2021年將展示分布式計(jì)算的真正力量，其中的重要處理不是在云中的集中式服務(wù)器中進(jìn)行，而是在網(wǎng)絡(luò)“邊緣”進(jìn)行(我們所依賴的大部分?jǐn)?shù)據(jù)都是在這里生成)。這將帶來巨大的收益，不僅是在計(jì)算方面，而且也是在越來越多將要連接互聯(lián)網(wǎng)的人們的生活方面。

邊緣計(jì)算將是物聯(lián)網(wǎng)成功的關(guān)鍵。

物聯(lián)網(wǎng)設(shè)備——從智能手機(jī)和智能手表到嵌入設(shè)備和基礎(chǔ)設(shè)施中的微型計(jì)算機(jī)——產(chǎn)生了大量的數(shù)據(jù)。這些數(shù)據(jù)將在云中進(jìn)行處理，然后再將相關(guān)處理結(jié)果發(fā)送回設(shè)備，以指示其如何做出響應(yīng)。但是，延遲(數(shù)據(jù)在互聯(lián)網(wǎng)上兩點(diǎn)之間傳輸所需的時間)使得這種設(shè)置對于時間關(guān)鍵型應(yīng)用(例如醫(yī)療設(shè)備使用的應(yīng)用程序)不可靠，例如，醫(yī)療設(shè)備使用的應(yīng)用，這些應(yīng)用需要幾乎立即處理傳感器數(shù)據(jù)并做出響應(yīng)。此外，依賴云還限制了將物聯(lián)網(wǎng)設(shè)備部署到幾乎沒有網(wǎng)絡(luò)或網(wǎng)絡(luò)連接不可靠的地方的可能性。

在2021年，我們將使用邊緣計(jì)算來解決這些挑戰(zhàn)，方法是將數(shù)據(jù)處理從中央服務(wù)器移到地理上更接近數(shù)據(jù)源的地方。我們將能夠利用Nvidia和Intel等公司開發(fā)的專業(yè)加速器芯片組來做到這一點(diǎn)，這些芯片組能夠運(yùn)行相對先進(jìn)的機(jī)器學(xué)習(xí)算法，而這些算法可以在設(shè)備本身上運(yùn)行。這將把延遲降低到幾乎為零。我們還在開發(fā)軟件和硬件優(yōu)化技術(shù)，例如模型量化，這將加速基于云的處理，從而進(jìn)一步減少延遲。像這樣的進(jìn)步將有助于在全世界推廣先進(jìn)的物聯(lián)網(wǎng)設(shè)備。

邊緣計(jì)算還將使我們能夠?qū)?shù)據(jù)進(jìn)行更多的本地化控制。一種稱為聯(lián)合學(xué)習(xí)的技術(shù)允許在擁有本地?cái)?shù)據(jù)樣本的多個服務(wù)器或邊緣設(shè)備之間訓(xùn)練算法，而不必共享或交換數(shù)據(jù)。這意味著可以處理敏感數(shù)據(jù)，例如醫(yī)療或?qū)Ｓ行畔?，并在設(shè)備本身上保持安全。智能手機(jī)輸入鍵盤就是這樣一個已經(jīng)在使用的例子，該鍵盤為設(shè)備上的每個人創(chuàng)建一個本地化的、個人的常用單詞和短語庫，同時僅將人工智能模型的摘要更改發(fā)送到云中進(jìn)行處理。這使人工智能可以從用例中學(xué)習(xí)，但可以保護(hù)用戶的隱私。

由于邊緣計(jì)算減少了對連接性的依賴，因此它將使更多的人能夠使用人工智能解決方案。這將對諸如撒哈拉以南非洲以及亞洲和南美部分地區(qū)等世界許多地區(qū)產(chǎn)生巨大影響，那里許多人面臨著嚴(yán)重的互聯(lián)互通問題。例如，邊緣計(jì)算已經(jīng)被用于幫助撒哈拉以南非洲國家的自給自足的農(nóng)民?？溌∫患页鮿?chuàng)公司開發(fā)的Agrix-Tech應(yīng)用在智能手機(jī)中使用攝像頭和機(jī)器學(xué)習(xí)算法，以幫助農(nóng)民識別農(nóng)作物上的病蟲害。

農(nóng)民可以在田間立即獲得這些信息，然后，當(dāng)手機(jī)靠近互聯(lián)網(wǎng)節(jié)點(diǎn)時，該應(yīng)用將匿名數(shù)據(jù)輸入云中，以進(jìn)一步訓(xùn)練集中式算法。再加上將減少云延遲的新一代低軌道衛(wèi)星，像這樣的邊緣計(jì)算應(yīng)用將徹底改變這些地區(qū)人們的在線生活。

在2021年，我們將看到邊緣計(jì)算在醫(yī)療、交通、工業(yè)、農(nóng)業(yè)和家庭領(lǐng)域帶來的更多突破。邊緣計(jì)算以盡可能接近數(shù)據(jù)源的智能方式處理數(shù)據(jù)的能力，將創(chuàng)造一個能夠?yàn)槿虼蟊妿韺?shí)際好處的偉大物聯(lián)網(wǎng)。