首页 云计算

开户送体验金

随着越来越多的工作负载出现在云端,以及物联网等新技术走进生产和生活,对于本地的处理能力提出了额外的需求。Gartner曾在一份报告中宣称,边缘计算正在“吃掉”云。Edge Computing(边缘计算)的理念并不新鲜,只不过现在出现在了越来越多的应用领域,像微软就在与美国超市品牌Kroger借助智能云和边缘的技术打造“智慧商店”,并已经对各自总部附近的零售店进行了改造。

据了解,双方的合作范围涉及智能货架、终端设备、门店购物效率、定价、补货、投放转化等方面。以“数字化货架系统(EDGE)”为例,其利用数字货架显示屏取代了纸质价格标签,可以显示商品促销等信息。

目前,这套系统已经部署在美国的数十家Kroger连锁店。与传统货架需要人工张贴纸质价签、条码等信息相比,运行在Azure平台的新系统能够在数分钟内更新两万条价格信息。

举个例子,如果消费者想购买某个品牌的意面酱料,那么当其走到这个意面酱料所在货架的时候,货架系统就会发出提示信号,对于一些拜访数十种酱料品牌的货架来说,无疑可以提升不小的选购效率。除了EDGE,改造的系统还包括导购体验、个性化等。客户可以通过克罗格应用提前生成购物清单,应用会指导他们在商店选购商品。

根据NetApp给出的一项数据显示,亚太地区预计到2020年将拥有86亿台物联网(IoT)设备,并到2025年成为全球5G网络规模最大的地区,5G连接数量将达到6.75亿。要想充分利用由此产生的海量数据,企业必须具备在边缘处理数据的能力,才能快速获得洞察力并做出实时决策。因此,IoT设备和应用程序将越来越多地内置数据分析和数据精简等服务,从而更合理、更快速、更智能地决定哪些数据需要立即处理,哪些数据需要发送回核心或云中,甚至哪些数据可以被丢弃。

对于制造业来说,将从更智能的边缘设备中获益匪浅。利用IoT设备在边缘处理数据,制造商可以通过检测设备故障的早期迹象来实现预测性维护,这有助于防止那些妨碍生产的故障发生或进行不必要的维护检查。

和利时研发的自动化系统支持着全球25000台套工业系统设备的日常运行,覆盖中国高速铁路、地铁运营和核电、火电厂自动化控制等市场。 要对全球2万多台套系统设备进行系统的管理与维护绝非易事,按照传统方式,这需要消耗大量人力、物力、精力实施现场服务、巡检和定期维护。

快速发展的业务和不断增加的客户,带来了不断增长的现场服务需求,随之而来的还有不断增长的服务规模和投入,以及相应激增的管理、沟通、协调等等的一系列问题。此外,现场服务的传统方式效率较低,现场技术人员在发现疑难问题后,往往需要与总部进行反复的技术沟通,再加上设备零件替换等所花费的时间,常常需要设备停工检修。

对于装备生产线、发电厂这样的大规模企业来说,生产暂停就意味着巨大损失。以热电厂中的一台锅炉设备为例,维修本身也许只要几个小时,但前期等待锅炉冷却、后期重新上水加热,都需要较长的时间,前前后后至少要停产一周——对于日发电量数千万度的发电厂来说,这造成的直接经济损失已经相当惊人了。

显然,最大限度地避免计划外停机,提高运营维护效率,加快维修反应速度,是和利时要解决的核心问题,这就需要借助云计算、物联网技术打造远程实时巡查和诊断、技术专家远程服务,构建一套工业自动化控制平台,

整体来看,云计算服务最多的还是设备端,物联网则是连接这些端的关键桥梁,无论是之后衍生出的移动边缘计算还是移动云计算,都在将重心引到端上,而不是将精力"浪费"在传统的IaaS或PaaS端。因此,云服务商在处理工作负载时仍将遵循"大智能"在云端,"小智能"在边缘的原则,但长期来看产业上下游围绕边缘场景打造智能化的解决方案已成必然趋势。

根据Metcalfe's Law,网络价值和用户数的平方是成正比的,当越来越多的人和智能的物连接在一个网络上,会让整个网络增值。调研机构预计,未来79%的物联网流量将通过网关接入,50%的网络流量将来自物联网,而物联网将贡献超过500亿的连接。与此同时,每个人、每个物体在每天所产生的数据量也将是当前的2000倍。巨大的商机由此而来,不止为管道商,更是为上游芯片商和服务商。

此外,消费者的使用感受才是边缘计算的主导,而不是企业,这就使得云服务商的设计逻辑需要调整。举个例子,大家都知道手将要碰到火的时候赶紧把手伸回来,不会等到被烫伤再反应,这就涉及到了响应延迟。边缘计算,顾名思义就是在数据源一侧完成运算,完成运算的设备既可以是智能家电,也可以是PC、移动手机,甚至是摄像头,通过局域网即可实现。此时,边缘计算也充当了信息调度的角色。

当然,边缘计算更大程度上只能是云计算的补充,要说取代未免偏颇。为什么?第一,IT复杂度的演进使得异构化数据逐渐增多,这在处理性能上对计算平台提出了考验,如何让“冰箱听懂空调说的话”,还需要在架构层面完善;第二,边缘计算到底有多智能,至少目前看距离智能云还有差距,大规模集中化的数据融合了多种算法,为应用实现带来了多可能性;第三,边缘计算的相关行业标准尚有缺失,ECC只是个开始,商业化应用仍需探索。

无论是在云端运算和处理数据,还是利用人工智能来训练数据,大规模的数据处理都离不开强大计算能力的支持,后者也是加速产业数字转型并创造智能服务的重要保障。如今,在边缘实现智能化已经成为英特尔、微软、思科这些科技巨头的共识,但是深入到像工业、能源、制造等领域的实际场景中,要想实现真正的“边缘智能”有着不小的挑战。笔者曾采访过英特尔数据中心集团副总裁兼云服务供应商集团总经理Raejeanne Skillern认为,平台的战略视角、丰富的软硬件工具,以及开放式的合作理念缺一不可。

事实上,很少有企业或者方案供应商能够把从云一直到边缘的一段、一段的方案连接得很好,这是非常难的。这也是为什么英特尔收购了Movidius,因为现在的边缘还不够智能化,我们一直在加强对边缘的投入。边缘把很多事情处理完后再到云端处理,云和边缘的配合可以降低带宽成本和需求,把方案推到更接近客户的层面。因此,如何从智能云向智能边缘延伸,这是上下游厂商都在思考的问题,期间离不开芯片厂商、云服务商、解决方案商的共同努力,只有这样才能将边缘计算的红利发挥到最大值。

官方微博/微信

每日头条、业界2017注册送体验金白菜、热点2017注册送体验金白菜、八卦爆料,全天跟踪微博播报。各种爆料、内幕、花边、2017注册送体验金白菜一网打尽。百万互联网粉丝互动参与,TechWeb官方微博期待您的关注。

↑扫描二维码

想在手机上看科技2017注册送体验金白菜和科技八卦吗?

想第一时间看独家爆料和深度报道吗?

请关注TechWeb官方微信公众帐号:

1.用手机扫左侧二维码;

2.在添加朋友里,搜索关注TechWeb。