听说边缘计算与物联网要搞操作？

1. IIoT分析和机器学习(ML)公司会重点衡量它们在计算方面的交付能力。

随着越来越多的IoT项目采用以云为中心的解决方案，人工智能(AI)和IoT下一步要解决的问题是如何使用较少的资源，将算法带到边缘侧。据Gartner称，在未来四年内75%的企业生成的数据将在边缘处理(相对于云计算)，而今天只有不到10%公司会这样做。数据的大量增加，更高的保真度分析，更低的延迟要求，安全问题和巨大的成本优势这些因素都催生了边缘计算的兴起。

虽然云是存储数据和训练机器学习模型的好地方，但它不能提供高保真的实时流数据分析。相反，边缘技术可对所有的原始数据提供高可靠性地分析，并能检测各种异常，最重要的是能做出实时反应。

2. 需要正确分辨“真”与“假”边缘解决方案。

与所有热门新技术一样，市场已逐渐失去“边缘计算”这一术语，但在IoT部署中没有明确的界限。“假”边缘解决方案声称他们可以在边缘处理数据，但实际上采取的方法是将数据发送回云端，然后进行批量或微批处理。当人们阅读边缘计算时，会认为假的解决方案中没有复杂事件处理器(CEP)，这意味着该解决方案的延迟更高且数据仍然“脏”，分析不准确，ML模型显著受损。

“真正的”边缘智能始于超高效的CEP，CEP可以清理，规范化，过滤原始数据流。此外，“真正的”边缘解决方案包括集成的ML和AI功能，这些功能都需要嵌入到大大小小的边缘计算设备中。CEP功能应在边缘现场实现实时，可操作的分析，并为操作技术(OT)人员提供快速修复、优化的用户体验。它还为ML / AI分析提供数据，方便系统生成高质量的预测见解，以推动资产绩效和流程改进。

3. ML和AI模型将变得很脆弱。

将机器学习转移到边缘不仅仅是改变处理数据的位置，目前使用的大多数ML模型都是都是基于云计算能力、运行时间而设计的。由于这些假设在边缘处都不成立，因此ML模型必须适应新环境。

换句话说，他们需要“边缘化”。在2019年，“真正的边缘”解决方案将使数据预处理和后处理从ML模型重新定位到复杂的事件处理器，并使模型更接近数据资源。这个过程称为edgification，它将推动整个行业采用更强大的边缘计算和IoT应用程序。

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!