設施中處理來(lái)自這些設備中不斷增加的數據，以便能夠實(shí)時(shí)對數據進(jìn)行處理。這將需要對適應邊緣的基礎設施以及相關(guān)工具和平臺進(jìn)行投資。企業(yè)采用的技術(shù)即將再次轉型——在創(chuàng )建和使用數據時(shí)處理和分析一些數據正成為一項業(yè)務(wù)需求，就像將技術(shù)堆棧的其他部分移動(dòng)到云中一樣。

企業(yè)必須基于不斷更新的數據，通過(guò)邊緣設備提供更好的客戶(hù)體驗。而從云平臺或內部部署數據中心上傳和下載數據通常需要很長(cháng)時(shí)間。無(wú)論數據是在消費者的智能手機上還是在生產(chǎn)車(chē)間，企業(yè)都需要盡可能接近需要實(shí)時(shí)數據驅動(dòng)響應的邊緣來(lái)處理和分析數據。

提供這些功能的競爭已經(jīng)很激烈。許多供應商將邊緣計算視為他們的下一個(gè)價(jià)值萬(wàn)億美元的市場(chǎng)機會(huì )，這些供應商包括云計算服務(wù)提供商、電信運營(yíng)商，以及服務(wù)器和存儲基礎設施提供商。

為什么采用邊緣計算

邊緣計算已經(jīng)以各種形式存在了幾十年。例如，在工廠(chǎng)使用的設備上部署獨立軟件的例子數不勝數，這些設備使制造過(guò)程的各個(gè)方面實(shí)現自動(dòng)化。近年來(lái)，其中許多系統已連接到互聯(lián)網(wǎng)，使企業(yè)能夠更容易地收集和共享數據?，F在的挑戰是，在邊緣生成的數據量往往超過(guò)了通過(guò)廣域網(wǎng)(WAN)傳輸該原始數據的實(shí)際程度，企業(yè)需要能夠在網(wǎng)絡(luò )邊緣處理和分析大量數據的平臺。然后，在邊緣平臺上處理的數據的聚合結果可以更高效地與云平臺中、內部部署IT環(huán)境甚至網(wǎng)絡(luò )本身中運行的其他應用程序共享。

低延遲要求是當今最大的挑戰。在許多情況下，在電信網(wǎng)絡(luò )邊緣的網(wǎng)關(guān)上運行的應用程序需要能夠在幾分之一秒內響應移動(dòng)計算應用程序的數據請求。在其他情況下，邊緣應用程序正在推動(dòng)自動(dòng)化工廠(chǎng)的運營(yíng)，需要動(dòng)態(tài)調整以適應在擴展企業(yè)邊緣處理的分析。

還有更高級的用例，其中包括為無(wú)人駕駛車(chē)輛實(shí)時(shí)處理計算機視覺(jué)數據的車(chē)載計算機和有望改變制造業(yè)的機器人應用。

硬件進(jìn)步使邊緣計算成為可能

低延遲網(wǎng)絡(luò )連接、高功率計算和大存儲需求的競爭需求正在推動(dòng)邊緣計算硬件的創(chuàng )新。例如，自動(dòng)駕駛汽車(chē)生產(chǎn)商特斯拉公司在其設備中添加了定制處理器，能夠預處理大量數據，執行機器學(xué)習推理以做出快速駕駛決策和預測，甚至對自動(dòng)駕駛車(chē)輛本身進(jìn)行一些深度學(xué)習模型訓練，然后將數據子集發(fā)送給中央系統進(jìn)行更多訓練。

今年早些時(shí)候，特斯拉公司推出了一款擁有60億個(gè)晶體管的核心處理器。該公司聲稱(chēng)，該處理器與在特斯拉ModelS、Model3和ModelX型號中采用的Nvidia GPU相比，其性能提高了21倍。除了AMD公司和Intel等傳統CPU供應商的CPU之外，這些功能強大的處理器還用于信息娛樂(lè )等主流應用中。

