隨著企業和消費者將更多設備連接到互聯網，超快5G網絡服務擴大其覆蓋范圍以及企業努力尋求該技術帶來的機遇，企業中邊緣計算的使用將顯著增加。

根據Gartner公司2019年的報告顯示，到2021年底，超過50%的大型企業將部署至少一個邊緣計算用例來支持IoT或沉浸式體驗，而在2019年這個數字不到5%。

[[345438]]

邊緣計算用例的數量在未來幾年將進一步增長，Gartner預測，到2023年底，將有超過一半的大型企業至少部署六個邊緣計算用例。2019年，在大型企業中，只有1%企業有六個或更多邊緣計算部署。

邊緣計算的興起取決于分析技術的不斷提高，這些技術可實時分析由端點設備生成的數據，這種分析與AI、機器學習和自動化結合使用時，可以用于控制端點的操作—這些端點只有有限或沒有人工干預。

例如，完全自動化的裝配線可以檢測并糾正錯誤，或者安全檢查點可以根據生物特征識別允許授權用戶。這些情況需要邊緣計算提供低延遲和可靠性。

Addressable Markets 公司首席戰略官兼The Analyst Syndicate(資深獨立分析師社區)成員Bruce Guptill 稱：“物聯網、傳感器、移動設備和其他聯網設備的快速發展和部署意味著更多的數據，以及對邊緣計算的廣泛需求。”

“但是，隨著使用的數據量，數據類型和格式的廣泛變化，企業對通過更多的方式保護更多類型數據的需求日益增長，以及在眾多類型設備上利用數據的需求日益增長，在多個云計算之間來回移動數據的效率變得很低。而且網絡帶寬跟不上趨勢，因此響應時間變得更糟。”

邊緣計算的5個優勢

顧名思義，邊緣計算將計算從企業的核心數據中心移出，并將其放置在生成數據的端點設備附近，這帶來了幾個關鍵優勢，包括以下方面：

1. 速度

通過專用設備(靠近端點的鄰近服務器或虛擬數據中心)提供邊緣計算，從而無需將數據從端點移至云，然后再移回。減少傳輸時間可以節省流程時間，這可以以秒為單位進行度量，有時甚至是毫秒。企業云解決方案提供商Ahead公司常務董事David Williams說：“由于數據不必一直傳回到核心站點(即數據中心或公共云提供商)，因此邊緣應用程序和服務可以受益于實時或接近實時的延遲水平。”

2. 安全性

PA Consulting公司AI和區塊鏈負責人Yannis Kalfoglou表示，邊緣計算可實現更高的安全性和靈活性，因為其分散的特性消除了單一中央故障點。

這樣做的結果是，安全團隊可以隔離被攻擊的端點和邊緣計算設備。此外，邊緣設備可以部署特定于設備的安全協議，從而使不良行為者更難學習如何侵入更多設備。

3. 成本節約

Williams認為，企業邊緣計算的主要優勢之一就是節省更多成本。他說：“邊緣計算架構和技術的成本通常比集中式等效技術更低。由于往來于邊緣和核心/中央站點的數據量減少，因此連接成本的降低還可以進一步節省成本。”

4. 可靠性

根據專家的說法，即使在通信通道速度緩慢、間歇可用或暫時中斷的情況下，邊緣計算也可以繼續運行。Accenture Labs公司董事總經理Teresa Tung表示，例如，一家能源公司在石油鉆井平臺上部署了邊緣計算，他們不必一直依靠可用的衛星連接將所有數據中繼回數據中心進行處理，而是選擇在連接可用時從邊緣移動必要的處理信息。

如果邊緣發生任何故障，則影響可能僅限于受影響的設備-整體操作仍將繼續進行，從而提高了整個系統的可靠性。

5. 可擴展性

Lean Manufacturing Research公司創始人兼首席分析師兼The Analyst Syndicate的成員Dan Miklovic說，像云計算一樣，企業只能在擴展其用例時才添加邊緣設備，從而確保他們僅部署和管理所需的東西。其他人還提到，邊緣計算的分散式方法如何使大規模部署更易于管理。Williams說：“用分散的方法分別解決每個邊緣位置的規模，比在集中處理位置(我們稱之為‘核心’)解決要容易得多。企業就是通過這種方式來支持成千上萬個端點(如果說不是數百萬端點)，這是集中式模型中難以處理的數量。”

邊緣計算的7個用例

對于為特定用例部署邊緣計算，每個企業都有其自身的考慮因素和動機，例如，在一種情況下可能需要低延遲和低速度，而在另一種情況下則需要可靠性。

技術領導者和研究人員稱，現在，在幾乎所有行業，很多企業都在部署或測試邊緣計算用例。值得注意的用例包括以下：

1. 自動駕駛汽車

自動駕駛汽車是邊緣計算的主要用例，因為只有當它們能夠實時分析駕駛所需的所有數據時，它們才能安全可靠地運行。這些車輛積累的數據量非常驚人。根據行業專家估計，一輛自動駕駛汽車每天產生的數據可能在5 TB到20 TB之間。而且，雖然5G當然可以處理更多的容量，但是現有的4G網絡遠不能以足夠的速度處理所有數據。

