边缘计算发生了什么?

边缘计算(Edge computing)成为一种革命性工具,可以满足日益增长的实时数据处理需求。通过在网络边缘(更靠近数据生成位置)进行数据处理,边缘计算可显着减少延迟和带宽使用。

这是我们多年来一直被告知的故事,但随着生成式人工智能和带宽爆炸的新需求,它将如何演变?

今天的边缘

目前,边缘计算是许多领域的主力军。它确保更低的延迟和优化的数据交付能力------至少它具有实现这两个好处的潜力。物联网、自动驾驶汽车和工业 4.0 广泛采用边缘计算。

然而,边缘计算进入了尴尬的青少年时期,申请数量并不像很多人想象的那样。在许多情况下,最初看起来边缘计算将是目标架构,但事实证明集中更多处理和数据存储更有意义。

这主要是由于 5G 等带宽可用性的不断扩大,以及管理边缘许多设备和系统的问题。这是最重要的障碍,下面解释原因。

边缘的限制

尽管边缘计算有很多好处,但它也充满挑战。例如,去中心化的数据处理带来了安全和隐私问题。一位在石油钻井平台上部署边缘系统的朋友,10% 的边缘计算设备以及存储在设备上的数据被盗。

它是加密的,但当系统可以长出腿并走开时,这真是一个巨大的警钟。对于云来说,这从来都不是问题。

标准化边缘计算设备并确保其互操作性是其他重大障碍。无法利用数字无线电通信或管理标准来操作这些系统。边缘计算供应商需要达成共识。

尽管一些通用标准的兴起,边缘计算在很大程度上缺乏与企业数据中心系统的互操作性。由于每个边缘计算供应商都支持自己的"标准",因此保留各种技能来支持基于边缘的系统会变得昂贵。

边缘计算供应商很快解释了标准的缺乏,因为每个基于边缘的系统的任务都与其他系统截然不同。人们可能会专注于高速数据收集和处理以支持飞机发动机的运行。其他可能支持销售点终端。两者都是边缘计算,但它们的使命截然不同。

一些皱纹需要熨平

边缘计算继续寻找一条有前途的创新之路。然而,我们可能处于创新饱和状态,需要专注于扩张和运营。

5G 网络和生成式人工智能等发展将进一步提升边缘计算潜力。在边缘运行的知识引擎目前是一个巨大的增长领域。5G 的出现将大大加快数据中继和计算任务的速度,而人工智能将在边缘实现更复杂的数据处理。

边缘计算的核心问题是缺乏标准和巨大的异构性导致复杂性。由此产生的运营问题可能比大多数人理解的更难克服。有几种方法可以看待这个问题。

首先,将边缘计算视为一种有效的架构模式显然是成功的。我们知道,对于许多用例来说,将数据和处理移近生成点是更好的方法,现在我们拥有实现这一目标的技术和带宽。

其次,考虑到边缘计算解决的问题多种多样,我们不太可能很快就有共同的标准。您不能期望石油钻井平台和自动驾驶车辆的数据存储标准相同。他们试图解决非常不同的问题,并且您不想实施"标准"来限制他们需要做的事情。

未来几年,边缘计算可能会演变成不同的使用模式。其中大部分将由为这些应用程序开发的技术来定义。该标准将遵循这些使用模式,我们可能会看到很多。

边缘计算将随着云、人工智能、云原生等的发展而发展,但我们必须明白,它会因应用而异。这是一个可以利用许多不同技术类型的概念,这就是它有用的原因。

相关推荐
YF云飞几秒前
数据仓库进化:Agent驱动数智化新范式
数据仓库·人工智能·ai
ningmengjing_16 分钟前
理解损失函数:机器学习的指南针与裁判
人工智能·深度学习·机器学习
程序猿炎义31 分钟前
【NVIDIA AIQ】自定义函数实践
人工智能·python·学习
小陈phd44 分钟前
高级RAG策略学习(四)——上下文窗口增强检索RAG
人工智能·学习·langchain
居然JuRan1 小时前
阿里云多模态大模型岗三面面经
人工智能
THMAIL1 小时前
深度学习从入门到精通 - BERT与预训练模型:NLP领域的核弹级技术详解
人工智能·python·深度学习·自然语言处理·性能优化·bert
nju_spy1 小时前
Kaggle - LLM Science Exam 大模型做科学选择题
人工智能·机器学习·大模型·rag·南京大学·gpu分布计算·wikipedia 维基百科
中國龍在廣州1 小时前
GPT-5冷酷操盘,游戏狼人杀一战封神!七大LLM狂飙演技,人类玩家看完沉默
人工智能·gpt·深度学习·机器学习·计算机视觉·机器人
东哥说-MES|从入门到精通1 小时前
Mazak MTF 2025制造未来参观总结
大数据·网络·人工智能·制造·智能制造·数字化
CodeCraft Studio2 小时前
Aspose.Words for .NET 25.7:支持自建大语言模型(LLM),实现更安全灵活的AI文档处理功能
人工智能·ai·语言模型·llm·.net·智能文档处理·aspose.word