邊緣計算網路自動連接

1. 邊緣計算有什麼特點

邊緣計算有以下的六大特點：
第一，去中心化

邊緣計算就是讓網路、計算、存儲、應用從「中心」向邊緣分發，以就近提供智能邊緣服務。
第二，非寡頭化
邊緣計算是互聯網、移動互聯網、物聯網、工業互聯網、電子、AI、IT、雲計算、硬體設備、運營商等諸多領域的「十字入口」，一方面參與的各類廠商眾多，另一方面「去中心化」在產品邏輯底層，就一定程度上通向了「非寡頭化」。
第三，萬物邊緣化
邊緣計算和早年的IT、互聯網，如今的雲計算、移動互聯網，以及未來的人工智慧一樣，具備普遍性和普適性。
第四，安全化
在邊緣計算出現之前，用戶的大部分數據都要上傳至數據中心，在這一上傳的過程中，用戶的數據尤其是隱私數據，比如個體標簽數據、銀行賬戶密碼、電商平台消費數據、搜索記錄、甚至智能攝像頭等等，就存在著泄露的風險。而邊緣計算因為很多情況下，不要再把數據上傳到數據中心，而是在邊緣近端就可以處理，因此也從源頭有效解除了類似的風險。
第五，實時化
隨著工業互聯網、自動駕駛、智能家居、智能交通、智慧城市等各種場景的日益普及，這些場景下的應用對計算、網路傳輸、用戶交互等的速度和效率要求也越來越高。以自動駕駛為例，在這些方面，幾乎是要求秒級甚至是毫秒級的速度。愛陸通的具有邊緣計算技術的工業網關可以更好地進行數據傳輸。
第六，綠色化
數據是在近端處理，因此在網路傳輸、中心運算、中心存儲、回傳等各個環節，都能節省大量的伺服器、帶寬、電量乃至物理空間等諸多成本，從而實現低成本化、綠色化。

2. 什麼是邊緣計算

邊緣計算，是指在靠近物或數據源頭的一側，採用網路、計算、存儲、應用核心能力為一體的開放平台，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網路服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處於物理實體和工業連接之間，或處於物理實體的頂端。而雲端計算，仍然可以訪問邊緣計算的歷史數據。
自動化事實上是一個以「控制」為核心。控制是基於「信號」的，而「計算」則是基於數據進行的，更多意義是指「策略」、「規劃」，因此，它更多聚焦於在「調度、優化、路徑」。就像對全國的高鐵進行調度的系統一樣，每增加一個車次減少都會引發調度系統的調整，它是基於時間和節點的運籌與規劃問題。邊緣計算在工業領域的應用更多是這類「計算」。
簡單地說，傳統自動控制基於信號的控制，而邊緣計算則可以理解為「基於信息的控制」。
值得注意的是，邊緣計算、霧計算雖然說的是低延時，但是其50mS、100mS這種周期對於高精度機床、機器人、高速圖文印刷系統的100μS這樣的「控制任務」而言，仍然是非常大的延遲的，邊緣計算所謂的「實時」，從自動化行業的視角來看——很不幸，依然被歸在「非實時」的應用里的。

3. 什麼是邊緣計算有什麼好處

邊緣計算（Edge Computing）是一種在物理上靠近數據生成的位置處理數據的方法，這種技術使得聯網設備能夠處理在「邊緣」形成的數據，這里的「邊緣」是指位於設備內部或者與設備本身要近得多的地方。

好處：在邊緣計算中，感測器數據不需要傳輸到汽車上或者雲端的數據中心，來查看是否有什麼東西影響了發動機的運轉。

本地化數據處理和存儲對計算網路的壓力更小。當發送到雲端的數據變少時，發生延遲的可能性，以及雲端與物聯網設備之間的交互導致的數據處理延遲就會降低。

這也讓基於邊緣計算技術的硬體承擔了更多的任務，它們包含用於收集數據的感測器和用於處理聯網設備中的數據的CPU或GPU。

隨著邊緣計算的興起，理解邊緣設備所涉及的另一項技術也很重要，它就是霧計算（Fog Computing）。邊緣計算具體是指在網路的「邊緣」或附近進行的計算過程，而霧計算則是指邊緣設備和雲端之間的網路連接。

換句話說，霧計算使得雲更接近於網路的邊緣，因此，根據OpenFog的說法，「霧計算總是使用邊緣計算，而不是邊緣計算總是使用霧計算。」

回到無人輔助駕駛場景：感測器能夠收集數據，但不能立即對數據採取行動。例如，如果一名車輛工程師想要了解汽車車軸和剎車系統是如何運行的，他可以使用歷史累計的感測器數據來預測零部件是否需要進行維修或替換。在這種情況中，數據處理使用邊緣計算，但它並不總是即時進行的（與確定引擎狀態不同）。而使用霧計算，短期分析可以在給定的時間點實現，而不需要完全返回中央雲。

4. 邊緣計算技術如何實現萬物互聯，推動產業發展

現階段的物聯網商業體系處於正在發展階段，物聯網基礎設施架構還不完善，在這方面想要超過當前的IT數據中心基礎設施還很難。為了推動物聯網基礎設施架構的成型以及在未來幾年內躍進相對成熟的發展階段，物聯網相關技術發展需要IoT產業各上下游企業及技術法規制定機構共同推進進程。

全球知名市場研究機構 CB Insights 數據預估，在兩年內全球幾乎每人每天都會產生1．5 GB的數據。這將推動物聯網系統服務的支出從2013年的不到500美元增加到2019年的1．7萬億美元。到2022年，預計僅邊緣基礎設施的支出將超過67億美元。

邊緣計算技術包括各種類目和子類目，所有這些都應該賦予各種技術標准和案例 － 從智能家電到智能汽車再到整個智慧城市。利用邊緣計算及5G技術實現萬物互聯，從M2M到雲端設備通信以及從客戶端到伺服器端（C／S）通信等不同連接場景下將產生大量數據包，如何確保各種物聯連接環境下數據包的安全加密編解碼以及針對其進行有效的大數據快速批處理演算法意義重大。

另外在人工智慧演算法方面，神經網路、機器學習、自主分析以及其他應用程序等工具在某些特殊連接場景下，有快速的大數據運算的要求，這些即時的運算事件必須在實時或接近實時的時間進行，例如當自動駕駛汽車在高速公路下行駛或者連接的醫療設備正在為患者提供緊急救生服務時，確保這些特定場景下滿足其業務需求，物聯網、5G技術的發展速度和進程必須要提前先落地。

其次邊緣的智能系統必須自己確定哪些數據要在本地處理，哪些數據由物聯網基礎設施來處理。建立物聯網數據中心來治理智慧城市或者為一些物聯網企業提供2B端物聯網雲服務又或者為2C端提供智慧家庭服務是有必要的，因為這可以快速將結果傳遞給連接的設備，不僅可以提供快速的響應時間，還可以防止集中的計算，存儲和網路資源變得不堪重負。所以最好的方式是推動邊緣技術持續的發展，建立聚合資料庫和自動化預處理機制，同時在數據抽取分析決策方面需要高精度預判，機器自行決策如何在各種情況下進行自動化。

從智能邊緣過渡到智能網格是邊緣技術的一種延伸，在物聯網工作負載和系統變得更加復雜的情況下，該體系結構也將更靈活，更靈敏。通過這種方式，物聯網將促進邊緣資源、M2M設備本身之間的更大連接，最終形成新的多點到多點結構層取代當今的點對點解決方案。
希望能幫到你(*^ω^*)