Guptill說：“自動駕駛汽車必須從多個來源(包括其他車輛)以不同的方式整合和處理大量不同類型的數據，并且需要在行駛過程中即時進行。”

這就需要車載計算能力和邊緣數據中心來進行關鍵任務處理，以進行導航、車對車通信以及與新興智能城市的集成。

邊緣計算還可以幫助市政當局(例如交通部門、公共轉型部門和私人運輸公司)更好地管理其車隊和總體交通流量–通過基于實時實地狀況進行快速調整。例如，部署用于處理車輛數據的邊緣計算平臺可以確定哪些區域正在發生擁堵，然后重新導航車輛以減輕交通流量。

2. 更高的安全性

企業可以使用邊緣計算來實現視頻監控和生物特征識別掃描，以及其他監控和授權措施，其中實時分析數據至關重要，以確保僅允許授權人員和批準的活動。例如，企業可以使用具有光學技術的生物識別安全產品來執行虹膜掃描，通過邊緣設備實時分析這些圖像，以確認具有授權訪問權限的工人的匹配情況。

3. 醫療保健

醫療保健數據來自各種設備，包括醫生辦公室、醫院和患者自身的設備。傳輸這些數據到中央位置進行分析可能會造成帶寬擁塞，但其實并非所有數據都需要移動并存儲在集中式服務器中。例如，患者醫療設備的每個正常心率讀數可能不需要保留，但某些數據非常重要，需要快速進行分析，而無法接受由于低延遲或不可靠的網絡連接造成的任何延遲。

邊緣計算可以實時獲取和處理來自端點醫療設備的數據，并確定哪些數據點不是關鍵數據(即正常心率讀數)，還可以識別、處理和響應關鍵數據點，從而向臨床醫生發出警報以盡快采取行動。

4. 制造和工業流程

工業物聯網已在制造工廠和其他此類生產制造中添加了數百萬個連接的設備，這些設備收集有關生產線、設備性能和成品的數據。但是，所有這些數據都不需要在集中式服務器中處理-每個連接的溫度計的每個溫度讀數都不重要。

大多數企業僅需要將匯總數據或平均讀數帶回其中央系統，或者他們僅需要知道何時此類讀數表明有問題，例如設備溫度超出正常范圍。

惠普公司副總裁兼總經理Gerald Kleyn說，這就是邊緣計算所能實現的;它使企業能夠非常快地獲取和理解數據，從而可以迅速發現并解決問題。 他指出，在制造和類似環境中，速度尤其重要，在這些環境中，自動裝配線快速移動并需要實時干預以解決問題。

例如，在一家制造工廠，邊緣計算僅花了一秒鐘來分析產品質量，這比將制造數據轉移到云端進行處理快了整整20秒。

5. 增強現實

Miklovic說，指導員工完成工作、對員工進行新流程培訓以及向學生教授復雜概念，這些將越來越多地通過頭戴式設備完成，提供虛擬現實或增強現實學習體驗。

這種體驗可以通過集中式計算資源來提供，但是成本和延遲性可能會影響用戶體驗，而邊緣計算可以以較低的成本提供對所需信息的可靠實時訪問。

6. 加強工作場所安全性

傳感器、計算機視覺和人工智能方面的進步正在進一步擴展工作場所安全應用程序，因為在邊緣運行這些技術使企業可以監視狀況，并實時識別危險情況并發出警報。

例如，企業可以使用現場員工的位置數據，在COVID-19疫情期間執行新的社會距離要求，并警告他們不要保持太近的距離。由于此類位置數據在那一刻之后沒有任何價值，因此可以在邊緣上收集和處理信息，而不必將其移動和存儲在企業數據中心內。

7. 流服務

Williams說：“OTT流媒體平臺正迅速成為發布內容的標準手段。盡管IPTV (IP電視)是內容制作以及集中發布到消費設備的最初目標，但我們看到OTT不斷發展，包括原創內容、現場直播甚至對用戶體驗要求更高的區域性內容。”

根據Williams的說法，這是媒體公司利用邊緣計算功能的驅動因素-它使企業能夠減少延遲，同時確保高質量的視頻和流媒體性能。

即將出現更多邊緣計算機會

盡管邊緣計算的這些用例已經帶來價值，但專家預測企業將繼續擴展其部署邊緣計算的方式，以改善當前的運營和活動，以及開發和支持新產品和服務。

Williams說：“隨著企業不斷尋找方法來利用所收集的數據，他們還將繼續提供應用程序和服務以在本地處理和使用該數據。”

他繼續說：“這種‘數據重力’將推動在邊緣的新一代數據驅動解決方案，這在以前不可能做到。服務提供商將繼續進行投資以解決當今的連接挑戰;人工智能將繼續發展，并在邊緣和其技術架構的云計算方面之間變得更加分布式和分散;我們將看到加快轉移到開放、安全的云原生標準，其中的重點是部署邊緣技術，從自恢復到自愈。可以說，邊緣計算的前景一片光明。”