隨著物聯網 (IoT) 的發展，從傳感器收集的數據量呈指數增長，處理能力必須擴展以匹配。

現代物聯網系統產生的數據量是驚人的——IBM表示，平均每個石油鉆井平臺每天從 80,000 個傳感器產生 2TB 的數據，而先進的自動駕駛汽車每小時可以產生 40TB 的數據。

構建生成大量數據的系統固然很好，但需要對數據進行處理和分析。通常，物聯網數據被反饋到中央云或數據中心，但這會引入延遲瓶頸，阻礙超快速系統。相反，邊緣計算使處理更接近數據收集的位置，從而加快處理速度并降低系統延遲。

邊緣計算正在開啟以超低延遲處理超高帶寬物聯網數據的新機遇。那么，邊緣物聯網有什么好處呢？現在是企業投資的合適時機嗎？

將數據處理帶到邊緣

邊緣計算的商業投資正在飛速增長，預計未來 5 年的復合年增長率為 37%。Gartner 預測，到 2025 年，大約 75% 的企業數據將在邊緣處理。

那么什么是物聯網背景下的邊緣計算？在傳統的物聯網系統中，傳感器將原始數據發送到云或數據中心，云或數據中心處理數據并在需要時將響應發送回設備。

整個過程通常需要不到一秒鐘的時間，但互聯網連接緩慢和服務器響應時間等因素會影響延遲，尤其是當數據需要復雜的處理和分析時，例如使用 AI 模型。

此外，互聯網連接并不像我們希望的那樣可靠，而且高速覆蓋可能不完整。然后，如果企業正在處理業務關鍵型物聯網數據，他們就會非常信任公共云提供商。

邊緣計算通過在物理上更靠近收集數據的位置處理數據來解決其中一些問題，從而減少或消除外部處理的需要。

物聯網與邊緣計算相結合是現代低延遲技術所固有的，這些技術可以在幾毫秒內可靠地處理復雜數據。

企業如何從邊緣物聯網中獲益

1：延遲

邊緣計算可以節省時間并優化資源。按時間，我們談論的是毫秒——但如果無人駕駛汽車以 60 英里/小時的速度沖向騎自行車的人，那么每一毫秒都很重要。

AV 必須匹配（或最好超過）我們自己的生物神經系統大約 100 毫秒的反應時間才能安全。在那短時間內，傳感器必須將復雜的數據傳遞給決策模型，決策模型將所需的輸出返回給加速器、轉向系統等。在這種需要瞬間決策的高風險場景中，您不能依賴服務器端處理。

工業 4.0 中的應用程序也需要超低延遲性能，例如一旦敏感設備顯示出即將發生故障的跡象，立即觸發警報。類似的情況也適用于需要超快速處理的其他安全警報系統。

2：可擴展性

隨著企業為自己配備更多物聯網傳感器，端點上的負載呈指數級增長。

云存儲涉及持續不斷的成本，并不總是經濟地擴展。另一方面，輕型邊緣選項，例如 NVIDIA 的 Jetson 模塊，一種能夠每秒執行 21 萬億次操作的邊緣 AI 設備，成本僅為 500 美元左右。

雖然邊緣計算涉及前期成本，但在某些情況下，僅在云架構上運行復雜的工作負載可能成本更高。

3：安全

物聯網提出了圍繞在易受攻擊的網絡中收集和傳輸敏感數據的安全問題。

雖然邊緣計算仍然依賴于容易受到黑客攻擊的服務器，但它受益于更加本地化，??這有助于數據控制和安全保證。

此外，邊緣設備可以在數據到達網絡之前對其進行轉換和丟棄，本地處理減少了無線交換的數據量，降低了被攔截的可能性。

此外，邊緣設備就地處理物聯網數據，因此它們規避了傳輸和存儲數據的一些監管復雜性。例如，寶馬使用邊緣設備就地處理視頻數據，而無需冒險將其移動到云端。

結合物聯網和邊緣設備

PTC ThingWorx、Microsoft Azure IoT、Hitachi Lumada 和 Software AG 的 Cumulocity 等物聯網平臺已經為客戶推出了邊緣服務和解決方案。

企業應確定哪些物聯網工作負載值得使用邊緣技術來增強。

有幾件事需要考慮：

位置：邊緣物聯網適合連接不完整或低延遲處理至關重要（或兩者兼而有之）的用例。例如，船舶或石油鉆井平臺可能缺乏與云或數據中心的可靠連接，因此需要在邊緣進行處理以利用物聯網數據進行監控以外的工作。連接到人工智能系統的物聯網傳感器可以在石油鉆井平臺上就地優化技術。

本地控制邏輯：邊緣物聯網使企業能夠控制接近技術的邏輯。例如，自動駕駛汽車需要在不依賴部署在云端的人工智能模型的響應的情況下做出超快速的決策。

與現有系統集成：邊緣計算可以插入現有的物聯網基礎設施。企業可以確定最有可能受益于邊緣計算的系統的優先級，并在他們意識到優勢時擴大需求。

事實證明，邊緣設備“插入”現有基礎設施（包括遺留系統）的能力是一種采用優勢。

對于企業來說，通過將邊緣設備部署到高優先級應用程序來測試水域、衡量收益并相應地調整它們是相對簡單的。Edge IoT 解決了許多與處理大量復雜數據相關的問題，并使用它來獲得洞察力或以低延遲做出決策。

借助支持邊緣的物聯網，企業可以創建對毫秒敏感的超快系統，同時解決安全和監管問題并減少對云架構的依賴和負載。