电信运营商和超大规模企业都希望在边缘获得价值，但他们需要共同努力以提供边缘计算解决方案并在客户之间产生需求。运营商如何与超大规模合作伙伴进行协作，同时加强其在连通性之外的作用？到现在为止，我们都已经习惯了云计算，并且认识到云计算可以使企业受益并使我们的日常生活更加轻松的多种方式。边缘计算会产生类似的影响吗？
什么是边缘计算？
边缘计算是指在智能手机等设备上处理数据。与云计算不同，在云计算中，数据是在遥远的远程数据中心中进行处理的，边缘计算使设备能够在收集数据的那一刻，然后在那里进行部分或全部数据处理。
这一切都是可能的，因为设备变得越来越强大（部分要归功于AI），这意味着它们可以处理更多的数据处理任务。换句话说，该设备不再需要将所有小数据（无论是否有用）发送到云。
想一想办公室安全摄像机在一夜之间收集的所有数据。数小时的镜头，其中绝大部分镜头都显示出空旷的走廊和房间。发送所有可能价值很小或没有价值的数据是浪费带宽。但是配备AI的安全摄像头能够在当时和那里进行图像分析，从而能够检测到异常活动并确定数据的优先级。
边缘计算的主要优势
让我们看一下边缘计算带来的最大优势：
1.节省带宽
智能设备的普及意味着我们正在创建大量数据。但是，并非所有这些数据都是至关重要的。再来看我们的安全摄像机示例，如果您在一个站点上有多个摄像机，并且每个摄像机都在不断将数据流传输到云中，那么这将占用大量带宽来存储可能不是非常有用的数据。但是，如果摄像头足够智能，可以在源头处理数据，则它们只能将最重要的素材流式传输到云中，而将其余部分丢弃。
2.减少延迟
设备能够从不太重要的数据中排序重要数据的另一个优点是减少了等待时间（即，发送数据和接收回复所花费的时间）。使用云计算时，设备可能会将信息发送到世界另一端的数据中心进行处理，这通常会导致短暂的延迟。这并不总是很重要；例如，我们大多数人不介意Alexa通常需要几秒钟的时间来回答有关今天天气的问题。
但是这种滞后时间在例如自动驾驶汽车在路上行驶的情况下远远不能接受。如果另一辆汽车运行停车标志，您是否真的希望您的自动驾驶汽车必须将该传感器和视觉数据发送到云端，然后等待下一步的决定？没那么多。借助边缘计算，关键数据（对实时决策至关重要的数据）可以在现场进行处理，从而可以更快地做出决策-处理越近，本质上响应时间越快。同时，时间要求不严格的数据（例如，燃油性能数据）可以发送到云中以供以后分析。
3.增强安全性和隐私性
边缘计算减少了必须通过网络传输的数据量，从安全角度来看，这是显而易见的好处。还有一个事实是，数据是分布的（在这种情况下，位于多个用户设备上）而不是存储在一个地方。这是所有好消息，只要智能产品制造商将确保本地数据安全作为首要任务即可。
那么隐私呢？从理论上讲，随着更少的数据上载到云中并在设备上处理更多的数据，智能设备的用户将可以更好地控制其数据。想象一下，如果您的Amazon Echo扬声器能够在不将数据发送到中央Amazon服务器的情况下处理并响应您的天气预报请求，那么该公司所拥有的有关您的数据就少了一点。无论如何，这就是主意。实际上，公司不太可能放弃对像用户数据这样有价值的东西的虎视vice。但是随着边缘计算的发展，我们（如果幸运的话）可能会看到更多选择，不选择将数据发送到云。
在过去的十年中，云计算的进步引领了系统操作和管理的集中化方法，而移动计算，物联网（SaaS）和SaaS的发展推动了计算向分布式架构的发展。随着边缘计算和5G技术的引入，公司现在正在尝试利用这两种方法，同时提高其应用程序的性能。
围绕边缘和5G的炒作往往专注于创新。专家表示，自动驾驶汽车，虚拟或增强现实（VR / AR）和机器人技术中的尖端应用程序将超越这些应用程序，为IT专业人员提供大量机会。
边缘计算如何处理延迟
在过去的几年中，企业通过将资源集中在云提供商所拥有的数据中心中而从云计算中受益。内部数据中心专注于避免资本支出，并节省管理成本上的资金。但是，集中化已导致性能问题，以应对互联网“边缘”上的端点，包括物联网传感器/设备和移动设备。