憑借這種邊緣計算能力，特斯拉公司的自動(dòng)駕駛汽車(chē)可以處理傳感器數據，使其能夠識別自動(dòng)駕駛汽車(chē)周?chē)男腥?、道路上的其他?chē)輛、緊急路旁標志和潛在危險的移動(dòng)物體。該傳感器數據還通過(guò)預加載的地圖數據和GPS連接進(jìn)行處理。此外，特斯拉自動(dòng)駕駛汽車(chē)中計算機通過(guò)特斯拉的網(wǎng)絡(luò )將信息傳遞到海量存儲設施，在那里對數據進(jìn)行分析，以改進(jìn)自動(dòng)駕駛和其他功能，然后通過(guò)網(wǎng)絡(luò )將對車(chē)輛軟件堆棧的改進(jìn)下載到自動(dòng)駕駛車(chē)輛上。

醫療保健是一個(gè)對高級機器學(xué)習設備和軟件有著(zhù)類(lèi)似需求的行業(yè)。來(lái)自磁共振成像(MRI)和其他具有推理計算能力的掃描設備部署在多個(gè)地點(diǎn)的圖像也需要類(lèi)似于特斯拉汽車(chē)所需的計算能力和網(wǎng)絡(luò )基礎設施。然而，大多數醫院并沒(méi)有興趣或資金來(lái)構建自己強大的邊緣計算硬件，并且沒(méi)有技術(shù)供應商的技術(shù)能力。

隨著(zhù)半導體電路技術(shù)的發(fā)展，對于業(yè)務(wù)更廣泛的企業(yè)而言，以節能的方式在邊緣運行應用程序的能力變得更加現實(shí)。隨著(zhù)處理器的每次新迭代，邊緣平臺的總成本將繼續下降，而可用于運行應用程序的設備功率也在穩步增加。

邊緣網(wǎng)絡(luò )

無(wú)論在邊緣處理和分析了多少數據，龐大的數據量都會(huì )對網(wǎng)絡(luò )帶寬產(chǎn)生更多需求，從而產(chǎn)生潛在的瓶頸。一個(gè)主要瓶頸是回程——邊緣設備與中央服務(wù)器和網(wǎng)絡(luò )之間的延伸。未來(lái)的邊緣網(wǎng)絡(luò )基礎設施可能包括5G、更強大的WiFi連接和設備、低延遲菊花鏈系統、光纖系統(例如谷歌正在開(kāi)發(fā)的光纖系統)、衛星連接，以及有待開(kāi)發(fā)的技術(shù)的組合，但有一件事是肯定的：數據量的增長(cháng)速度快于網(wǎng)絡(luò )帶寬。

如今，企業(yè)可以選擇在幾種可用的有線(xiàn)和無(wú)線(xiàn)網(wǎng)絡(luò )替代方案中連接邊緣平臺。涉及邊緣計算的用例數量正在增加，其部分原因是無(wú)線(xiàn)5G網(wǎng)絡(luò )使跨多個(gè)互連邊緣平臺共享數據成為可能。例如，員工佩戴增強現實(shí)耳機，不僅可以與本地同事共享數據和分析，還可以與數百公里之外的同事共享數據和分析。

隨著(zhù)電信運營(yíng)商繼續虛擬化用來(lái)提供5G服務(wù)的網(wǎng)絡(luò )基礎設施，在更廣泛的地理區域內提供這些服務(wù)的成本應該會(huì )穩步下降。如今，4G網(wǎng)絡(luò )在每平方公里的范圍內可以支持大約4000臺設備，而5G網(wǎng)絡(luò )可以在同一范圍支持的設備多達300萬(wàn)臺。

就5G技術(shù)的發(fā)展來(lái)說(shuō)，現在下結論還為時(shí)尚早。凱捷公司對1000家計劃將5G納入其運營(yíng)的工業(yè)組織進(jìn)行的調查中發(fā)現，只有不到三分之一(30%)的企業(yè)已進(jìn)入試驗和實(shí)施階段。然而，通信運營(yíng)商已經(jīng)在定義6G無(wú)線(xiàn)標準，這些標準有望在未來(lái)十年內為無(wú)線(xiàn)網(wǎng)絡(luò )帶來(lái)又一次巨大飛躍。

