人工智能讓邊緣計算更有價值!

3月28日，在2018雲栖大會·深圳峰會上，阿裡雲宣布2018年将戰略投入到邊緣計算技術領域，并推出了首個IOT邊緣計算産品Link Edge,将阿裡雲在雲計算、大資料、人工智能的優勢拓寬到更靠近端的邊緣計算上，打造雲、變、端一體化的協同計算體系。

Link Edge的優勢還展現在提升AI的實踐效率，開發者可将深度學習的分析、訓練過程放在雲端，将生成的模型部署在邊緣網關直接執行，優化良率、提升産能。

另外，今年1月，在美國裝備有最新技術的卡車在美國從西向東自主行駛超過3800公裡。完成這項壯舉的獨特技術組合完美地展現了邊緣計算的力量。你是否熟悉邊緣計算的概念及其含義？

邊緣計算是允許我們盡可能靠近應用程式并且是一種重新定位資料處理的技術。

即使車上有一名操作人員來確定這項駕駛試驗的安全，但是我們不得不承認這輛普通的卡車，它已被添加了傳感器和軟體以完成此項任務。“

Embark卡車” 方法的顯着特點在于，他們沒有使用詳細的路線圖來指導他們自動駕駛系統，而是考慮采用另一種方式來引導卡車。Embark完全依靠車輛傳感器和嵌入式機器學習算法收集的資料。 什麼是邊緣計算？

這項技術的特點是軟體和硬體架構結合，其資料處理盡可能接近他們的本體。它主要涉及物聯網和移動計算，依賴于智能裝置以及一些雲。值得注意的是邊緣計算的另一個方面主要涉及在短時間内處理價值特别重要的資料。

根據前面的例子，卡車傳感器産生的資料在其搭載裝置内處理。顯然，卡車必須實時“看到”道路來相應地處理駕駛任務。

它必然需要先進的技術，包括低功耗傳感器，RFID（射頻識别），低成本電池供電，低成本資料通信鍊路以及資料存儲和計算系統。

下面這些評論有助于我們更準确地評估關于邊緣計算的關鍵之處，邊緣計算讓應用程式在擷取資料的時間和地點以連續流的形式利用資料。這也帶來了很多優勢，其中就包括安全性、成本，因為資料不通過網絡傳輸，也不存儲在資料中心。

“ 邊緣計算是為精簡物聯網裝置提供實時本地資料分析的方法。”- 布蘭登巴特勒 分析

IDC表示到2019年，近50％的物聯網建立的資料将被存儲、處理、分析、并在網絡邊緣進行操作。

麥肯錫估計，到2025年，物聯網應用的經濟影響可能會從每年3.9萬億美元增長到11.1萬億美元。他們舉例說：“在2025年，通過遠端監控改善慢性病患者健康狀況的價值可能高達每年1.1萬億美元”。

Markets And Markets的一份新研究報告預計，邊緣計算市場預計将從2017年的14.7億美元增長到2022年的67.2億美元，在預測期内複合年增長率超過35％。

Gartner的分析報告顯示，目前，大約10％的企業生成資料是在傳統的集中式資料中心或雲之外建立和處理的，到2022年，Gartner預測這一數字将達到50％。

邊緣計算的範圍 根據 麥肯錫的 說法：“目前使用的物聯網資料主要用于異常檢測和控制，而不是優化和預測，這提供了最大的價值。”麥肯錫還指出，物聯網裝置産生的大多數資料（更準确的說來自邊緣的智能系統）在今天沒有利用價值。他們的分析使他們感到公司可以從這些資料的90％的經濟價值中受益。在他們看來，可以充分利用邊緣計算的主要領域包括：

• 家
• 辦公室
• 工廠
• 零售場景
• 工地
• 城市/城市環境
• 汽車

雖然邊緣計算有許多不同的使用場景，但它們本質上依然與IoT緊密相關。最著名的例子可能是自動駕駛汽車和智能手機。然而，包括通用電氣數字在内的最大的創新型工業公司多年來一直緻力于此工作，主要是在工業物聯網（IIoT）的背景下。同樣，越來越多的智能城市項目正在蓬勃發展遍布涉及物聯網和AI技術，比如阿裡雲巴正在打造智慧杭州，其中這些場景都離不開邊緣計算。

