目前，數十億物聯網和移動設備采集的數據正呈指數級增長。這一趨勢推動著數據從發送到云端進行處理和存儲轉向另一種分布式模型，即部分計算在網絡邊緣更靠近數據源的位置進行。

　　據預計，到 2025 年，將有 75% 的數據在中央數據中心之外生成。而如今，大部分數據處理都在數據中心進行。

　　現如今企業收集的所有數據中，約 90% 可能永遠無法得到利用。然而邊緣計算提供了一條途徑，可以讓企業借助高性能的數據處理、低時延的連接和安全的平臺從設備收集的數據中獲取優勢。

　　為了在數據源的位置更快獲得近實時的可行洞察，物聯網設備、網關以及計算基礎設施的使用顯著增加，所生成和收集數據量的呈指數級增長。針對各類市場邊緣計算的廣泛應用，智微智能加快邊緣計算解決方案部署，其中， E系列新一代邊緣計算網關，挖掘多場景下的邊緣計算價值，滿足多場景應用需求。

　　云計算面臨的關鍵挑戰

　　延時： 越來越多的行業正在采用要求具備快速分析和響應能力的應用。僅僅靠云計算是無法滿足這些要求的，因為離開數據源的網絡距離所造成的時延會導致效率低下、時間滯后以及客戶體驗不佳。

　　帶寬： 增加傳輸帶寬或提高處理能力可以克服時延的問題。然而，隨著企業在其網絡上使用的邊緣設備越來越多，產生的數據量越來越大，將數據發送到云端的成本可能會令人望而卻步。此時，如果可以在邊緣對數據進行處理、存儲和分析，成本就會有所降低。

　　安全和隱私： 在邊緣保障個人病歷等敏感數據的安全，并減少數據在網絡中的傳輸有利于通過降低攔截風險而提高安全性。此外，部分政府或客戶可能會要求將數據保留在數據生成地的管轄區內。例如，在醫療領域，甚至可能存在一些當地或區域性要求來限制個人數據的存儲或傳輸。

　　連接： 缺乏持續的互聯網連接會阻礙云計算，然而豐富的網絡連接選項卻使云邊協同的計算成為可能。例如，5G 提供的高帶寬和低時延能夠支持從邊緣快速地傳輸數據并交付服務。

　　人工智能： 由于需要近實時的智能洞察來指導行動，企業需要在數據源處部署 AI，以加速數據處理，并釋放過去未充分利用數據的潛能。

　　什么是邊緣計算

　　邊緣計算是指在靠近數據源的位置對數據進行處理、分析以及存儲，從而實現近實時的快速分析和響應。 近年來，一些公司已經通過將數據的存儲和計算集中到云端來實現運營整合。然而，數十億分布在各處的設備支持下的新應用又帶來了新需求，例如先進的倉儲和庫存管理解決方案、視覺增強型機器人生產線、先進的智能城市交通控制系統等。

　　圖片來源于網絡

　　邊緣計算優勢

　　將部分數據功能(如存儲、處理和分析)從云端轉移到邊緣更靠近數據源的位置可以帶來以下關鍵優勢：

　　提高速度，降低延時： 將數據處理和分析轉移到邊緣有助于加快系統的響應速度，加速事務處理并帶來更好的體驗，這對于自動駕駛等近實時應用至關重要。

　　優化網絡流量管理： 最大限度地減少通過網絡發送到云端的數據可以降低傳輸和存儲大量數據的帶寬和成本。

　　提升可靠性： 網絡一次能傳輸的數據量是有限的。對于互聯網連接欠佳的位置，當與云端的連接中斷時，能夠在邊緣存儲和處理數據就能大大提升可靠性。

　　提高安全性： 通過合理地部署，邊緣計算解決方案可以通過限制互聯網上的數據傳輸來提高數據安全性。

　　實現云邊協同

　　物聯網和邊緣計算設備主要通過兩種方式來收集和管理數據。集成處理器的智能邊緣計算設備可以提供數據分析或 AI 等高級功能，而沒有處理器的設備則可將它們生成的數據發送到部署在本地邊緣的服務器進行存儲和分析。隨后，本地邊緣服務器會處理來自邊緣計算設備的數據并回傳實時應用所需的關鍵信息，或者僅將相關的數據發送到云。雖然邊緣計算為企業提供了一個釋放數據價值的罕見機會，但云端仍然是一個不可或缺的中央數據存儲和處理中心。來自大量邊緣計算設備的數據在云中整合，才能實現更廣泛的處理和分析。