自20世紀(jì)70年代信息技術(shù)首次被組織廣泛采用以來，開發(fā)周期的演變方式被許多人比作擺動的鐘擺。

最初，計(jì)算資源是集中的并且基于大型大型計(jì)算機(jī)。然后，鐘擺轉(zhuǎn)向另一個方向，資源以個人計(jì)算機(jī)和獨(dú)立服務(wù)器的形式轉(zhuǎn)移到更靠近用戶的地方。

此后，鐘擺再次擺回來，資源被轉(zhuǎn)移到云端，駐留在大型數(shù)據(jù)中心，并根據(jù)需要進(jìn)行遠(yuǎn)程訪問。

有趣的是，這個變化的過程并沒有停止。然而，下一階段不太可能涉及將IT資源從集中式設(shè)施中再次大規(guī)模遷移。相反，它很可能是云平臺和日益智能的邊緣設(shè)備的結(jié)合。

邊緣的崛起

在越來越多的情況下，邊緣計(jì)算的興起是由人工智能的快速發(fā)展推動的。雖然需要大規(guī)模、集中的IT基礎(chǔ)設(shè)施來根據(jù)大量數(shù)據(jù)訓(xùn)練人工智能模型，但這些模型可以在更小、計(jì)算密集程度較低的邊緣設(shè)備上運(yùn)行。

一個很好的例子是智能監(jiān)控?cái)z像頭。識別物體和人所需的人工智能模型需要大量數(shù)據(jù)和資源來學(xué)習(xí)，但當(dāng)它應(yīng)用這些知識時(shí)，它可以在相機(jī)內(nèi)更有限的資源上運(yùn)行。

另一個是語言翻譯。雖然需要大量資源來訓(xùn)練能夠準(zhǔn)確提供此類服務(wù)的模型，但模型本身可以在更小的設(shè)備上運(yùn)行。

智能邊緣計(jì)算的快速崛起是由兩個關(guān)鍵因素推動的。一是IT不斷小型化。如果考慮當(dāng)今智能手機(jī)的功能，20年前要訪問如此多的計(jì)算資源將需要一個裝滿服務(wù)器的房間。

第二個因素是網(wǎng)絡(luò)技術(shù)的不斷發(fā)展。邊緣設(shè)備通常位于傳統(tǒng)高速連接不可用的地方。

因此，設(shè)備收集的數(shù)據(jù)需要在該設(shè)備上進(jìn)行處理，并通過任何可用的網(wǎng)絡(luò)鏈接將結(jié)果反饋到集中式數(shù)據(jù)中心。在許多情況下，這些可能是Wi-Fi、4G或5G無線連接。

玩家生態(tài)系統(tǒng)

為了使智能邊緣基礎(chǔ)設(shè)施成功運(yùn)行，需要多方共同努力。該列表包括設(shè)計(jì)和構(gòu)建與物理世界交互并收集數(shù)據(jù)的邊緣設(shè)備的硬件供應(yīng)商，其中可以包括從運(yùn)動到降雨的任何數(shù)據(jù)。這些設(shè)備還充當(dāng)邊緣系統(tǒng)的輸入點(diǎn)，并提供使人工智能能夠做出決策的數(shù)據(jù)。

智能邊緣還需要集中的計(jì)算和存儲資源，通常由云供應(yīng)商提供。這是存儲和處理所有傳入數(shù)據(jù)的地方。

第三個必需的群體是連接參與者。這可以是傳統(tǒng)的網(wǎng)絡(luò)供應(yīng)商或提供數(shù)據(jù)服務(wù)連接的電信運(yùn)營商。該組尤其重要，因?yàn)槿绻麤]有這種連接，整個系統(tǒng)就無法運(yùn)行。

最后，智能邊緣計(jì)算需要軟件開發(fā)人員能夠構(gòu)建利用大量收集數(shù)據(jù)的應(yīng)用程序。這將使組織能夠從其邊緣資源中提取盡可能多的有用見解。

持續(xù)進(jìn)化

智能邊緣計(jì)算的興起絕不是進(jìn)化過程的結(jié)束。事實(shí)上，許多行業(yè)觀察家認(rèn)為，下一步將是完全模糊集中式云計(jì)算和邊緣計(jì)算之間的區(qū)別。

從業(yè)務(wù)用戶的角度來看，他們的應(yīng)用程序在哪里運(yùn)行并不重要，重要的是他們從中獲得的結(jié)果。如果最佳位置在云端，則可以在那里運(yùn)行；然而，如果可以在邊緣實(shí)現(xiàn)更高的性能，那么邊緣將成為選擇的位置。

智能邊緣計(jì)算的用例將在未來幾年繼續(xù)發(fā)展。隨著邊緣設(shè)備能力的提高以及用于分析所收集數(shù)據(jù)的人工智能算法變得更加強(qiáng)大，它們提供業(yè)務(wù)價(jià)值的方式將會呈爆炸式增長。

正如分布式計(jì)算在20世紀(jì)80年代和1990年代帶來了令人興奮的新機(jī)遇，云平臺在2000年代改變了游戲規(guī)則一樣，智能邊緣計(jì)算將在未來幾年帶來重大的發(fā)展和增長機(jī)會。