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，智能交通边缘计算设备，“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，以及工业现场传输设备-、交换机等产品。iot被视为未来快速成长的一个领域，包括的已经出现了各种基于internet的技术，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，fpga边缘计算设备，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，-调在ot侧的应用，即运营的系统所要实现的目标。
从那时起，边缘计算能力一直在提高。
2017年，为了扩展低性能的计算设备，movidius神经计算棒以低于100美元的价格，甘肃边缘计算设备，仅需0.5w的电量便能进行每秒一千亿次浮点计算。
2018年，华为推出了麒麟980处理器，在0.1w的电量下可以完成每秒五千亿次的浮点计算。其他供应商紧随其后。谷歌发布了edge tpu units，瑞芯微rockchip公布了rk3399。这两个约每秒能够处理3万亿次浮点计算，成本在100美元左右。
2019年，带有-技术硬件加速的器-是神经网络的特定微型计算机得到普遍使用。所有关键的硬件厂商都陆续发布了ai软件栈的边缘优化版本，这进一步提高了性能。目前，一般使用的ai板有，谷歌的edge tpu——使用专门的asic芯片制作而成用以处理ai的预测推理功能。价格低于100美元的英伟达jetson nano 配备了128个英伟达cuda。瑞芯微发布的 rk3399 pro——带有神经网络处理器的开发板其性能甚至略优于英伟达jetson nano。
物联网技术的大幅提高让我们得以发展nbox——这款边缘计算设备不仅能够借助多达12个通道记录高音频，并且还可以通过边缘计算实现-。所谓边缘计算，是指大多数处理过程将通过本地设备实现而无需交由云端完成。
近年来，大数据、云计算、智能技术的快速发展，给互联网产业带来了深刻的变革，新基建边缘计算设备，也对计算模式提出了新的要求。大数据时代下每天产生的数据量急增，而物联网等应用背景下的数据在地理-散，并且对响应时间和安全性提出了更高的要求。云计算虽然为大数据处理提供了-的计算平台，但是目前网络带宽的增长速度远远赶不上数据的增长速度，网络带宽成本的下降速度要比 cpu、内存这些硬件资源成本的下降速度慢很多，同时复杂的网络环境让网络-很难有突破性提升。因此传统云计算模式需要解决带宽和-这两大瓶颈。在这种应用背景下，边缘计算应运而生，并在近两年得到了研究者的广泛关注。
边缘计算中的边缘指的是网络边缘上的计算和存储资源，这里的网络边缘与数据中心相对，无论是从地理距离还是网络距离上来看都更贴近用户。边缘计算则是利用这些资源在网络边缘为用户提供服务的技术，使应用可以在数据源附近处理数据。如果从仿生的角度来理解边缘计算，我们可以做这样的类比：云计算相当于人的大脑，边缘计算相当于人的神经末端。
|
登录后台
