为什么边缘计算对物联网至关重要

当当今的许多联网技术设备利用云计算时，物联网(IoT)的制造商和应用程序开发人员开始发现对设备本身进行更多的计算和分析的好处。

这种设备上的方法有助于减少关键应用程序的延迟，降低对云的依赖，并更好地管理物联网产生的海量数据。这种趋势的一个例子是最近宣布的Nest Cam IQ室内安全摄像头该公司使用设备上的视觉处理来观察动作，区分家庭成员，只有在某人不被认出或不符合预先定义的参数时才发送警报。通过在摄像机内执行计算机视觉任务，Nest减少了带宽、云处理和云存储的使用量，而不是通过网络发送原始视频流。此外，设备上的处理提高了警报的速度，同时减少了恼人的、反复出现的错误警报的机会。

进行高级设备上处理和分析的能力被称为“边缘计算”。你可以把“边缘”想象成一个由互联网连接设备和网关组成的世界，它就像“云”一样。“边缘计算为物联网应用提供了新的可能性，特别是对于那些依赖机器学习完成目标检测、人脸识别、语言处理和避障等任务的人来说。”

边缘计算的兴起是一个众所周知的技术周期的迭代，该周期从集中处理开始，然后发展为更分布式的体系结构。的互联网本身就是由数量有限的联网大型机开始的在政府机构和大学里——直到与大型机连接的“哑”终端被更有能力的个人电脑所取代，能够在新兴的万维网中呈现图像丰富的页面，它才达到大规模和可负担性。同样，当智能手机取代功能手机成为移动网络的边缘时，移动革命也大大加速了。边缘计算将对物联网产生类似的影响，随着终端设备变得更加强大，能够运行复杂的应用程序，它将推动强大的生态系统增长。

Edge计算在消费者和工业物联网应用中都提供了切实的价值。它可以只发送重要的信息，而不是原始的传感器数据流，从而帮助降低连接成本。在通过LTE/蜂窝网络连接的设备上，如智能电表或资产追踪器，传感器数据流尤其有价值。此外，在处理工业设施或采矿作业中传感器产生的大量数据时，在发送数据之前进行分析和筛选的能力可以极大地节省网络和计算资源。

通过在设备中保留敏感数据，边缘计算也可以提高安全性和私密性。例如，新的零售广告系统和数字标牌的设计目的是根据在现场设备上设置的关键参数(如人口统计信息)提供有针对性的广告和信息。这些解决方案中的边缘计算通过匿名化、分析和将数据保存在源位置，而不是将可识别的信息发送到云，从而帮助保护用户隐私。

边缘处的处理也减少了延迟，并使连接的应用程序响应更快、更健壮。对于使用计算机视觉或机器学习的应用程序(例如，企业身份验证系统或无人机跟踪和拍摄其所有者或对象)来说，避免设备到云的数据往返至关重要。设备上的机器学习还可以增强自然语言界面，允许智能音箱通过本地解释语音指令、运行基本命令(如开/关灯)或调整恒温器设置(即使互联网连接失败)来更快地做出反应。此外，边缘计算通过允许设备软件的无线更新和它可以运行的本地命令列表，为这些系统带来了“未来的验证”。

物联网应用中机器学习的普及是增强边缘计算能力的强大推动力。设备不仅需要快速运行复杂的深度学习网络，还需要消耗很少的能量，因为许多物联网设备都是靠电池运行的。这促使人们在物联网设备中采用异构计算架构——将不同的引擎(如cpu、gpu和dsp)集成在一起，从而将不同的工作负载分配给最高效的计算引擎，从而提高性能和电力效率。事实上,dsp的能效提高了25倍，性能提高了8倍而不是在CPU上运行相同的工作负载。

对于边缘计算，系统架构师的机会是学习如何从端到端的利用可用的分布式计算能力——利用现场设备、网关和云的能力。边缘设备的计算能力越来越复杂。再加上不那么遥远的先进连接技术，比如5克，这将提供更快、更健壮、更大规模的连接，很明显，我们将见证新一代智能设备和应用程序的出现。这确实是一个观看和参与这一领域的迷人时刻。