尽管如今，智能手机是可能完全适合您的口袋的潜在智能计算机，但它们仍缺乏在云中完成的大量处理。卡耐基梅隆大学（Carnegie Mellon University）的一位计算机科学教授Mahadev Satyanarayan问道：“为什么不能把所有的智能都放在最后？换句话说，为什么您的智能手机不能做到这一点？”
他回答了这个问题，他说：“答案是进行您想完成的计算；您需要的计算资源比智能手机上携带的计算资源要多得多。” 他补充说：“如果您考虑一下智能手机上的摄像机，它非常轻巧。但是，如果您要在其上进行实时视频分析，那么今天就无法通过手机上的计算机来完成它—您会将数据发送到云中，这就是问题的出处。”
2009年有影响力的IEEE Pervasive Computing文章（由Satyanarayanan合着）概述了一种解决方案，该解决方案是在移动计算中使用基于虚拟机的“ cloudlets”。换句话说，放置微型数据的重点是靠近需要处理能力的网络边缘。
Satyanarayanan平均解释说，在4G LTE网络上，往返于智能手机和蜂窝塔的时间大约为12到15毫秒，根据传统系统和其他因素，该时间可能会更长。但是，当您尝试将智能手机与数据中心连接时，可能需要100至500毫秒。在某些情况下，它甚至需要一整秒的时间。
使边缘计算具有吸引力的是减少分布尾部。
5G网络上的数据传输速度
直到四年前，才将智能概念带到了最前沿。那时，电信公司意识到5G速度的必要性，并开始制定5G无线计划。
虽然4G上的数据传输时间在12到15毫秒之间，但厂商称5G的等待时间为2到3毫秒。但是，从遥远的数据中心来回的时间仍可能需要100到500毫秒左右的时间。Satyanarayanan说：“即使您只需要几毫秒，也不必返回全国或全球其他地方的数据中心，这毫无意义。”
戴维·麦卡锡（Dave McCarthy）同意IDC边缘策略研究总监Satyanarayanan的话说：“就其本身而言，5G减少了移动塔与终端之间的网络延迟，但它并不主张与数据中心的距离，这可能会给数据中心带来麻烦。延迟敏感的应用程序。”
他补充说：“通过将边缘计算部署到5G网络中，它可以缩短物理距离，从而大大缩短响应时间。” 这使得边缘计算对于推出新的移动边缘计算（MEC）服务和5G网络至关重要。
专家表示，至关重要的是要了解5G和边缘计算之间没有紧密联系。5G网络需要边缘计算技术才能成功；边缘计算可在不同的网络（例如4G LTE，Wi-Fi和其他网络类型）上运行。
5G和Edge Boost商业应用程序如何？
当您将5G速度与边缘计算的处理能力结合在一起时，自然会集中在需要低延迟的应用程序上。这就是为什么早期使用案例往往涉及VR / AR，机器人技术和人工智能，而这需要瞬间从计算资源中做出决策。但是，各种商务应用都有可能同时受益于5G和Edge。
“在本地边缘中，已经存在许多可以“移动”或利用移动边缘计算的应用程序，” STL Partners边缘计算实践负责人Dalib Adib说。”
有很多用例，例如那些使用视频，人工智能和物联网的用例。”
专家列举了企业边缘计算的大量用例，包括：
•生产设备中的实时过程优化。从智能的，连接的设备动态生成的数据不仅可以调整校准设置，还可以提高良率并减少缺陷。
•基于状态的监视-使用IoT设备/传感器检查机器上的特定参数，以确保其正常工作。
•利用边缘和5G进行维修和维护，在制造业，石油和天然气以及能源等行业中使用资本密集型资产的业务。其中包括AR / VR应用程序，可使用高级分析技术指导技术人员进行维修和无人机，以对桥梁，建筑物或铁路线进行视觉检查，以帮助识别潜在的缺陷或需要维护的产品。
•用于监视的视频分析-例如，使用实时处理来确定进入建筑物的个人是雇员还是访客，并确保雇员的身份。
•视频分析为紧急情况下的执法决策者提供实时建议。（观看60分钟的视频剪辑，讲解可穿戴式认知助手。）
•远程医疗在医疗保健中的应用-使用视频和分析技术诊断患者或进行远程患者监视。
Satyanarayanan预计将开发边缘本机应用程序，以利用边缘计算的优势，例如带宽可伸缩性和低延迟。这些应用可能会推动对边缘计算和5G网络增长的需求。
