邊緣運算如何協助企業達到降本增效

人們對邊緣運算寄予了越來越多的希望，使得該行業充滿了大膽的想法，例如“邊緣將吞噬雲”，以及實時自動化將在醫療保健、零售和製造業中普及。

如今，越來越多的專家認為邊緣運算將在幾乎所有企業的數位轉型中發揮關鍵作用。但進展一直很緩慢。  傳統觀念阻礙了企業充分利用即時決策和資源分配的優勢。

為了理解這是如何發生的，以及為什麼會發生，讓我們回顧一下邊緣運算的第一波，以及從那時起發生了什麼。

第一波邊緣運算：物聯網（IoT）

對大多數產業來說，邊緣的概念與第一波物聯網 (IoT) 緊密相關。當時，大部分重點都集中在從固定在所有物體上的小型感測器收集數據，然後將這些數據傳輸到一個中心位置——例如雲端或主數據中心。

然後，必須將這些資料流與通常所說的感測器融合相關聯。當時，感測器經濟性、電池壽命和普遍性常常導致資料流過於有限且保真度低。此外，用感測器改造現有設備通常成本高。雖然感測器本身很便宜，但安裝非常耗時，並且需要經過培訓的人員才能執行。最後，使用感測器融合分析資料所需的專業知識嵌入到跨組織員工的知識庫中。這導致物聯網的採用率放緩。

此外，對安全的擔憂也影響了物聯網的大規模應用。計算方法很簡單：跨越多個地點的數千台連接設備，相當於一個巨大且通常未知的暴露量。由於潛在風險超過了未經證實的好處，許多人認為採取觀望態度是謹慎的做法。

超越物聯網1.0

現在越來越清楚的是，邊緣並不在於物聯網，

而在於對跨分散式站點和地理位置的運作進行即時決策。 在 IT 和越來越多的工業環境中，我們將這些分散式資料來源稱為邊緣。我們將來自資料中心或雲端之外的所有這些位置的決策稱為邊緣運算。

如今，邊緣無所不在 －我們生活的地方、工作的地方、人類活動發生的地方。稀疏的傳感器覆蓋範圍已透過更新和更靈活的傳感器得到解決。新資產和技術配備了廣泛的整合感測器。現在，感測器通常會增加高解析度/高保真成像（X 射線設備、雷射雷達）。 

額外的感測器資料、影像技術，以及將所有這些關聯在一起的需求，會使每秒產生大量的資料。為了從這些龐大的資料流中獲得結果，現在正在將運算能力部署在靠近資料生成的地方。 

原因很簡單：邊緣位置和雲端之間沒有足夠的可用頻寬和時間。邊緣的數據在短期內最重要。現在可以在邊緣即時分析和使用數據，而不是稍後在雲端進行處理和分析。為了獲得更高水準的效率和卓越操作回饋，運算必須在邊緣進行。

這並不是說雲端無關緊要。雲端仍然在邊緣運算中扮演著重要的角色，因為它是可以在所有位置上部署能力和管理。例如，雲端提供了對來自其他地點的應用和數據的訪問，以及遠端專家來管理全球的系統、數據和應用。此外，雲端可用於分析跨多個地點的大型資料集，顯示隨時間推移的趨勢，並產生預測分析模型。

因此，邊緣技術在於應對大量地理分散位置的大數據流。人們必須採用這種對邊緣的新認識，才能真正了解邊緣運算現在的可能性。 

今天：即時邊緣分析

與幾年前相比，今天在邊緣技術能做的事情是驚人的。現在，數據可以從大量的感測器和攝影機中產生，而不是局限於少數幾個感測器。然後，這些數據將在比20年前強大數千倍的電腦上進行分析——所有這些都以合理的成本進行。

高核心數 CPU 和 GPU 以及高吞吐量網路和高解析度攝影機現在很容易獲得，使即時邊緣分析成為現實。在邊緣部署即時分析（業務活動發生的地方） 幫助企業了解他們的操作並立即做出反應。有了這些知識，許多操作可以進一步自動化，從而提高生產力並減少損失。

以下是一些當今即時邊緣分析的應用案例：

超市詐欺預防

許多超市現在使用某種形式的自助結帳，不幸的是，他們也看到越來越多的詐騙事件發生。有些不法購物者可以用更便宜的條碼代替更貴的商品，從而支付更少的錢。為了檢測這種類型的欺詐，商店現在使用高解析度攝像頭，將產品的掃描結果和重量與產品的實際價值進行比較。這些相機相對便宜，但卻能產生大量的數據。透過將計算移動到邊緣，可以立即分析數據。這意味著商店可以即時偵測詐欺行為，而不是在「顧客」離開停車場之後。

食品生產監控

如今，一個製造工廠可以在製造過程的每個步驟都配備數十個攝影機和感測器。即時分析和人工智慧驅動的推理可以在幾毫秒甚至幾微秒內揭示是否存在錯誤問題。例如，也許相機會顯示添加了太多的糖，或者配料過多。有了攝影機和即時分析，生產線可以調整以改進問題，甚至在需要維修時計算停止——而不會造成災難性的損失。

人工智慧驅動的醫療保健邊緣運算

在醫療保健領域，紅外線和x射線相機一直在改變遊戲規則，因為它們提供高解析度，並迅速向技術人員和醫生提供圖像。有瞭如此高的分辨率，人工智慧現在可以在醫生確認之前過濾、評估和診斷異常。透過部署人工智慧驅動的邊緣運算，醫生可以節省時間，因為他們不需要將資料傳送到雲端來獲得診斷。因此，腫瘤科醫師在查看患者是否患有肺癌時，可以對患者的肺部影像應用即時AI過濾，以獲得快速準確的診斷，並大大減少患者等待答案的焦慮。

由分析驅動的自動駕駛汽車

今天，自動駕駛汽車之所以成為可能，是因為相對便宜和可用的攝影機提供了360度的立體視覺感知能力。分析還可以實現精確的圖像識別，因此電腦可以識別出風滾草和鄰居的貓之間的區別，並決定是煞車還是繞過障礙物以確保安全。

高性能 GPU 和 CPU 的可負擔性、可用性和小型化使得即時模式識別和向量規劃成為自動駕駛汽車的駕駛智慧。自動駕駛汽車要成功，就必須擁有足夠的數據和處理能力，以足夠快的速度做出智慧決策，並採取糾正措施。現在，這只有借助當今的邊緣技術才有可能實現。

實踐中的分散式架構

當極其強大的運算部署在邊緣時，企業可以更好地優化運營，而不用擔心延遲或失去與雲端的連接。現在所有的東西都分佈在邊緣位置，所以問題是即時解決的，只有零星的連接。

自從第一波邊緣科技浪潮以來，我們已經取得了長足的進步。由於邊緣技術的進步，企業現在正在對其營運進行更全面的了解。現今的邊緣技術不僅幫助企業增加利潤，事實上，它還幫助他們降低風險並改善產品、服務和客戶體驗 。

以上是邊緣運算如何協助企業達到降本增效的詳細內容。更多資訊請關注PHP中文網其他相關文章！