無(wú)論采用何種網(wǎng)絡(luò )，企業(yè)仍需要在在邊緣處理、存儲和最終處理的數據量與需要通過(guò)WAN傳輸并合并到各種其他網(wǎng)絡(luò )中的聚合數據量之間取得平衡，集中處理數據或充當記錄系統的平臺。

安全因素

可以說(shuō)，邊緣計算的最大障礙是安全性。企業(yè)每次在部署邊緣計算平臺時(shí)，需要防御的網(wǎng)絡(luò )攻擊面都會(huì )增加。這些邊緣計算平臺也由運營(yíng)技術(shù)(OT)團隊管理，而企業(yè)的運營(yíng)技術(shù)(OT)團隊通常不會(huì )像谷歌公司的數據中心安全團隊那樣擁有豐富的網(wǎng)絡(luò )安全專(zhuān)業(yè)知識。大多數企業(yè)都試圖將他們的運營(yíng)技術(shù)(OT)和傳統信息技術(shù)(IT)團隊融合在一起，以部署、管理和保護邊緣平臺。然而，這兩個(gè)團隊的文化卻截然不同，企業(yè)需要時(shí)間來(lái)協(xié)調這兩個(gè)團隊的工作。

更具挑戰性的是，很難找到和保留具有網(wǎng)絡(luò )安全專(zhuān)業(yè)知識的人才。網(wǎng)絡(luò )犯罪分子已經(jīng)發(fā)現運營(yíng)技術(shù)(OT)環(huán)境的脆弱性。而網(wǎng)絡(luò )攻擊事件已經(jīng)證明，控制電網(wǎng)和其他關(guān)鍵基礎設施系統的工業(yè)控制系統是網(wǎng)絡(luò )攻擊者的主要目標。從他們的角度來(lái)看，連接到網(wǎng)絡(luò )的每個(gè)邊緣計算平臺都是一種工具，通過(guò)它們可以將惡意軟件引入IT環(huán)境。惡意軟件只需幾分鐘即可在整個(gè)平臺上快速傳播。

最終，企業(yè)將很快花費大量資金來(lái)保護邊緣計算平臺。一旦邊緣計算系統被鎖定并確保安全，可以改善整體網(wǎng)絡(luò )防御——在邊緣處理更多數據而不需要移動(dòng)數據，因為可以顯著(zhù)減少網(wǎng)絡(luò )攻擊面。

邊緣計算生態(tài)系的發(fā)展

一旦適當級別的基礎設施部署到位，面臨的下一個(gè)挑戰就是構建應用程序。容器技術(shù)的廣泛采用使開(kāi)發(fā)人員能夠使用需要更少內存和存儲的工具來(lái)構建應用程序。如今的大多數容器環(huán)境在某種意義上都是去中心化的，例如基于Docker和Kubernetes的容器環(huán)境，但卻運行在像數據中心這樣的中心化環(huán)境中。更小的容器工作正在取得進(jìn)展，這使得在距任何服務(wù)器或網(wǎng)關(guān)數百公里的石油鉆井平臺上部署應用軟件變得更加容易。

開(kāi)源Kubernetes容器編排引擎的輕量級實(shí)例開(kāi)始受到關(guān)注。無(wú)論部署在哪個(gè)平臺上，Kubernetes通過(guò)呈現一組一致的應用程序編程接口(API)，提供了在高度分布式計算環(huán)境中集中部署和管理基于現代微服務(wù)的應用程序的機會(huì )。

工業(yè)API規范和框架也開(kāi)始出現，用于機器學(xué)習、數據科學(xué)和其他支持邊緣計算的技術(shù)。英特爾公司和其他公司支持的oneAPI就是一個(gè)例子，它為開(kāi)發(fā)邊緣應用程序提供了一個(gè)框架。

