5G+AI赋能数智化转型，边缘计算的前世今生
发布时间: 2022-06-29 06:24:29
《2020年国务院政府工作报告》 中明确提出，重点支持“两新一重”建设， 其中的两新就包括“新型基础设施建设”（简称： 新基建） 。“物联网”和 “5G”都是新基建七个领域中的方向，同时5G对于物联网的发展也有着非常重要的促进作用。5G网络是第五代移动通信网络，具备高带宽、低时延、广接 入等技术特性，同时还有切片网络、D2D通信等创新应用，被普遍认为是目前最 适合工业现场的无线通信技术。
工信部出台的《“物联网+安全生产”行动计划（2021-2033）》中明确指出，希望通过物联网在安全生产中的应用，增强工业安全生产的感知、监测、预警、处置和评估能力，提升工业生产安全水平。
在《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中，明确提出要“发展数字经济，推进数字产业化和产业数字化， 推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。加强数 字社会、数字政府建设，提升公共服务、社会治理等数字化智能化水平”。在国务 院安全生产委员会关于《全国安全生产专项整治三年行动计划》的通知(安委〔2020〕 3 号)中指出，“运用“互联网+监管”提高危险化学品安全监管水平。加快危险化 学品安全监管信息共享平台建设，推进监管数据归集共享，综合利用大数据、云计 算、人工智能等高新技术，对危险化学品各环节进行全过程信息化管理和监控”。
智能化是大势所趋。针对安全生产场景中的痛点问题，利用AI技术对作业现场的人员、设备与环境提供实时监测预警，及时发现安全生产隐患。
5G的低延迟、大带宽，使其具有移动视音频图像实时传输、移动可视化监管行业应用的先天优势。
边缘计算可以理解为是指利用靠近数据源的边缘地带来完成的运算程序。
如果用更通用的术语来表示即：邻近计算或者接近计算(Proximity Computing)
那么，边缘计算和云计算之间的区别是什么？
✔其实如果说云计算是集中式大数据处理，边缘计算则可以理解为边缘式大数据处理。
但不同的是，只是这一次，数据不用再传到遥远的云端，在边缘侧就能解决。
✔边缘计算更适合实时的数据分析和智能化处理，相较单纯的云计算也更加高效而且安全！
边缘计算和云计算两者实际上都是处理大数据的计算运行的一种方式。
边缘计算更准确的说应该是对云计算的一种补充和优化！
移动边缘计算把网络业务“下沉”到无线接入网里，因此具备三大优点
更低延时
有效抑制了网络拥塞
更多的网络信息及网络控制功能可以开放给开发者
边缘的作用就像 ATM。无论您身在何处，几乎总能在附近找到一台 ATM，因此可以快速、便捷、可预见地获得现金。类似地，在靠近用户和设备的位置处理数据可以降低延迟，让用户无论身在何处，都能高速访问数据，不会产生失望的体验。您或许有过这种体验：在进入一个网站后，它的页面要等上一会儿才能加载完毕；或者在移动应用程序中点击之后，相应操作要等上好半天才能完成，这类令人烦躁的延后时间就是延迟。延迟通常是因为数据的处理和存储位置与您所在的位置有着较远的物理距离。如果将这些处理转移到边缘，也就是更靠近您的位置，那么您就有可能获得近乎实时的数字化体验。
“边缘”是一个不断发展演变的术语，可以指边缘服务器、用户计算机或物联网设备。边缘让数据处理与数据本身分布到远离数据中心核心的位置，让数据和决策更靠近用户和设备，从而提供更优质的用户体验。
正如行业专家 Gartner 副总裁分析师 Bob Gill 在《The Edge Manifesto》中所描述的那样，边缘的宗旨就是“将内容、计算和数据中心资源布置到网络边缘，更靠近用户集中的位置。这种对传统集中式数据中心模式的延展可确保提供数字化业务所需的更优质用户体验。”
边缘架构旨在创建灵活的大规模分布式安装，优化各种服务的访问体验，帮助企业尽可能降低延迟、扩大规模，并为部署在任何平台上的应用程序提供一致的安全态势。最终实现快速且无缝的用户体验。
