邊緣計算迎來黃金10年

Matt Young

在進入新的10年之際，社會經濟因素將進一步推動亞洲成為世界關注的焦點。但是，如果要真正充分發揮亞洲市場對全球貿易的價值，并鞏固其作為21世紀世界經濟中心的地位，亞洲企業必須不斷地進行技術創新與開拓。那么，未來10年，影響亞洲的主要技術發展趨勢將會是什么呢？

生活在“邊緣”

請做好準備迎接“邊緣”生活。如果你認為在過去5 ～10年里技術創新、轉型和顛覆的速度已經勢不可當，那么現在請做好準備迎接更加飛速的技術發展。

在下個十年，我們都將進入“邊緣”生活時代。來自“邊緣”的數據將會對企業造成極大影響。邊緣計算的核心就是在數據中心之外遠程運行關鍵任務型應用。

傳統上，大部分數據先在本地采集，然后傳輸回中央數據中心進行處理。然而，這種模式要求大量的數據流在云端進行傳輸。

數據是聚合智能技術解決方案的粘合劑。而如今，數據在大部分企業中只發揮著非常基礎的作用。對大多數企業來說，被采集、存儲和保護的數據通常主要服務于企業運營目標和收益。

New Vantage Partners發布的2019年大數據及AI高管調查報告發現：

72 %的企業還未形成數據文化；

69 %的企業尚未成為數據驅動型企業；

53 %的企業還未將數據視為業務資產；

52 %的企業承認未在數據和分析方面形成競爭力。

隨著數以十億計的設備源源不斷地連接到互聯網，把公有云作為唯一的中央數據中心已經不再可行，也不可持續。單是數據量增加便可造成傳輸瓶頸和網絡擁堵。事實上，目前僅有1 %的流量會傳回數據中心，這意味著企業對云計算能力的需求大大降低。

而邊緣計算接過了數據處理的重任。數據會在設備或傳感器內部進行處理和分析，因而減少了流向云端的數據量。這種模式不但降低了數據中心的成本、物理空間占用和電力消耗，同時還減少了設備終端的響應時間或延遲。

對一些任務關鍵型應用而言，降低延遲時間至關重要。最典型的例子是自動駕駛———行駛中的汽車與信號燈傳感器之間的通信處理時長將事關生死。

邊緣計算的崛起將伴隨著數據量的急速增長以及物聯網的興起。憑借5G帶來的傳輸速度和帶寬的提升，物聯網設備正呈現爆炸式增長，分析師預測未來10年內物聯網將帶來超過2萬億美元的收益。

更多的設備意味著更多的傳感器以及數據，正是這種趨勢讓我們進入了“邊緣”生活時代。

以采礦業為例，為滿足現代經濟發展和人民生活所需，礦工必須前往地下更深、更偏遠、條件更惡劣的地方去采掘礦石和礦物，因此采礦作業的復雜性和危險性正在不斷上升。

而這正是工業物聯網可以發揮作用的地方，采礦企業可以在條件惡劣、位置偏遠的礦區大規模部署工業互聯網解決方案，在地上和地下設置傳感器，以提高安全、效率和生產力，保護員工生命安全。

健康和安全：人員跟蹤、警報和健康監測功能及地上地下傳感器（用于識別大氣條件、不穩定的結構和空氣質量）有助于降低坍塌和事故風險。

人員和礦區安全：設置在偏遠礦區的位置傳感器有助于防范盜竊事件，確保礦區資產和人力資源得到最有效的利用。遠程閉路電視還可提供實時監測功能，幫助加強警戒工作。

效率和生產力：具備預測能力的維護傳感器和人工智能裝置可減少系統的停機時間。該功能可以幫助條件惡劣的偏遠礦區節省大量的服務和維修成本。鑒于越來越多的礦區通過離網發電開展作業、運行安保和安全設備、完成各個工序，工業物聯網功能的重要性更加凸顯。因此，這是一款真正的任務關鍵型應用。

