边缘计算：加速AI在网络边缘的部署

边缘计算关注度日益提升，但许多人仍难以理清其架构。人工智能同样存在模糊地带，将AI迁移至边缘的想法显得更加扑朔迷离。

DUNELM Associates管理合伙人Martin Davis指出，边缘AI常被视为“文章里引用的纯理论”。

尽管如此，工业和企业领导者已无法忽视边缘AI。传统上，深度学习和计算机视觉等计算密集型任务驻留在中心数据中心。然而，高性能网络和本地硬件的普及，正推动从纯云中心模式向边缘转移，顾问Chaitan Sharma表示：“不会一蹴而就，但大势所趋。”Gartner预测到2025年，75%企业数据将在边缘处理，Grand View Research预测边缘计算市场到2025年将保持54%年复合增长率。

工业边缘

边缘计算的精确位置定义可能模糊。开放边缘计算词汇表将其描述为将计算资源交付到网络逻辑末端。边缘位于传统数据中心和云之外，聚焦网络“最后一英里”，将计算物理靠近生成数据的设备和人员。

[IoT World是北美最大物联网盛会，战略家、技术专家和实施者齐聚，将AI、5G和边缘落地工业。立即预订门票。]

工厂、矿山等工业场景若仅依赖云计算面临挑战。典型工厂要求近乎完美的网络可靠性——99.9999%正常运行时间——和毫秒级延迟，且常限制数据传出厂界。历史上此类设施依赖大量布线和厂商专有有线协议，导致技术生态碎片化。Ovum市场雷达指出，边缘计算为统一这些分散组件提供路径。

独立于云的边缘部署不同于纯设备端计算模式（每个数据包本地处理）。Digi International研究与创新高级总监Harald Remmert指出，车载计算虽能即时关键决策，但所需硬件昂贵且执行复杂机器学习工作负载时往往力不从心。

相反，工厂内的AI增强边缘方案可聚合并情境化来自多台机器的数据，精准定位并预测否则会导致停机的问题。专注过程工业机器学习的Augury架构负责人Gal Ben-Haim强调，基于边缘的推理能释放大规模应用，即使非强制超低延迟场景。

然而，在边缘部署机器学习非易事；需要成熟模型和新颖的部署管理策略，Ben-Haim解释道。

从云到边再回云

虽部分边缘用例完全独立于中心云基础设施，但多数分析师视边缘计算为分布式-中心化连续体的一部分。Gartner分析师Bob Gill在2018年网络研讨会中观察到，这不是背离传统数据中心，而是提供“休战”。

Trend Micro基础设施战略副总裁Bill Malik警告，边缘计算不会取代云。

Futurum Research首席分析师Daniel Newman同意：仅极少数场景证明完全自包含边缘合理。

通常数据在边缘与云间双向流动。云擅长捕捉宏观趋势——如能耗或空气质量变化——而边缘计算提供即时、情境特定的洞察，Malik指出。

Accenture视边缘计算为云的自然延伸。“许多客户结合云分析和机器学习采用边缘计算，以解锁创新业务服务，”Accenture Technology董事总经理兼网络实践负责人Charles Nebolsky表示。案例在点：Accenture的Connected Mine项目，优化矿企坑内作业。Nebolsky解释，他们将边缘计算集成到矿业客户工作流，利用钻机高分辨率视频实时评估岩石密度。此数据使钻机自动调整角度和速度，同时支持预测性维护。“高密度视频流所需带宽无法以所需帧率经济地传输至云端，”Nebolsky补充。

Volvo卡车通过新款车型的远程信息处理和远程诊断演示双向模式。车载计算机标记异常参数并生成故障码，远程信息系统将其流式传输至Volvo正常运行时间中心。中心协调修理厂、经销商和客服团队响应。车载诊断助实时故障排查，中心云组件赋能外部利益相关者为维护访问做准备。

SAS物联网总监Bill Roberts观察到，Volvo正迈向主流成熟模型，集成边缘分析、AI和机器学习。“下一步是赋能卡车边缘筛选可执行故障数据，”Roberts建议。“这将释放带宽，采集更多远程信息以进行更丰富的云端分析。这些洞察可根据场景部署在边缘或云端。”

分布式能源资源集成测试床展示混合分布式-云计算。它为难以最佳利用分布式直流源（如太阳能、风能）的传统集中式交流电网提供替代。测试床在战略放置的硬件上部署实时边缘分析，统一老旧设备与中心监管，同时实现自主、响应式运营。“平台支持自主运行和边缘分析，同时向一个或多个控制中心馈送数据和控制信号，”RTI未来电网市场开发总监Erik Felt和RTI软件集成工程师Neil Puthuff解释。

5G的到来进一步激发了超越传统数据中心的边缘架构兴趣。尽管仅少数公司试点5G赋能边缘项目，但随着网络成熟，这一格局将演变。Harald Remmert强调，其优势与云计算相似——只是延迟更低——且架构日益受青睐用于机器学习工作负载。