到2020年，全球可用存儲容量将能夠存儲數字世界中不到15％的資料量。——IDC

根據IDC進行的“數字宇宙”研究，全球資料将在未來兩年内攀升超過40 ZB，其中物聯網領域占10％。很容易看出為什麼工業界對IIoT和邊緣計算有着極大的興趣。

邊緣計算有很多潛在的用途，但工業領域的典型用例已經有了很多：

• 預測性維護；
• 能效管理；
• 智能制造（生産模式的定制）；
• 靈活的裝置更換（快速部署新流程和新模型）；
• 低/間歇性連接配接（機器見解與啟動之間的閉環互動）；

人工智能使邊緣計算達到新的水準

在邊緣計算有三個方面可以充分利用人工智能：

1. 無人駕駛汽車

無人駕駛汽車無疑是未來的“頭牌”，無人駕駛生态系統包括軟體開發，硬體制造商，應用開發商，資料科學家，汽車制造商，傳感器制造商等。他們正在彙集技術和專業知識，以實作自動駕駛能力。他們依靠應用程式和算法來賦予裝備車輛的傳感器擷取的資料。例如，他們緻力于開發和完善處理傳感器資料的AI算法，以讓車輛做出即時決策，例如緊急停車。而邊緣計算則是無人駕駛汽車不可缺少的技術之一。

2. 機器人技術

在這個領域有兩大類：一個是機器，另一個是軟體自動化。關于軟體自動化（AKA機器人過程自動化），請參閱作者的文章

AI如何将機器人過程自動化帶入下一階段

。

當我們談到機器人時，為了讓他們在工作區域高效運作，除了機器人的功能（例如，移動沉重的負載并在複雜的危險環境中工作）外，他們必須還需要獲得重要功能的授權，其中可能包括機器視覺、語音識别和複雜的決策算法。

真正的挑戰在于讓機器人在人類環境中工作，同時又要確定人類同僚的安全。而事實是人類會犯錯誤，他們可能會有不穩定的行為，他們會違反或誤解安全規則。

3. 維護和監測

雖然物聯網長期以來一直涉及很多場景，但擁有AI算法處理邊緣的傳感器資料為維護和監控的過程提供了另外一種可能。預測性維護對于航空公司來說是非常重要的，是以它變成了一項航空公司非常重視的服務。工業企業面臨的下一個挑戰是加強預測性維護，以改進流程，縮短上市時間，減少停機時間，節省資金，甚至挽救企業生命。

這是Edge Computing AI可以發揮重大作用的一個領域。無論是客機，運輸卡車還是汽車，機器的品質不僅取決于它的效率，還取決于它的可靠性。

為了確定機器的可靠性，我們需要改進維護流程。安排像飛機這樣複雜的機器的維護可能是一場噩夢。例如，空A380擁有約700萬個零件。然而真正的挑戰在于找到維護應該繼續的非常恰當的時刻。它必須以不會過早更換的方式進行，但同時不會失敗。回答業界最緊迫的問題需要結合傳感器資料、機器學習算法和進階模型。

結論

随着

喬恩·馬克曼

正确地指出，你現在必須清楚，雲計算出現之前包括移動從本地資料庫到資料中心的資料-大多數計算确實發生在網絡的邊緣。

事實上，今天似乎很清楚，技術發展資料量增加，實時資料處理的需求以及智能裝置，傳感器和相關事物日益複雜和廣泛的可用性導緻了邊緣計算的出現的必然。

數十款阿裡雲産品限時折扣中，趕緊點選領劵開始雲上實踐吧！

本文由@

阿裡雲雲栖社群

組織翻譯。

文章原标題《 is-artificial-intelligence-a-booster-for-edge-comp》， 譯者：虎說八道，審校：袁虎。 文章為簡譯，更為詳細的内容，請檢視 原文