利用边缘计算赋能物联网、AI与新兴技术

物联网、机器学习、人工智能、5G、增强现实和虚拟现实均受益于边缘算力的提升。

边缘远不止是连接设备或传感器的集合。随着智能设备和传感器产生海量数据，企业必须做出技术决策，以最大化数据价值。分析是在设备端、边缘端、云端还是数据中心进行？数据是否因合规或根因分析而保留？5G等新服务将扮演何种角色？

这些议题是当今众多企业关注的焦点。为梳理边缘计算和物联网的关键策略与不同路径，我们近期采访了Dell Technologies全球CTO办公室边缘与ICV战略负责人Krish Iyer，以及新兴技术解决方案CTO Calvin Smith。以下是对话摘要。

新兴技术

RTInsights: 当前有哪些新兴技术？

Iyer: 我们看到多项新技术出现市场拐点。边缘计算显然是领跑者，与物联网、AI、ML并列。这些技术代表的市场正获得巨大牵引力。最重要的是，许多客户开始将边缘视为云的延伸，并将其视为分发无法由云基础设施处理工作负载的方式。在我看来，这可能是推动组织考虑边缘的最重要驱动力。

Smith: 有趣的是“交汇点”这一概念。边缘并非凭空出现。许多早期物联网用例因多技术结合而变得更易解决。Krish提到的物联网、边缘、ML、AI，还有5G、AR、VR。更广泛地说，随着算力成本下降、GPU等下沉到边缘，技术能力随自动化程度提升而增强。

数据诞生地——边缘——正执行惊人的技术多样性。归根结底，即使数据回传云端或数据中心，大部分对设备的致动也将在边缘完成。边缘是净新的“宇宙中心”。技术演变潮起潮落真有趣：从PC时代的去中心化，到大型机的中心化，再到伪中心化的云，现在又回归分布式架构。这种演变令人着迷。

Iyer: 确实。可以把边缘看作异构系统的组合。边缘非单一、非同质，而是一组不同功能：采集、处理、存储数据；传输数据或基于数据执行动作以启用处理、分析等功能；这些功能可能在高温、崎岖地形等严苛环境下运行。因此“异构”是边缘的关键特征。

为何边缘与物联网备受关注？

RTInsights: 刚才略微提及，但为何现在边缘与物联网如此受瞩目？

Iyer: 正如Calvin所言，边缘并非新事物，分布式系统一直存在。但我们又回到了原点。市场转变在于：原本运行于中心数据中心或核心基础设施的功能/应用发现问题——带宽或延迟需求无法通过中心化方式满足，迫使应用向数据源头迁移。

Calvin说得好：将数据处理移至数据产生处，因为物理定律不允许某些应用在核心运行。这是光速问题，是导致核心向边缘转移的自然现象。

另请参阅： 边缘计算与5G中心

决定数据处理位置

RTInsights: 这引出下一问题：企业决定数据处理位置时应考虑哪些因素？特别是如何判断：在边缘处理还是不在边缘处理？

Iyer: 因素既有技术层面，也有业务、政府及监管层面。技术上，光速是大因素。即使云运营商承诺核心处理能满足需求，成本高得让客户望而却步。客户会认为这是显而易见的选择：将处理移至边缘。

第二是延迟。自动驾驶、AR/VR等用例中，几毫秒延迟关乎安全与事故。需毫秒级结果的应用，处理必须在边缘完成。

第三是带宽管理。Calvin提到的海量数据上传云端再回传成本高昂、效率低下，会大幅推高成本，令大多数客户却步。

另一重要因素是安全，尤其是边缘安全。可在攻击渗透核心数据中心前隔离潜在安全问题。许多组织可在边缘追踪、隔离攻击，切断系统，防止问题波及核心。可在边缘早期检测入侵、拒绝服务等攻击，在攻击核心基础设施前切断。

还有扩展能力。可随需求增加站点或环境，无论季节性还是功能扩展，边缘提供高度可扩展性。

以上是高层技术要求，还有医疗应用合规、GDPR等监管要求。多数情况下，强制要求数据在生成地采集，不回传中心数据中心。

Smith: Krish说到点子上。还要补充：这非边缘对云、边缘对核心的二元对立，而是光谱、连续体。工作负载分布于边缘、核心、云，关键在于在正确时间将正确工作负载放在正确位置。十年前观念是不计成本收集存储一切。今天数据仍关键，但增值的是分析——数据是新石油、新黄金、新培根。但若是无增值的静态信息则不然。有趣的是在边缘做基础过滤和机器学习。不必将设备“我活着、72度、仍72度”这类消息以亚毫秒频率回传数据中心或云。若那样，面对全球海量设备，成本将极快飙升。你想在边缘原位解析数据、赋予意义。某些易逝、短暂数据仅短时有价值。真正想做的是异常检测，找出真正需回传或保留的关键信息。回到核心或云做深度分析：这之前发生过吗？该异常是否发生在其他现场资产上？价值由此产生。你需要全栈和对全量数据的单一视图。重要的是，除Krish提到的关键参数，还有逻辑理由需考量。分布式架构有其参数，必须弄清存什么、转发什么、分析什么、处理什么、在哪、何时、为何。每种架构逻辑不同，高度依赖用例和基础设施本身。