为了了解边缘计算对物联网的影响，让我们先花点时间想象一下我们周围众多的传感器和可穿戴设备，以及它们正在捕获的数据类型。边缘计算使我们能够在任何物联网网络边缘的设备附近解读这些庞大的数据。这将实时触发分析和响应，而不会给拥塞的网络带来负担。
Gartner的一项研究预测，到2025年，至少75%的企业将实施边缘计算，以在传统集中式数据中心或云之外处理数据。目前，10%的企业已经这样做了。IDC 的另一项研究预测，到 2024 年，全球边缘计算支出将达到 2500 亿美元。从技术角度来看，边缘服务将占 IT 支出的 21.6%。显然，边缘计算将成为数字化转型战略的重要组成部分。
通过在数据捕获点或边缘附近执行基本分析，减少了将大量数据传输到集中位置的需要。
云计算完全是关于集中式系统，而边缘计算则是一种更为分布式的模式。在某些情况下，它消除了对云的需求，而在其他情况下，它充当边缘设备和云之间的中间层，以便可以在边缘执行基本的实时分析，而要在云上执行更复杂的分析时，只需跨网络传输相关数据即可。
想想每天捕捉数小时视频的安全摄像头所节省的带宽吧！借助边缘计算执行的分析不仅节省了带宽，而且还使物联网设备能够与用户进行有意义的交互，而无需与云服务器通信。
涉及边缘计算和云的混合解决方案消除了纯基于云的系统中的大部分固有效率问题，特别是昂贵的带宽增加、滞后响应和安全性——所有这些都在物联网设置中被无限放大了。
物联网设备和服务在 5G 浪潮中呈指数级增长，接管了我们日常生活的方方面面。当我们意识到位于任何网络边缘的大量物联网设备时，对边缘计算的需求以及边缘计算对物联网的影响变得非常清晰。Google Home 和 Alexa 等个人助理、笔记本电脑、智能手表、智能汽车、智能锁和门铃、清洁设备、智能开关、烟雾报警器、智能供暖系统、健康监测器、污染监测器和健身追踪器只是当今家庭中连接到互联网的物联网设备的一部分。研究估计，几年后，美国每个人将拥有至少10台物联网设备。
转到制造业，你会看到一个全新的工业物联网世界，也叫工业互联网。用于维护重型机械的AR应用、用于仓库的AI控制无人机、用于预测性维护的机器人、用于减少能源和水资源浪费的机器传感器、温度传感器等，都是物联网在工业中的一些常见应用。很明显，工业物联网比基于家庭的物联网更加复杂，收集的数据需要实时处理。
边缘计算使实现物联网分析（AoT）成为可能，AoT是指物联网分析的一个简写术语。然而，在现实世界中，物联网设备极其轻量级，存储和计算能力有限。
这就是为什么当我们谈论物联网中的边缘计算时，边缘设备不仅包括传感器和其他物联网设备，而且还包括路由器和网关的原因所在。事实上，路由器和网关是在 Linux 或其他类似操作系统上运行的实际计算设备。在这些设备上，可以安装边缘计算中间件，以安全的方式从物联网设备接收数据。因此，真正处于边缘的设备可以在其上运行轻量级解决方案，而实际分析是在离这些设备更近的网关和路由器上进行的。
在网络延迟比计算能力更重要的情况下，边缘计算比云计算更为突出。
智能家居：如前所述，安全摄像头不需要将其捕获的所有视频都传输到云端。相反，如果它可以检测到常见威胁的轮廓，则只有该片段可以流式传输到云服务器，以便采取进一步行动。即便如此，一旦检测到，就会立即发出警报。
自动驾驶汽车：在像自动驾驶汽车这样的场景中，几毫秒的延迟可能会危及生命。这就是为什么计算和响应时间不能依赖于云的原因，在云上，失去连接可能是灾难性的。
监测患者健康：需要对医疗物联网边缘设备产生的数据进行分析，并实时提供健康建议。如果将其发送到基于云的中央服务器进行适当分析，在某些情况下可能为时已晚。医疗保健中的边缘计算使对紧急健康情况做出反应成为可能。
工厂工人的安全：智能穿戴设备，如头盔和腕带，可用于跟踪重型制造场景中工人的安全，并防止事故发生。它们还可以跟踪体温和脉搏等健康指标，并指示工人何时需要休息。可以监测工厂环境中的毒性和辐射水平并采取纠正措施，而无需将所有这些数据发送到云端。
数字视频、多媒体内容、温度、运动、燃料水平、压力等传感器，以及来自生产线机械和其他来源正在以难以想象的速度生成海量数据，物联网中边缘计算的作用是利用这些数据，同时消除网络延迟并释放带宽需求。
