隨著企業尋求可以根據不斷變化的業務需求進行擴展和縮減的計算和存儲資源，云的采用率急劇上升。但即使考慮到云計算的成本和敏捷性優勢，人們對另一種部署模型的興趣也越來越高——邊緣計算，即在數據源處或附近進行的計算。它可以支持新的用例，尤其是對現代商業成功至關重要的創新人工智能和機器學習應用。

　　在《麻省理工科技評論》(MITTechnologyReview)主辦的“未來計算”(FutureCompute)大會上，三位工業技術專家表示，這一優勢的前景在于數據。具體來說，無論是工廠、自動駕駛汽車還是智能建筑系統，都需要收集、處理和分析最接近數據產生地點的數據。

　　直接在邊緣數據上運行人工智能模型，而無需將工作負載轉移到云上，這一能力減少了延遲和成本。專家們一致認為，最重要的是，這是開啟實時洞察的關鍵，能夠將領導者與落后者區分開來。

　　企業開始認識到邊緣計算在推動成功的數據驅動業務轉型中可以發揮的作用。Gartner估計，雖然2018年只有10%的企業數據是在數據中心和云之外創建和處理的，但到2025年這一數字將達到75%。

　　市值30億美元的運動控制解決方案公司MoogInc.的首席技術官GeorgeSmall表示，他看到邊緣應用取得了顯著的進步。

　　“這是真實的用例。我們現在看到的是哪里在創造價值。”他說。“它實際上正在顯著提高生產力。”

　　邊緣與云的融合

　　隨著數據驅動業務的發展，企業需要創建一個包括邊緣計算和云計算的IT環境。在邊緣收集和分析的數據可以啟動實時響應，以排除工業設備故障，防止機器停機，或重新引導自動駕駛汽車免受傷害。

　　與此同時，來自機器或車輛的設備數據可以被發送到云端，并與其他數據聚合在一起進行更深入的分析，從而推動更明智的決策和未來的商業戰略。

　　Small說：“連接性已經達到了一個基準點，它正在為智能邊緣的想法提供支持。”“智能從邊緣的感知水平開始，延伸到系統的網絡系統，最終到達云。我們認為這是一個連續體。”

　　邊緣發揮作用的應用

　　Small表示，穆格正在為各種應用試驗邊緣計算。在農業領域，該公司將邊緣功能和機器學習識別用于杏仁和蘋果種植，幫助收割設備自主導航地形并提高作物產量。二人在建筑方面，穆格的邊緣和基于人工智能的自動化工作主要集中在材料移動上——例如，將挖掘機的一部分變成機器人平臺以實現自動化。

　　Small還表示，持續的勞動力和生產力挑戰促使穆格在農業領域嘗試基于邊緣的自動化。

　　“有些情況下，你沒有那么多結構化的環境，或者人們需要與實際的工作場所互動。”“這就是我們對邊緣定義的介紹。我們是從自動駕駛汽車的角度出發的。

　　另一個潛在的用例結合了邊緣計算、3D打印和區塊鏈來協調備件的按需、就地輸出。Small說，航空航天和國防等行業的穆格客戶可以在現場為關鍵設備制造備件，使用區塊鏈作為驗證部件的供應和完整性的手段。

　　將加熱、冷卻和空氣過濾系統連接到邊緣設備可以創建一個智能網絡，促進數據共享，并在更接近影響最大的地方做出更明智的決策。

　　Sharma說：“您正在構建一個系統系統并進行正確的計算，您需要有一個公共網絡，可以在幾毫秒內共享數據并在邊緣級別做出決策”。

　　邊緣部署的最佳實踐

　　小組成員概述了一些最佳實踐，可以幫助企業確定邊緣部署的正確選項，同時避免一些更常見的部署挑戰。

　　將計算能力轉移到數據所在的位置。確定邊緣或云是否最適合特定工作流或用例可能會導致分析癱瘓。然而事實是這些模型是互補的，而不是競爭的。

　　Akamai執行副總裁兼首席技術官RobertBlumofe說：“一般的經驗法則是，將計算轉移到數據上要比反之好得多。”“通過這樣做，您可以避免回程傳輸，這會損害性能并且成本高昂。”

　　考慮一個電子商務應用，它可以協調搜索產品目錄、根據歷史記錄提出建議或跟蹤和更新訂單等操作。

　　“在云數據倉庫或數據湖中存儲數據的地方進行計算是有意義的，”Blumofe說。另一方面，邊緣適用于對動態數據進行計算——例如，分析流量以支持安全操作。

　　進行大量的實驗。邊緣計算仍處于早期階段，大多數企業都處于成熟曲線的起點，評估模型如何以及在何處產生最大影響。然而，能力正在迅速提高，企業不能袖手旁觀。

　　“你真的需要開始推動，因為要創造價值，”Small說。“你必須在外面尋找新的機會——你不僅僅是想出來，你必須找到它們。”

　　不要忽視投資回報率。Moog'sSmall指出，支持邊緣的自動化可以幫助企業以更少的勞動力做更多的事情，并讓人們騰出時間去做更高附加值的工作。但除了那些明顯的一階生產力提升之外，邊緣自動化還有其他更難以量化的好處，包括可復制性，他說。