为什么Edge Computing对IOT至关重要

虽然今天的许多总是连接的技术设备利用云计算，但事物互联网（IOT）制造商和应用程序开发人员开始发现在设备本身上做更多计算和分析的好处。

此设备方法有助于降低关键应用程序的延迟，降低对云的依赖，更好地管理IOT生成的大量酝酿。最近宣布了这一趋势的一个例子巢CAM IQ室内安全摄像头，它使用设备视觉处理以观看运动，区分家庭成员，并仅在未识别或不符合预定义的参数时发送警报。通过在相机内执行计算机视觉任务，嵌套可以减少所使用的带宽，云处理和云存储的量，而不是在网络上发送RAW流程的替代方案。此外，在设备上的处理提高了警报的速度，同时减少了恼人的误报的机会。

执行高级设备处理和分析的能力被称为“边缘计算”。想到“边缘”作为互联网连接设备的宇宙和坐在场上的网关 - “云”的对应物。Edge Computing提供了IOT应用程序的新可能性，特别是对于依赖机器学习的那些对目标检测，面部识别，语言处理和障碍物避免的机器学习。

边缘计算的升高是一种迭代的众所周知的技术循环，这些循环开始于集中处理，然后进入更多分布式架构。这互联网本身始于有限数量的连接大型机在政府设施和大学 - 它没有达到大规模规模和可负担能力，直到与大型机接口的“愚蠢”终端被更具能力的PC取代，这能够使新兴万维网的富有的图形页面。同样，当智能手机在蜂窝网络边缘取代特色手机时，移动革命很大程度上加速了。边缘计算将对IOT产生类似的效果，加强强大的生态系统增长，因为终端设备变得更加强大，并且能够运行复杂的应用。

边缘计算在消费者和工业物联网用例中都提供了切实的价值。它只发送重要的信息，而不是原始的传感器数据流，有助于降低连接成本，这对通过LTE/蜂窝网络连接的设备(如智能电表或资产跟踪器)尤其有价值。此外，当处理工业设施或采矿作业中传感器产生的大量数据时，在发送数据之前分析和过滤数据的能力可以节省大量的网络和计算资源。

通过保持设备中的敏感数据，还可以通过边缘计算来改进安全性和隐私。例如，新的零售广告系统和数字标牌旨在基于在现场设备上设置的关键参数提供目标广告和信息，例如人口统计信息。这些解决方案中的边缘计算有助于通过匿名，分析和保留在源上的数据而不是向云发送可识别信息来保护用户隐私。

边缘处理还可以减少延迟，使连接的应用程序响应更快、更健壮。避免设备到云的数据往返对于使用计算机视觉或机器学习的应用程序至关重要——例如，企业身份验证系统或无人机跟踪并拍摄其所有者或物体。设备上的机器学习还可以增强自然语言界面，允许智能扬声器通过在本地解读语音指令、运行基本命令(如开/关灯)或调整恒温器设置来更快地做出反应，即使互联网连接失败。此外，边缘计算通过允许无线更新设备软件和它可以运行的本地命令列表，为这些系统带来了“未来验证”。

物联网应用机器学习的普及是提高边缘计算能力的强大驱动力。设备不仅需要快速运行复杂的深度学习网络，而且需要在耗电很少的情况下运行，因为许多物联网设备都是靠电池运行的。这促使物联网设备采用异构计算架构，集成cpu、gpu、dsp等多种引擎，将不同的工作负载分配给最高效的计算引擎，从而提高性能和能效。事实上,DSP显示了能量效率的25倍，性能提高了8倍与在CPU上运行相同的工作负载。

有了边缘计算，系统架构师就有机会学习如何从端到端利用可用的分布式计算能力——充分利用现场设备、网关和云的能力。边缘设备正在被创造出来，具有越来越复杂的计算能力。再加上不太遥远的先进连接技术，比如5克，这将提供更快，更强大，庞大的连接，并且很明显我们即将见证新品种智能设备和应用的出现。这是一个令人迷人的时间观看和参加这个空间。