云计算

云计算还不足以实时处理和分析物联网设备、互联网汽车和其他数字平台产生的或即将产生的海量数据。 例如，具有自动驾驶的车辆本质上是车轮上的高性能计算机，通过多个传感器收集数据。 为了使这些车辆安全可靠地运行，他们需要立即应对周围的环境。 处理速度的延迟可能是致命的。

连接设备的大部分数据处理现在都在云中进行，但在中央服务器上发送和接收数据可能需要几秒钟的时间。 据估计，到2020年，智能驾驶汽车每天将生成1.5 GB的数据。 随着更多的设备连接到互联网并生成数据，云计算可能无法全部处理——。 特别是有些用途需要更快的响应速度。

边缘计算可以为自动驾驶汽车提供更快的数据处理，它如何工作？

边缘计算允许连接的设备处理靠近创建位置的数据——或“边缘”。 这可以是设备本身，即传感器内，也可以是设备附近。 这提供了将数据发送到集中云进行处理的备选方案。 包括亚马逊、微软和谷歌在内的一些科技巨头正在探索边缘计算，这可能会引发下一场大型计算竞赛。

过渡到边缘计算

在我们这个数据密集型的未来，随着数十亿设备访问互联网，更快、更可靠的数据处理变得至关重要。 近年来，云计算的集成和集中特性已经被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了压力。

最终，并非所有智能设备都需要通过云计算来运行。 在一些情况下，这种重复的数据传输是可能的，应当避免。 这就是边缘计算的用处。 根据CB Insights对市场规模的评估，到2022年，全球边缘计算市场预计将达到67.2022亿美元。

虽然是一个新兴的领域，但在云计算的某些领域，边缘计算可能会更有效率。 边缘计算消除了接近创建数据处理的位置(如电机、泵、发电机和其他传感器)并在云之间传输数据的需要。

研究公司IDC表示，“边缘计算是指占地面积小于100平方英尺的麦克风，可以在本地处理或存储重要数据，并将所有接收到的数据推送到中央数据中心或云存储库

例如，列车可能包含可以立即提供发动机状态的传感器。 在这种情况下，无论运行数据是在电车上还是在云中，传感器数据都不需要去数据中心，而是可以确认是否有任何影响发送机运行的数据。

例如，列车可能包含可以立即提供发动机状态的传感器。 在这种情况下，即使列车上返回了运行数据

将数据处理和存储本地化可以减轻计算网络的负担。 如果向云发送的数据较少，则延迟的可能性(云与物联网设备之间的交互导致的数据处理延迟)较低。 这也为基于硬件的边缘计算技术承担了很多责任，例如用于收集数据的传感器，以及用于处理连接设备中数据的CPU和GPU。

智能制造业为什么关注边缘计算

智能制造可以从现代工厂使用的大量传感器中得到启发。 通过减少边缘计算延迟问题，可以使制造工作流更改更快、更敏感，并可以实时应用洞察力和操作。 这包括在机器过热之前关闭。 工厂可以使用两个机器人，搭载传感器，连接边缘设备，执行相同的任务。 边缘装置可以执行机器学习模型，预测是否有任何一个机器人发生故障。

如果边缘设备确定机器人可能发生故障，则会触发停止或减速动作。 这使工厂能够实时评估潜在的故障。 如果机器人能自己处理数据，可能会更加自给自足，反应敏锐。 边缘计算需要能够从大数据中生成更大、更快的洞察力，并将更多的机器学习应用于操作。

最终目标是利用制作中大量数据的未开发价值，预防安全危害，减少工厂中断。 从可穿戴设备到智能工厂再到智能驾驶，物联网设备的发展越来越广泛。 边缘计算是另一种高效的解决方案，它通过开发能够围绕设备功能处理软件和硬件的功能，打破了传统体系结构集中云数据中心数据管理、处理和存储的局限性

详情请访问云服务器、域名注册、虚拟主机的问题，请访问西部数码代理商官方网站： www.chenqinet.cn