開(kāi)發(fā)平臺的提供商也在競相創(chuàng )建框架，使在邊緣計算架構中構建應用程序變得更簡(jiǎn)單，無(wú)縫調用在云平臺中運行的后端應用程序服務(wù)。Apache Airflow和Kafka等分布式事件流平臺可以在允許邊緣計算平臺與這些后端平臺大規模共享數據方面發(fā)揮作用。一些企業(yè)還將調用內容交付網(wǎng)絡(luò )(cdn/' target='_blank'>CDN)的服務(wù)，以提高已構建的全球接入點(diǎn)(PoP)網(wǎng)絡(luò )部署的應用程序的性能。

最后，部署在邊緣的有狀態(tài)應用程序可能需要提供對持久數據形式的訪(fǎng)問(wèn)的本地數據庫。如今部署的大部分容器應用程序都是無(wú)狀態(tài)的——它們將數據存儲在外部存儲系統上。構建訪(fǎng)問(wèn)本地Kubernetes集群上容器中數據的有狀態(tài)應用程序更具挑戰性。

已經(jīng)有大量熟悉容器平臺的開(kāi)發(fā)人員在等待，直到改進(jìn)的硬件和軟件盡可能地在邊緣簡(jiǎn)化和安全地部署高度可遷移的應用程序。

即將到來(lái)的人工智能和數據管理挑戰

機器學(xué)習和人工智能的興起可能會(huì )推動(dòng)未來(lái)激動(dòng)人心的邊緣創(chuàng )新。如今，人工智能模型通常在位于中央的云計算平臺中進(jìn)行訓練。然后可以在生產(chǎn)環(huán)境中創(chuàng )建和部署，人工智能和機器學(xué)習推理引擎，在該環(huán)境中，經(jīng)過(guò)訓練的人工智能引擎會(huì )在發(fā)現新數據時(shí)推斷出要采取的操作。

隨著(zhù)時(shí)間的推移，這些推理引擎會(huì )隨著(zhù)收集的新數據量超過(guò)原始人工智能模型所基于的參數而發(fā)生漂移。與IT和OT團隊合作的數據科學(xué)團隊需要訓練新的人工智能模型來(lái)替換邊緣的推理引擎。雖然人工智能和機器學(xué)習的能力不斷進(jìn)步，結合低功耗和高性能處理器和其他有助于降低成本的組件，可以提高預測系統的準確性和性能，但通常不會(huì )降低發(fā)生這種漂移的程度。

如果人工智能模型至少可以在邊緣部分重新訓練，這有助于減少預測精度漂移。然而，在邊緣平臺內有效地重新訓練人工智能模型所需的軟件和硬件基礎設施仍處于早期階段。也就是說(shuō)，隨著(zhù)越來(lái)越強大的硬件成本的下降和邊緣機器學(xué)習軟件系統的改進(jìn)，在邊緣進(jìn)行訓練的能力將變得更加可行。

經(jīng)濟影響和投資機會(huì )

根據研究機構MarketsandMarkets公司的調查，2020年全球邊緣計算市場(chǎng)規模約為36億美元。預計到2025年將增長(cháng)到157億美元，復合年增長(cháng)率(CAGR)達到驚人的34.1%。

麥肯錫公司預測，到2025年，僅涉及物聯(lián)網(wǎng)(IoT)應用的用例所產(chǎn)生的經(jīng)濟價(jià)值將在每年3.9萬(wàn)億美元至11.1萬(wàn)億美元之間。而在邊緣平臺的所有其他用例以及潛在的積極經(jīng)濟影響將變得巨大。

邊緣計算本身就是一個(gè)巨大的技術(shù)市場(chǎng)，也將推動(dòng)對集中式云計算的需求增加。Gartner公司指出，到2023年底，20%的安裝邊緣計算平臺將由超大規模云提供商交付和管理。而這個(gè)巨大的新興市場(chǎng)還有80%機會(huì )提供給其他廠(chǎng)商。