By David Curry

邊緣計算能夠分析和過濾原始數(shù)據(jù)集，并且僅將有價值的信息發(fā)送回云或數(shù)據(jù)中心。

幾乎所有工業(yè)領(lǐng)域都已開始引入物聯(lián)網(wǎng)（IoT）設(shè)備，預(yù)計將有58億個終端投入使用。

在未來十年中，物聯(lián)網(wǎng)設(shè)備預(yù)計將使移動和PC設(shè)備相形見絀，這意味著我們需要一種新型的網(wǎng)絡(luò)解決方案來處理如此多的數(shù)據(jù)。

邊緣計算被認(rèn)為是一種進化，它將使計算和存儲更接近終點。因此，電力智能電表或CCTV系統(tǒng)無需連續(xù)連接互聯(lián)網(wǎng)即可運行。

通過在邊緣處理傳入的數(shù)據(jù)，更少的信息需要發(fā)送到云中并返回。這也大大減少了處理延遲。

''Supermicro物聯(lián)網(wǎng)副總裁MichaelClegg說道?！耙粋€很好的類比是一家受歡迎的披薩餐廳，因為它在主要地點烘焙的餡餅在派往遠(yuǎn)方顧客的路上變冷，因此它在更多地區(qū)開設(shè)了較小的分支機構(gòu)?！?/p>

根據(jù)Gartner的調(diào)查，到2023年，將有50％的大企業(yè)部署至少六個邊緣計算用例，而在2019年，這一比例僅為1％。探索的大量增加和實施將導(dǎo)致收集的數(shù)據(jù)量激增。

幸運的是，邊緣計算在這方面也有幫助，因為它能夠分析和過濾原始數(shù)據(jù)集，并且僅將有價值的信息發(fā)送回數(shù)據(jù)中心。

在保持?jǐn)?shù)據(jù)質(zhì)量或范圍的同時，這應(yīng)該使網(wǎng)絡(luò)成本比以前低。通過使用人工智能，這個值是復(fù)合的，因為可以部署ML模型來提高過濾器的質(zhì)量。

根據(jù)Gartner的報告，公用事業(yè)、物理安全和汽車領(lǐng)域預(yù)計將成為2020年商用IoT部署中增長最快的三個領(lǐng)域。

如果不使用邊緣計算，則存在物聯(lián)網(wǎng)數(shù)據(jù)被截獲的安全風(fēng)險，尤其是當(dāng)所有原始數(shù)據(jù)直接移動到數(shù)據(jù)中心時。

這也可能使許多用例在財務(wù)上不可行，因為企業(yè)將不得不向主要云提供商支付巨額費用來容納數(shù)百萬個IoT設(shè)備的原始數(shù)據(jù)。