边缘计算是一种分布式计算框架，可使企业应用程序更接近数据源，例如 IoT 设备或本地边缘服务器。通过接近源头数据，可实现强大的业务优势，包括加快洞察过程、缩短响应时间、增强带宽可用性。
IoT 设备的爆炸式增长和不断提高的计算能力已导致数据量前所未有地暴增。随着 5G 网络的普及，联网移动设备数量再次增加，数据量也继续增长。
过去，云和 AI 都希望从数据中获得切实可行的洞察成果，从而实现自动化，加速创新。但是，联网设备所产生数据的规模和复杂性前所未有，已经让网络和基础架构难以维系。
将设备生成的所有数据发送到统一的数据中心或云端会导致带宽和延迟问题。边缘计算提供了一种更高效的替代方案；在更接近数据创建的位置处理和分析数据。由于数据无需通过网络传输到云端或数据中心进行处理，因此延迟会降低。边缘计算以及 5G 网络上的移动设备边缘计算可实现更快、更全面的数据分析，从而可以获得更深入的洞察分析成果，缩短响应时间，改善客户体验。
从联网车辆到工厂车间的智能机器人，我们世界中产生的设备数据量比以往任何时候都要大，但大多数 IoT 数据根本没有使用。例如，McKinsey & Company 的一项研究发现，海上石油钻井平台从 30,000 个传感器生成数据，但目前用于决策的数据不到百分之一。1
边缘计算利用不断增强的设备内计算能力，近乎实时地提供深入的洞察分析和预测分析。这种边缘设备中的增强型分析功能可推动创新，提高质量和价值。它还引发了重要的战略问题：在计算容量增加的情况下，如何管理执行这些类型操作的工作负载的部署？如何利用设备中的嵌入式智能更快地影响员工、客户和业务的运营流程？为了从所有这些设备中挖掘最大价值，大量的计算必须移动到边缘设备。
了解桌面即服务 (DaaS) 如何帮助企业实现与本地部署应用程序相同水平的性能和安全性。
注册并获取有关混合云的指南
边缘计算可帮助您挖掘联网设备创建的大量未开发数据的潜力。您可以发现新的商机，提高运营效率，并为客户提供更快、更可靠和一致的体验。最好的边缘计算模型可以通过在本地分析数据来帮助加速性能。经过深思熟虑的边缘计算方法可根据预定义的策略使工作负载保持在最新状态，有助于维护隐私，并遵守有关数据存储的法律和法规。
但是，这一过程并非没有挑战。有效的边缘计算模型应解决网络安全风险、管理复杂性以及延迟和带宽的限制。一个切实可行的模型可助力您：
- 跨所有云在任意数量的设备上管理工作负载
- 可靠且无缝地将应用程序部署到所有边缘位置
- 保持开放性和灵活性，以适应不断变化的需求
- 更安全且更有信心地运营
无论您对哪种边缘计算感兴趣（云边缘、IoT 边缘或移动边缘），请确保找到可帮助您实现以下目标的解决方案。
管理大规模软件的分布
减少不必要的管理人员，节省相关成本，并在需要的时间和位置部署软件。
利用开源技术
利用边缘计算解决方案培养创新能力，应对当今市场上的多种设备和装置。
解决安全顾虑
确保适当的工作负载在适当的时间出现在适当的机器上。确保有一种简单的方法来控制和执行企业的策略。
聘请具有深厚行业专业知识的可信赖合作伙伴
寻找拥有成熟多云平台和全面产品服务组合的供应商，而且这些产品服务组合旨在提高可扩展性、加速性能和加强边缘部署中的安全性。向您的供应商咨询扩展的服务，以最大限度地提高边缘的智能和性能。
银行、采矿、零售或几乎任何其他行业的 CIO 都在制定旨在个性化定制客户体验、更快生成洞察分析并采取行动以及维持持续运营的策略。它可以通过采用大规模去中心化计算架构（也称为边缘计算）来实现。不过，每个行业都有特定的边缘计算用例来推动对针边缘 IT 的需求。
银行可能需要边缘计算来实时分析 ATM 视频源，以提高消费者的安全性。采矿公司可以使用他们的数据来优化运营，加强工作人员人身安全，减少能耗，提高生产力。零售商可以用边缘计算为客户提供个性化的购物体验，快速推广特别优惠活动。使用信息亭服务的公司可以自动远程分发和管理信息亭应用程序，以确保即使在未联网或网络连接不佳的情况下也能继续运营。
跨数千台边缘服务器和数十万台边缘设备，经济高效地管理和提升安全性。
借助 IBM Power Systems 和 IBM Storage 解决方案，可以在边缘使用 AI 模型。挖掘边缘生成的实时可视化数据，开启洞察分析。
加速利用数据实现收益，将应用程序和模型扩展到边缘，以获得实时洞察分析成果，而无需移动数据。
自主管理将彻底改变您的边缘计算方法。
边缘计算提供了强大的策略，以缓解因使用新技术产生的未来网络拥塞。
医疗保健初创公司 Innocens BV 通过预测性边缘计算识别具有患败血症风险的婴儿。
脚注
1《物联网：超越炒作之外的价值》（ibm.com 外部链接）McKinsey Global Institute，McKinsey & Company，2015 年 6 月