邊緣計算能就近提供智能互聯服務，滿足行業在數字化變革過程中的關鍵需求。在物聯網時代，不斷增長的數據催生了對邊緣計算的需求，據IDC預測，未來超過50%的數據需要在網絡邊緣側分析、處理和儲存。其巨大的市場空間也被玩家們看在眼里，2019邊緣計算還將如何更好地推動物聯網技術發展?這里列出了7個有關邊緣計算和物聯網的預測。

[[254945]]

1. IIoT分析和機器學習(ML)公司會重點衡量它們在計算方面的交付能力。

隨著越來越多的IoT項目采用以云為中心的解決方案，人工智能(AI)和IoT下一步要解決的問題是如何使用較少的資源，將算法帶到邊緣側。據Gartner稱，在未來四年內75%的企業生成的數據將在邊緣處理(相對于云計算)，而今天只有不到10%公司會這樣做。數據的大量增加，更高的保真度分析，更低的延遲要求，安全問題和巨大的成本優勢這些因素都催生了邊緣計算的興起。

雖然云是存儲數據和訓練機器學習模型的好地方，但它不能提供高保真的實時流數據分析。相反，邊緣技術可對所有的原始數據提供高可靠性地分析，并能檢測各種異常，最重要的是能做出實時反應。

2. 需要正確分辨“真”與“假”邊緣解決方案。

與所有熱門新技術一樣，市場已逐漸失去“邊緣計算”這一術語，但在IoT部署中沒有明確的界限。“假”邊緣解決方案聲稱他們可以在邊緣處理數據，但實際上采取的方法是將數據發送回云端，然后進行批量或微批處理。當人們閱讀邊緣計算時，會認為假的解決方案中沒有復雜事件處理器(CEP)，這意味著該解決方案的延遲更高且數據仍然“臟”，分析不準確，ML模型顯著受損。

“真正的”邊緣智能始于超高效的CEP，CEP可以清理，規范化，過濾原始數據流。此外，“真正的”邊緣解決方案包括集成的ML和AI功能，這些功能都需要嵌入到大大小小的邊緣計算設備中。CEP功能應在邊緣現場實現實時，可操作的分析，并為操作技術(OT)人員提供快速修復、優化的用戶體驗。它還為ML / AI分析提供數據，方便系統生成高質量的預測見解，以推動資產績效和流程改進。

3. ML和AI模型將變得很脆弱。

將機器學習轉移到邊緣不僅僅是改變處理數據的位置，目前使用的大多數ML模型都是都是基于云計算能力、運行時間而設計的。由于這些假設在邊緣處都不成立，因此ML模型必須適應新環境。

換句話說，他們需要“邊緣化”。在2019年，“真正的邊緣”解決方案將使數據預處理和后處理從ML模型重新定位到復雜的事件處理器，并使模型更接近數據資源。這個過程稱為edgification，它將推動整個行業采用更強大的邊緣計算和IoT應用程序。

4. 閉環邊緣到云的機器學習將成為真正的操作解決方案。

隨著ML和AI算法在傳感器附近或物聯網網關中的應用變得更加成熟，關于如何訓練和進一步迭代這些模型的***實踐將會出現。行業內相關組織會發現，在實時流數據(包括音頻和視頻)上生成分析的邊緣設備應定期將結果發送回云，只有那些發現異常數據的設備才是核心算法需要關注的地方。

5. 只有邊緣計算解決方案支持多云和混合云部署時，生產IIOT應用程序才會投入實施使用。

混合云和多云解決方案將在工業接口部署中占據主導地位。最近的一份報告發現，到2023年，混合云市場將達到976.4億美元。工業組織希望將多云環境結合在一起，以提供一種更具成本效益的方法和靈活性。

隨著公司在構建其云環境邊緣時會尋求更大靈活性的解決方案，供應商的專有解決方案可能會走投無路。谷歌、亞馬遜webservices、微軟、C3 IoT、Uptake和其他領先的云服務提供商將與邊緣計算公司建立更多的合作伙伴關系，以幫助企業繼續改進和擴大其產品線。

6. 物聯網視頻和音頻傳感器將起飛，推動邊緣深度學習的發展。

對于音頻和視頻傳感器能給工業設備帶來的性能，業界都很興奮。在商業和工業物聯網系統中進一步部署音頻和視頻數據方面，邊緣計算技術可以發揮重要作用。將資產數據與音頻和視頻分析結合起來，可以更快、更準確地進行設備和機器維護(包括系統健康的更新等)。視頻分析的一個例子是在石油和天然氣作業中使用火炬監測，遠程跟蹤大量火炬塔的環境合規性和火炬狀態。

7. 預防性維護將讓位于規范性維護。

IIoT邊緣解決方案提供的一項重大承諾是預測性維護，可以深入預測未來連接設備(如制造設備或石油鉆井平臺)可能發生的情況。盡管許多組織在實施預測維護方面仍然滯后，但在2019年，將有更先進的技術供早期采用者使用。規范性維護是向前邁進的一步，使得企業不僅可以預測問題，還可以使用數據分析為運營和維護制定有針對性的建議。

例如，電梯制造商希望把一些常規問題徹底解決，如電梯門中的摩擦。針對這項工作，他們可以與FogHorn合作創建預測性維護解決方案。通過分析源頭處的傳感器數據，他們現在可以提前確定維護需求，而無需再考慮傳輸數據的高成本，高延遲，安全性等其他問題。因此，公司可以在異常情況到來之前，以一種高效的方式安排維護。

原文鏈接：https://www.rfidjournal.com/articles/view?18111/3