www.ydisp.cn/oss/202207/13/31887b766756254d3a004301d3f0c79c45e86d.jpg"alt="边缘计算如何帮助企业降本增效"title="How边缘计算可以帮助企业实现降本增效"style="width:1024px;能见度：可见；height:653px;"data-type="inline">如今，越来越多的专家认为边缘计算将应用于几乎所有领域，但进展缓慢。传统智慧阻碍了企业充分利用实时决策和资源分配。要了解这是如何发生的以及为什么会发生这种情况，让我们回顾一下第一波浪潮以及此后发生的事情。第一波边缘计算浪潮：物联网(IoT)对于大多数行业而言，边缘的概念与物联网(IoT)的第一波浪潮。当时，大多数关注点都集中在从固定在所有物体上的小型传感器收集数据，然后将该数据传输到中央位置，例如云端或主数据中心。然后，这些数据流必须与通常所说的传感器融合相关联。当时，传感器的经济性、电池寿命和普遍性往往导致数据流过于有限和低保真度。此外，用sen改造现有设备sors通常很昂贵。虽然传感器本身不贵，但安装非常耗时，而且需要经过培训的人员才能执行。最后，使用传感器融合分析数据所需的专业知识已嵌入到各组织员工的知识库中。这减缓了物联网的采用率。此外，安全问题也影响了物联网应用的大规模采用。计算很简单：跨越多个位置的数千个连接设备相当于大量且通常未知的暴露。由于潜在风险大于未经证实的好处，许多人认为采取观望态度是谨慎的做法。在IoT1.0之后，越来越清楚的是，边缘与IoT无关，而是与跨分布式站点和地理区域的操作做出实时决策有关。在IT和越来越多的工业环境中，我们将这些分布式数据源称为边缘。我们从数据中心或云边缘计算之外的所有这些位置调用决策。今天，边缘无处不在——我们生活的地方，我们工作的地方，人类活动发生的地方。更新和更灵活的传感器已解决了稀疏传感器覆盖问题。新资产和技术配备了范围广泛的集成传感器。传感器现在通常通过高分辨率/高保真成像（XX射线设备、激光雷达）得到增强。额外的传感器数据、成像技术以及将所有这些关联在一起的需求每秒钟都会产生大量数据。为了从这些海量数据流中获得结果，现在正在将计算能力部署在数据生成位置附近。原因很简单：边缘位置和云之间没有足够的可用带宽和时间。短期内，边缘数据最重要。现在可以在边缘实时分析和使用数据，而不是稍后在云端进行处理和分析。为了获得更高水平的效率和卓越的运营反馈，计算必须发生在边缘。这并不是说云不重要。云在边缘计算中仍然发挥着重要作用，因为它是可以部署功能和管理的所有位置。例如，云提供对来自其他位置的应用程序和数据的访问，以及远程专家在全球范围内管理系统、数据和应用程序。此外，云可用于分析跨多个位置的大型数据集，显示随时间变化的趋势，并生成预测分析模型。因此，边缘技术就是处理跨越大量地理分散位置的大数据流。人们必须采用对边缘的这种新理解，才能真正理解现在边缘计算的可能性。今天：实时边缘分析与几年前相比，今天在边缘可以做的事情是惊人的。现在可以从大量传感器和摄像头生成数据，而不是局限于少数几个。这些数据将在比20年前强大数千倍的计算机上进行分析——所有这些都以合理的成本进行。高核数CPU和GPU，以及高吞吐量网络和高分辨率摄像头现在随时可用，使实时边缘分析成为现实。在边缘（业务活动发生的地方）部署实时分析有助于企业了解其运营并立即做出反应。有了这些知识，许多操作可以进一步自动化，从而提高生产率并减少损失。以下是当今使用的实时边缘分析的一些示例：超市欺诈预防许多超市现在使用某种形式的自助结账，不幸的是，他们也看到越来越多的欺诈事件。肆无忌惮的购物者可以通过用更便宜的条形码代替更昂贵的商品来减少支付。为检测此类欺诈，商店现在使用高分辨率摄像头将产品的扫描和重量与其实际价值进行比较。这些相机相对便宜，但它们可以生成大量数据。通过将计算移动到边缘，可以立即分析数据。这意味着商店可以实时检测欺诈行为，而不是在“顾客”离开停车场之后。食品生产监控如今，制造工厂可以在制造过程的每一步配备数十个摄像头和传感器。实时分析和AI驱动的推理可以在几毫秒甚至几微秒内揭示错误问题。例如，相机可能会显示加糖过多或配料过多。借助摄像头和实时分析，可以调整生产线以改善问题，甚至可以在需要维修时停止计算，而不会造成灾难性损失。AI驱动的医疗保健边缘计算在医疗保健领域，红外和X射线相机一直在改变游戏规则，因为它们提供高分辨率并快速向技术人员和医生提供图像。凭借如此高分辨率，人工智能现在可以在医生确认异常之前过滤、评估和诊断异常。通过部署人工智能驱动的边缘计算，医生可以节省时间，因为他们不需要将数据发送到云端来获得诊断。因此，想要查看患者是否患有肺癌的肿瘤科医生可以对患者肺部图像进行实时AI过滤，以获得快速准确的诊断，并大大减少患者等待答案的焦虑。由分析驱动的自动驾驶汽车如今，自动驾驶汽车成为可能是因为相对便宜且可用的摄像头可提供360度的立体感知。分析还可以实现精确的图像识别，因此计算机可以区分风滚草和邻居家的猫，并决定是刹车还是绕过障碍物以确保安全。高性能GPU和CPU的经济性、可用性和小型化使得实时模式识别和矢量规划成为自动驾驶汽车的智能驾驶。自动驾驶汽车要想取得成功，就必须拥有足够的数据和处理能力，以便足够快地做出智能决策并采取纠正措施。现在，这只能通过当今的边缘技术实现。实践中的分布式架构当在边缘部署极其强大的计算时，企业可以更好地优化运营，而不必担心延迟或失去与云的连接。现在一切都分布在边缘位置，因此问题可以通过零星连接实时解决。自第一波边缘技术浪潮以来，我们已经走了很长一段路。由于边缘技术的进步，企业现在可以更全面地了解其运营情况。今天的边缘技术不仅帮助企业增加利润，事实上，它还帮助他们降低风险并改善产品、服务和客户体验。
