今天，边缘计算市场仍然处于初期发展阶段。但随着越来越多的设备通过边缘计算网关连网，边缘计算备受关注。随着边缘计算更多地被采用，企业将有更多的机会在各个领域测试和部署边缘计算技术。主宰云计算市场的那些公司（亚马逊、谷歌和微软）正在成为边缘计算领域的领先者。

去年，亚马逊携AWS Greengrass进军边缘计算领域，走在了行业的前面。该服务将AWS扩展到设备上，这样它们就可以“在本地处理它们所生成的数据，同时仍然可以使用云来进行管理、数据分析和持久的存储”。

微软在这一领域也有一些大动作。该公司计划在未来4年在物联网领域投入50亿美元，其中包括边缘计算项目。

微软发布了它的Azure IoT Edge解决方案，该方案“将云分析扩展到边缘设备”，支持离线使用。该公司还希望聚焦于边缘的人工智能应用。

谷歌也不甘示弱。它在本月早些时候宣布了两款新产品，意在帮助改善边缘联网设备的开发。它们分别是硬件芯片Edge TPU和软件堆栈Cloud IoT Edge。

谷歌表示，“Cloud IoT Edge将谷歌云强大的数据处理和机器学习功能扩展到数十亿台边缘设备，比如机器人手臂、风力涡轮机和石油钻塔，这样它们就能够对来自其传感器的数据进行实时操作，并在本地进行结果预测。”

然而，有意涉足该领域的并不只是这三大科技巨头。

随着联网设备越来越多地涌现，新兴生态系统中的许多玩家都正在开发软件和技术来帮助边缘计算实现腾飞。

在接下来的四年里，惠普企业将在边缘计算领域投资40亿美元。该公司的Edgeline Converged Edge Systems系统的目标客户是那些希望获得数据中心级计算能力，且通常在边远地区运营的工业合作伙伴。

它的系统承诺在不依赖于将数据发送到云或数据中心的情况下，为工业运营（比如石油钻井平台、工厂或铜矿）提供来自联网设备的洞见。

在新兴的边缘计算领域，其他主要的竞争者包括Scale Computing、Vertiv、华为、富士通和诺基亚等。

人工智能芯片制造商英伟达于2017年推出了Jetson TX2，这是一个面向边缘设备的人工智能计算平台。它的前身是Jetson TX1，它号称要“重新定义将高级AI从云端扩展到边缘的可能性”。

许多著名的公司也在投资布局边缘计算，包括通用电气、英特尔、戴尔、IBM、思科、惠普企业、微软、SAP SE和AT&T。

例如，在私募市场上，戴尔和英特尔均投资了为工商业物联网应用提供边缘智能的Foghorn公司。戴尔还参与了物联网边缘平台IOTech的种子轮融资。

上面提到的许多公司，包括思科、戴尔和微软，也已经联合起来组成了OpenFog联盟。该组织的目标是标准化这项技术的应用。

随着传感器价格和计算成本的持续下降，更多的“东西”将被连接到互联网。

随着更多的联网设备变得可用，边缘计算将在各行各业中得到越来越多的应用，尤其是在云计算效率低下的一些领域。

我们已经开始看到该技术在多个不同的行业领域产生影响。

“当我们把云的威力下沉到设备（即边缘）时，我们可带来实时地响应、分析和行动的能力，尤其是在网络条件有限或者缺乏网络的地区……它还处于初期发展阶段，但我们正开始看到这些新功能能够应用于解决全球范围的一些重大挑战。”——微软首席技术官凯文 · 斯科特（Kevin Scott）

从自动驾驶汽车到农业，以下几个行业将会从边缘计算的潜力中获益。

边缘计算有哪些应用？

1、交通运输

边缘计算技术最显而易见的潜在应用之一是交通运输——更具体地说，是无人驾驶汽车。

自动驾驶汽车装备了各种各样的传感器，从摄像头到雷达到激光系统，5G边缘计算网关快速传输数据，全方面来帮助车辆运行。

如前所述，这些自动驾驶汽车可以利用边缘计算，通过这些传感器在离车辆更近的地方处理数据，进而尽可能地减少系统在驾驶过程中的响应时间。虽然无人驾驶汽车还不是主流趋势，但公司们正在未雨绸缪。

今年早些时候，汽车边缘计算联盟（AECC）宣布将启动以联网汽车解决方案为重点的项目。

“联网汽车正迅速地从豪华车型和高端品牌扩张到大批量的中端车型。汽车行业将很快达到一个临界点，届时汽车所产生的数据量将超过现有的云、计算和通信基础设施资源。”——AECC主席兼总裁村田兼一（Kenichi Murata）

