移动边缘计算平台-江苏移动边缘计算-北京速核电子公司(查看)

边缘计算

边缘计算是在高带宽、时间敏感型、物联网集成这个背景下发展起来的技术，“Edge”这个概念的确较早为包括ABB、B&R、Schneider、KUKA这类自动化/机器人厂商所提及，其本意是涵盖那些“贴近用户与数据源的IT资源”。这是属于从传统自动化厂商向IT厂商延伸的一种设计，2016年4月5日Schneider已经号称可以为边缘计算定义了物理基础设施——尽管，主打的还是其“微数据中心”的概念。而其它自动化厂商提及计算，都是表现出与IT融合的一种趋势，并且同时具有边缘与泛在的概念在其中。IT与OT事实上也是在相互渗透的，自动化厂商都已经开始在延伸其产品中的IT能力，包括Bosch、SIEMENS、GE这些大的厂商在信息化、数字化软件平台方面，也包括了像贝加莱、罗克韦尔等都在提供基础的IoT集成、Web技术的融合方面的产品与技术。事实上IT技术也开始在其产品中集成总线接口、HMI功能的产品，移动边缘计算平台，以及工业现场传输设备网关、交换机等产品。IoT被视为未来快速成长的一个领域，包括前沿的已经出现了各种基于Internet的技术，江苏移动边缘计算，高通已经提出了Internet of Everything—可以称为IoX。因此新一个产业格局呼之欲出，边缘计算联盟ECC的边界定义而言，华为其主旨在提供计算平台，包括基础的网络、云、边缘服务器、传输设备与接口标准等，而Intel、ARM则提供为边缘计算的芯片与处理能力保障，信通院则扮演传输协议与系统实现的集成，而沈阳自动化所、软通动力则扮演实际应用的角色。但是，边缘计算/雾计算要落地，尤其是在工业中，“应用”才是较为的问题，所谓的IT与OT的融合，更强调在OT侧的应用，即运营的系统所要实现的目标。

边缘设备智能化的基本要求

将计算基础架构从数据中心扩展到边缘这一主张，移动边缘计算系统，得到了越来越广泛的共识。诸如联邦学习之类的概念，通过共享的预测模型进行协作学习这种方式，将标准集中式机器学习(ML)方法从数据中心转移到手机——在将数据存储到云的需求中，消解了对可实现ML能力的要求。5而各种深度神经网络(DNN)，每天都在发展、以更好地赋能基于边缘的处理功能。成功地将智能带到边缘设备也带来了与传统的AI不同的商机——例如：个性化购物，基于AI的助手;或在制造设施中进行预测分析。边缘/雾计算的应用，比如：车辆的自动驾驶;需要复杂反馈机制的机器人技术的远程控制;甚至是使用ML、可更好地管理可再生能源的智能电网终端设备;以及在电网中对本地电能使用进行预测分析。对于此类应用，移动边缘计算哪家好，成功实施AI的主要决定因素包括：成本效益低功耗可重构性/灵活性尺寸

边缘计算为什么重要？

边缘计算之所以存在，是因为它承担了与云计算不同的功能。

在制造现场，产生的数据多样而繁杂，然而并非所有数据都需要上传到云端进行分析、处理。一方面带来流量、带宽的需求，背后是使用云服务的费用问题；此外，公司对上传所有数据到云端也存在数据安全的担忧。

更重要的在于数据如何进行利用。现场的数据，有的是无效信息，譬如设备在生产间隔期间的数据，往往就不需要全部上传，而是需要经过截取处理；有的数据需要立刻处理，譬如一些硬件产品的实时检测预警信息反馈要求在毫秒级，而上传到云端进行处理再反馈到现场的时延可能达到秒级，全部通过云端来分析就会大大延缓现场的生产效率，这就需要靠近数据源的边缘设备来进行处理。