需要注意的潜在陷阱
那就是积极的照顾。那底片呢？在我看来，边缘计算有一个潜在的缺点：即，为了节省带宽和减少延迟，重要数据最终可能会被忽略和丢弃。
对于实时决策而言至关重要的数据可能还有其他用途。例如，如果自动驾驶汽车在原本空旷的道路上行驶，则视觉和传感器数据似乎毫无意义。从一条空路中学到什么？可能很多。似乎无用的数据仍然可以提供有关道路状况以及车辆在这些状况下的性能的信息，这可以帮助将来规范其他行驶在同一条路线上的自动驾驶汽车。在最大程度地利用边缘计算提供机会的同时仍要认识到数据的价值之间需要平衡。
关于边缘的最常见误解是什么？
我认为我听到的一个误解是边缘计算主要是炒作。边缘计算是人们长期以来一直在做的事情，或者与工厂制造中的现有私有，内部部署企业设备（如网关或代理或DCS和SCADA系统）相同。
另一个误解是边缘计算基本上是物联网或物联网。收集数据的是传感器和小型设备。
但是，不仅如此。边缘计算通过云系统，软件，计算，通信，高级存储和内存中的技术进步，推动了第四次工业革命。它推动了人工智能时代的到来。
无论行业如何，边缘和边缘计算的关键方面是什么？
边缘计算的关键方面包括低延迟，执行确定性实时计算的能力，对关键任务或安全关键用例的支持以及将计算范围从人类扩展到极端环境和事物的能力。
边缘技术对行业产生重大影响的例子是什么？
有趣的是，目前还没有任何一个行业真正被边缘计算所改变或破坏。那是因为在评估和找到最佳用例的早期阶段，我们仍处于过渡阶段。我们还没有看到任何人真正在边缘转换策略上进行大规模扩展。另外，我们已经看到边缘计算可在制造业，能源，智慧城市和建筑，交通运输，零售和执法等多个行业中实现创新和投资回报。
为什么实时数据处理如此重要？
有两个原因。首先是时间紧迫性。一些决策或动作需要在几毫秒甚至几微秒内执行。考虑一下自动驾驶汽车识别出行人或危险的情况。车辆需要对如何避免伤害或危险做出确定性决定，并且没有时间将该数据发送到云中进行处理，然后再发送回去对它采取行动。因此，需要在车辆中进行时间紧迫的处理或计算。
其次，在许多工厂生产场景中，需要实时处理大量机器数据或视觉（例如，运动控制）以执行人工辅助（例如，对安全至关重要的）机器人控制，或者通过网络协调组装或生产中的许多机器人。
在缺乏熟练的IT专业人员的情况下，边缘如何使业务领域受益？
边缘计算允许在遥远或无人的地点（例如在能源行业中）实现真正的自主安装。边缘计算技术使应用程序能够自主运行，其中安全，应用程序或系统管理等标准运营服务可以在后台运行，也可以通过零接触管理进行带外管理。
领导者如何确定边缘系统将持续存在？
边缘计算的伟大之处在于它不需要批量替换现有技术系统。它可以补充和扩展传统系统的功能，同时为现代化的未来系统提供一条途径。明智的边缘计算策略平衡了IT和OT的最佳条件，创建了开放，灵活的系统，同时提供了可扩展性和互操作性的新标准。
边缘技术如何产生投资回报率？
在很多方面，评估边缘计算的投资回报率与引入新兴技术或颠覆性技术很相似。边缘计算的价值可以证明通过优化流程，提高效率，实现互操作性以及实现更高的可用性来提高生产率，仅举几例。此外，边缘计算可以扩展创新并加速智能，以推动数字化转型。
运营商的边缘计算机会
许多运营商将边缘计算视为利用现有资产和资源进行创新并提升价值链的好机会。他们的目标是将服务和收入扩展到连通性之外，并进入平台和应用程序空间。通过在网络边缘部署计算资源，运营商可以为企业提供基础架构即服务以及替代应用程序和解决方案。此外，边缘计算作为分布式计算结构和云的扩展，支持运营商自己的旅程，以虚拟化网络并更有效地运行内部运营。
云超大规模部署者，尤其是最大的三个-亚马逊网络服务（AWS），微软Azure和Google-处于边缘计算市场的最前沿。近年来，他们已努力将影响力扩展到公共云之外，并使数据获取点更靠近物理设备。这些包括将其堆栈集成到IoT设备和网络网关以及支持私有和混合云部署的工作。最近，超大规模者通过推出专用于电信网络的平台并实现了与5G网络的集成，进一步采取了进一步的行动，以更接近边缘客户。