该联盟的成员包括DENSO Corporation、丰田汽车、AT&T、爱立信、英特尔等公司。

不过，不仅仅是自动驾驶汽车会产生大量的数据并需要实时处理。飞机、火车和其他的交通工具也是如此——不管它们有没有人类驾驶。

例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就装备了大量的传感器来迅速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达844 TB的数据。边缘计算支持对数据进行实时处理，因此该公司能够主动处理引擎问题。

2、医疗保健

如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。

但是，要真正地从所收集的海量数据中获益，实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上，但也有其他的一些设备支持离线运行。

一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。然后，医生可以当场对病人进行评估，并就病人的健康状况提供即时反馈。

但在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。

不妨想想，5G边缘计算网关可以快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。

医生和临床医生将能够为患者提供更快、更好的护理，同时患者所生成的健康数据也多了一层安全保护。医院病床平均有20个以上的联网设备，会产生大量的数据。这些数据的处理将直接发生在更靠近边缘的地方，而不是将保密数据发送到云端，因此能够避免数据被不当访问的风险。

如前所述，本地化数据处理意味着大范围的云端或网络故障不会影响业务运转。即使云操作中断，这些医院的传感器也能独立地正常运行。

3、制造业

智能制造有望从现代工厂大量部署的传感器、边缘计算网关中获得洞见。

由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。

一家工厂可以使用两个机器人来完成同样的任务，两个机器人装有传感器，并连接到一个边缘设备上。边缘设备可以通过运行一个机器学习模型来预测其中一个机器人是否会操作失败。

如果边缘设备断定机器人很可能会出现故障，它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评估潜在的故障。

如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。

边缘计算应该支持更快地从大数据中更多的洞见，以及支持将更多的机器学习技术应用到业务运营中。

最终目标是，挖掘实时产生的海量数据的巨大价值，防止安全隐患，并减少工厂车间机器运转中断的情况。

4、农业和智能农场

边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。

现在，想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资；而边缘计算则是一种合适的、具有成本效益的替代方案。

智能农场可以使用边缘计算来监测温度和设备性能，以及自动让各种设备（比如过热的泵）减缓运转或者关闭。

5、能源和电网控制

边缘计算或许在整个能源行业都尤其有效，尤其是在石油和天然气设施的安全监测方面。

例如，压力和湿度传感器应当受到严密监控，不能在连接性上出差错，尤其是考虑到这些传感器大多位于偏远地区。如果出现异常情况——比如油管过热——却没有被及时注意到，那就可能会发生灾难性的爆炸。

边缘计算的另一个好处是能够实时检测设备故障。通过电网控制，边缘计算网关、传感器可以监控从电动汽车到风力发电厂的一切设施所产生的能源，有助于相应作出决策来降低成本和提高能源生产效率。

其他行业领域的应用

其他可以利用边缘计算技术的行业包括金融业和零售业。这两个行业都使用大型的客户和后端数据集来提供从选股信息到店内服装摆放的各种信息，可以从减少对云计算的依赖中获益。

零售可以使用边缘计算应用程序来增强顾客体验。如今，许多零售商都在致力于改善店内体验，优化数据收集和分析的方式对它们而言绝对很有意义——尤其是考虑到许多零售商已经在尝试使用联网的智能显示屏。

此外，很多人使用店内平板电脑所生成的销售点数据，这些数据会被传输到云端或数据中心。借助边缘计算，数据可以在本地进行分析，从而减少敏感数据泄漏的风险。

总结

从可穿戴设备到汽车再到机器人，物联网设备、边缘计算网关正呈现出越来越强劲的发展势头。

随着我们朝着更加互联的生态系统迈进，数据生成将继续飞速增加，尤其是在5G技术取得腾飞，进一步加快网络连接以后。虽然中央云或数据中心传统上一直是数据管理、处理和存储的首选，但这两种方案都存在局限性。边缘计算可以充当替代解决方案，但由于该技术仍处于起步阶段，因此还很难预料其未来的发展。

设备能力方面的挑战——包括开发能够处理云端分流的计算任务的软件和硬件的能力——可能会出现。能否教会机器在能够在边缘执行的计算任务和需要云端执行的计算任务之间切换，也是一个挑战。

即便如此，随着边缘计算更多地被采用，企业将有更多的机会在各个领域测试和部署这种技术。

有些用例可能比其他用例更能证明边缘计算的价值，但整体来看，该技术对我们整个互联生态系统的潜在影响则可能是翻天覆地的。

 http://www.alotcer.com/index.php?c=article&id=1507