移动数据与算力至边缘的考量

RTInsights: 换言之，迁移数据和算力至边缘应考虑哪些因素？

Iyer: 光速问题、成本、安全是重要因素。我们谈过带宽、高可用性、扩展性。在边缘大幅缩减数据、进行数据与元数据处理、仅回传最相关数据至核心，将是另一关键因素。很大程度取决于垂直行业和用例。

例如，电信运营商和内容分发网络可能有特定边缘需求。他们可能需利用边缘提供比其他垂直行业更深度的服务。这些行业需弄清为特定地理位置用户提供何种服务。为此可能需收集地理边缘上下文，为特定区域提供特定服务。这与运营技术用例不同，后者需在边缘为物联网设备和机械做预测分析。一切取决于特定垂直需求。

零售方面：如何让客户体验极致积极？如何提供无缓冲的AR/VR体验？如何使整体体验积极互动，让客户现场做购买决策？医疗提供商对远程医疗等远程诊断应用有完全不同需求，且涉及大量监管要求。边缘至关重要，必须可靠运行。

Smith: 还需拓展人们对边缘定义的视野。工业语境下，边缘可以是工厂车间，也可以是被描述为“未来移动数据中心”的汽车。汽车本身就是边缘。也可能是海上钻井平台、整个平台或某一段。边缘大小不一、形式多样，完全由用例和目标定义。边缘计算才是有趣部分。

边缘计算形态——实际用于边缘计算的设备——也高度多样。不谈具体产品，Dell有网关（相比融合或超融合设备较简化），可做协议规范化、部分分析，用于部分物联网平台和小型设备。目标明确有限，映射若干设备。

大型形态方面，我们有模块化微数据中心解决方案。近期发布Dell EMC Modular Data Center Micro 415，内置电源制冷和远程管理的小型边缘数据中心。还有Dell EMC Modular Data Center Micro 815——基本是一个完整机柜。这些方案灵活可扩展，按名模块化，可按用例定义、可组合方式在边缘构建数据中心。我们能将数据中心空投投放至您的边缘，不受环境限制。

从军事角度设想前线人员。设想大楼顶部，历史上你想在底层地下室处理因为散热更好。但这些方案内置制冷。创新部分在于机箱、外壳及其散热供电方式。我们正步入新世界：除Krish提到的带宽、成本、延迟，那些环境还有振动、粉尘、冲击、危险条件等约束。我们能空投部署坚固封闭的微数据中心，含存储、算力、网络，在边缘近实时解决问题。这是商业模式变革的开端。

边缘与物联网的未来

RTInsights: 您如何看待边缘与物联网的未来？

Iyer: 我们早前讨论的关键点的增强需求将驱动边缘投资。应用驱动未来。取决于应用类型和开发者。应用日益智能。为支持这些应用，基础设施或环境也必须更智能，以同速增长。增强正在发生，行业正适应解耦方式，不再用单体基础设施，能适配调整以支持应用。但须考虑增长速度不总能支撑应用不断增长的需求。

除了应用驱动，边缘未来也将从云汲取巨大价值。云不会消失。云仍将是边缘的核心控制点，仍将作为关键运营模型或环境，提供大量数据处理、处理、管理支持。

话虽如此，边缘未来也将由供应商如何协作定义。我们学到一点：无单一组织或供应商垄断边缘。需要多方协作提供服务、托管、运营、数据、安全等，形成生态系统。包括专有供应商生态和开源供应商生态，共同提供端到端解决方案。从应用开发到支持、开发者支持、安全、合规等都需要这种协作。

边缘基础设施多为水平通用，垂直解决方案需系统集成商落地最后一公里，如医疗、制造、军事。这又需要生态系统汇聚提供所需功能。

Smith: 你提到自动驾驶用例。那是个很好的例子。未来学家会挑衅说“边缘将吞噬世界！”记得10-15年前大家问“云会吞噬世界吗？”在某种程度上确实，但数据中心没消失。边缘也不会吞噬世界。它会很大、正在增长，但云不会消失。

看自动驾驶汽车，它是未来移动数据中心的雏形。汽车本身是边缘，但可能连接其他边缘：车车通信(V2V)、车基站/基础设施通信(V2X)，连接LTE蜂窝服务，未来特定大城市的5G服务。通常肯定有云连接，用于车队管理、跨车关联分析。

同样，将每辆车所有数据发云端不划算，也不对安全功能足够快。如智能安全气囊展开，基于乘客重量等参数日益智能。或多摄像头物体识别以实现自动/半自动驾驶或ADAS。所有这些施加约束。基本上必须本地运行部分，但也可能想深挖云端/核心数据获取异常洞察，进而影响其他车辆。

例如，我想预测安全气囊故障或导致召回的问题。所有重要信息需上云，但不必发送所有静态数据——仅异常或错误识别数据。跨多车分析这些数据价值巨大。如Krish所言，自动驾驶车只是串联一切的好比喻，非唯一例子。多个行业你开始理解在边缘、核心、云间放置工作负载的和谐与逻辑。这是激动人心的时刻。若一年后、十年后再做同样访谈，我乐意重聚验证我们的边缘扩张预言是否准确。