深挖边缘计算如何引发新一轮风暴

2018-10-16 11:16

边缘计算：从“边缘”到“企业”

当前已经有超过70％的企业用户实现了边缘计算的整体战略，或者正在实施，在整体的企业边缘计算战略当中，数据安全性仍然是企业用户首要关心的问题，用户的主要顾虑是在一些未经证实的技术领域以及一些互操作和不明确的投资回报率方面的担忧。

雾计算主要驱动因素是延迟和带宽问题，这点对于给制造业、智慧城市、智能交通等领域的应用将会带来不小的改变和提升，另外，雾计算还对能源、智能家居、保健等行业领域的企业用户带来大的变革。

当前，亚马逊通过借助其AWS Greengrass平台和服务，使得企业的开发人员可以直接把本地的执行代码进行连接，以便更多的设备可以更加快速的响应时间并近乎实时的完成一系列的具体操作。AWS Greengrass还包括AWS物联网消息传递和同步功能，使设备可以在不连接回云的情况下向其他设备发送消息。

AWS Greengrass允许客户灵活地让设备在有意义的时候依赖云，在有意义的时候自己执行任务，并在有意义的时候相互交谈，所有这些都在一个无缝的环境中完成。

微软在边缘计算领域同样也不甘落后，在2017年6月份举行的Microsoft BUILD 2017开发者大会上，微软重磅推出了自己结合公有云平台Azure的边缘计算类型服务，Azure IoT Edge。这一平台及服务能够帮助用户将云端的工作负载通过集装箱的模式整合到工业网关平台上去，并在用户本地端进行同步，从而大大提升用户端的工作效率。

Azure IoT Edge包含三个组件：IoT Edge模块、IoT Edge运行时环境、物联网中心。通过将不同类型的服务进行分类和部署，使得整个物联网在一个协作的环境当中更加有序地进行。

谷歌在边缘计算领域当中主要集中在智能硬件设备连接的创新上，通过像Edge TPU和Cloud IoT Edge这样的专用小型ASIC芯片的部署和应用，使得谷歌在机器学习模型的构建方面具有强大的市场竞争力。

此外，值得一提的是，Cloud IoT Edge当中用于存储、转换、处理边缘数据的组建在运行过程当中都是自动化、智能化运行的，这样一来，用户就可以更加方便快捷并且安全地把边缘的数据连接到云端上，通过谷歌预先训练的机器学习模型对数据进行基于人工智能算法的分析。

编辑的话

在我看来，不管是从市场分析机构的数据显示还是科技企业的业务部署，边缘计算已经正在成为继云计算技术之后的一项“风暴式”技术革新，对于改变企业数据分析及模型建立的固有模式，边缘计算具有不可否认的创新性。

尤其是伴随着5G通信、芯片行业快速发展的市场趋势，边缘计算未来帮助实现万物互联的角色已经不可阻挡，在我看来，计算的方式和模式有很多种，未来诞生在企业内部的数据量和数据种类也将会以一种更加快速的方式递增，边缘计算对于未来海量数据的运算、处理等方面将会带来不一样的局面。

<上一页< a> 1 2