此外，許多礦區正在推動工序和運輸作業自動化。這一過程中，邊緣數據為持續、高效、安全的實時運行提供了保障。

面對不同功能傳感器提供的不同監測信息，唯有通過具有互操作性的混合云平臺才能將這些信息進行整合，為礦業企業創造真正的價值。

設置在數千公里外的多種傳感器和分析工具可在惡劣的環境下以最佳性能運行，進行機器學習、以改善并采取預防措施，最大程度地降低人力管理需求。

AI應時而興

邊緣計算的增長還將推動另一項新技術的發展：人工智能（AI）。截至目前，AI技術主要用于效率提升和預測性分析功能———尤其是與數據中心有關的分析和預測。

不過，隨著企業逐漸棄用傳統硬件架構，以及機器學習和深度學習的突破性發展，AI應用正迎來大爆發時期。

網絡邊緣產生的海量數據對數據處理和架構優化提出了更高的要求。因此，結合邊緣計算和AI技術的需求不斷增加，邊緣智能由此誕生。

邊緣人工智能將賦予機器智能分析能力，將信息轉化為可執行的洞察力。AI技術結合更豐富的本地傳感器數據，還可用于智能物聯網管理。

因此，邊緣計算和AI技術的結合將有助于未來數據驅動型企業的發展。但是這種結合如何才能為企業創造最大的商業價值呢？

混合世界

當然，云將在上述生態系統中扮演關鍵角色。隨著企業轉向超融合基礎架構（HCI）以從源頭協調及獲取數據，掌握和應用所有數據洞察和智能將成為可能，尤其是應用于支持AI等高性能用例。

HCI的部署和邊緣AI將最大程度減少對計算能力的需求，因為HCI使得技術可以在規模更小的硬件架構上運行。2020年，預計80 %的設備將具有AI功能。

云為AI帶來了所需要的平臺，讓AI幾乎可以在所有技術設備上使用。而HCI和邊緣計算的結合將為AI提供可以真正進行自我升級的工具。

在邊緣傳感器獲取和處理數據的同時，AI就能對數據進行分析。然而，企業的真正價值不在于來自單個傳感器的數據，而在于綜合分析來自多個設備的數據集，發現數據規律以預測未來應用表現或潛在問題。這正是AI、邊緣計算以及混合云大顯身手的地方。

技術的融合正在加速所有技術的應用和性能提升，將價值和洞察力提升到全新的水平。這其中，混合云為AI和邊緣計算的不斷發展提供了沃土。

智慧企業和智慧國家的興起

從企業自身層面來分析，智慧業務并非新生事物，一些企業已經開始利用大數據和新技術來提升效率和降低成本。然而，這類部署大部分局限于小型的項目當中———而非在整個企業層面展開。在未來10年，這種情況將會完全改變。

還將發生的改變是技術的應用將不僅限于提升效率和降低成本，還將開始用于幫助企業發現新的業務機會和商業價值，這樣的企業將成為智慧企業。

這些智慧企業將綜合利用各種技術能力，包括邊緣計算、AI、自動化以及由混合云提供的內聚性和互操作性。這些具有自我學習能力的、靈活自主的系統將會不斷學習和成長。

企業業務將具備靈活性，以及自主學習和自主決策的能力，并采用下一代基礎架構來幫助協調業務運營、人員管理甚至商業模式。企業將開始發現、分析和利用所有來源和狀態的數據。

如今，實現業務每個方面的可視性和智能化已被證明很難實現。然而，混合云應用的不斷擴大以及邊緣和AI所提供的數據將為企業提供更多具體的顆粒級信息，為企業實現實時、全面和可操作的智能打下基礎。

鑒于客戶成熟度的不斷提升以及偏好的不斷變化，企業要在日新月異的環境中生存發展，就必須向智慧企業轉型。

新10年的展望

越來越多的技術和平臺將被部署于混合云環境，然而跨技術平臺管理數據將成為新的挑戰，而利用這些技術產生的數據將更具挑戰性。

顯然，要把數據轉為有價值的信息還有一段路要走。但在未來10年，將看到企業開始通過先進的分析技術、機器學習以及AI能力實現技術和運營轉型。這將讓企業能夠從數據中獲取洞察，為未來的發展構建堅實基礎。

隨著物聯網及AI在未來幾年內蓬勃發展，數據規模將會只增不減，成為智慧企業意味著需要利用一系列結構化和非結構化數據來產生有意義的洞察，以驅動企業的自動化和創新，為企業的商業戰略制定提供參考。未來10年，數據在智能決策中的應用將是亞洲企業的關鍵目標之一。

可以肯定的是，結合多種技術以實現價值的最大化將成為所有企業，尤其是智慧企業的普遍要求。