什么是边缘计算？

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（从智能手机到自动驾驶汽车）的爆炸式增长和计算能力的提升，带来了海量数据。随着连接设备和系统的普及，这些数据量会继续增长，而此类设备和系统支持实时数据分析和人工智能 (AI) 工作负载。

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与延迟问题。边缘计算通过在源点处理并分析数据来解决此问题，从而实现更快、更全面的数据分析，例如通过 5G 网络上的移动边缘计算。此举可为获得更深入的洞察分析、更快的响应时间和更好的客户体验创造机会。

如今，边缘计算在混合云战略中发挥着至关重要的作用。随着企业将混合云环境演变为分布式混合基础设施，边缘计算已成为在本地运行复杂工作负载的关键技术。

此外，将边缘与 AI 计算进行整合以直接在互联的边缘设备上执行机器学习 (ML) 任务正在推动实现重大增长。《财富商业洞察》的一项研究估计，到 2025 年，边缘 AI 市场的价值为 358.1 亿美元，而预计到 2034 年则会达到 3,858.9 亿美元，复合年增长率 (CAGR) 高达 29.9%。¹

与依赖于通过互联网远程访问云计算资源（如计算、存储和网络等）的云计算相比，边缘计算会在设备收集数据的位置进行本地处理数据。尽管二者截然不同，但边缘计算会将云模型的功能扩展到边缘位置。两者共享虚拟化、容器和微服务等底层技术，而所有这些技术在边缘部署中都发挥着重要作用。

边缘计算模型依赖于几个基本组件：

• 边缘设备
• 边缘网关
• 网络基础设施
• 软件和分析
• 边缘服务器、集群和虚拟服务器
• 云或集中式数据中心

边缘设备是指在源头收集、处理并操作数据的硬件。该宽泛类别包括位于网络边界的计算硬件和 IoT 边缘设备，而后者是连接到通过一个或多个传感器来生成数据的网络的物理组件。IoT 边缘设备的范围涵盖从工业边缘应用程序（例如，智慧城市、工业机器人）到消费设备（例如，智能手机、家居安防控制）。

Statista 的一项研究预计，全球 IoT 设备的数量将从 2025 年的 198 亿台增加一倍以上，从而到 2034 年达到 406 亿台。²

计算机网关是一个计算节点（例如，路由器、服务器或软件定义的广域网 (SD-WAN) 设备，并充当边缘设备与云端或中央数据中心之间的安全中介。

该组件负责管理两个环境之间的数据流量和通信。

该连接层通过边缘网络将控制器、以太网适配器、网关和其他资源等组件从边缘网络链接到云端再到本地。此链路可让数据在分布式位置和中央系统之间流动。

边缘网络基础设施常与 5G 结合使用，以支持高带宽和低延迟。

边缘计算基础设施包括软件平台、分析工具和管理系统，以用于处理、分析和编排跨边缘环境的工作负载。

领先的云计算服务提供商（例如 IBM、Red Hat、Microsoft、Google）均提供旨在跨混合云环境集成并支持 AI 工作负载的边缘计算解决方案。

部署在边缘的计算资源（如边缘服务器、边缘集群和虚拟服务器（通常为 VMware））负责满足需要低延迟响应的工作负载的本地处理与存储需求。

此中央环境承载了更大的工作负载、存储空间和更深入的分析，并与边缘站点协同工作，从而构成更广泛的分布式混合基础设施的一部分。

该基础设施包括私有云与公有云环境，具体取决于组织的基础设施战略。

边缘计算可帮助组织更快访问其数据，并在数据到达中央数据中心之前对其采取行动。其部分主要优点如下：

• 提升性能：通过减少延迟和提高速度，边缘计算可提供更好的性能和可靠性，并减少停机时间。
• 优化决策：在网络边缘进行数据分析，意味着可以更快地获得洞察分析。如今，组织可应用 AI/ML 分析和复杂算法来增强实时决策并优化客户体验，例如在个性化零售方面。
• 更强的安全性和合规性：当数据保留在本地时，组织可以更好地控制数据的保护方式。此本地化措施可降低安全风险暴露，并且更易在不同地区满足合规要求并履行数据主权义务。
• 提高可扩展性：基于软件的解决方案支持边缘位置的网络自动化，以便组织能根据需要管理和扩展部署，其中包括闪购等高流量活动。
• 提高运营效率：当边缘设备在本地进行数据处理时，组织可减少发送到云等中心位置的数据量，并更充分地利用现有资源。
• 降低成本：在现场处理数据并仅将必要数据发送到位于本地或云端的中央服务器，可减少网络带宽使用量和整体基础设施成本。

边缘计算具有明显优势，但它也并非没有复杂性。大型组织可能拥有数千个边缘设备（例如，在某一楼层部署用于预测性维护的传感器），从而会增大部署、配置和监控的难度。

边缘设备的计算与存储资源也有限，从而可能会限制它们处理的具体工作负载。此外，分布式地点之间的可靠连接也可能带来问题，尤其是对于在偏远地区开展运营且网络访问不稳定的组织来说。

组织可利用边缘服务提供商提供的软件和管理平台来应对这些挑战，而这些平台可自动执行配置、监控安全性并管理跨环境的工作负载。通过将边缘计算与 5G 相结合，组织即使在传统互联网连接不可靠或无法使用时也能保持系统运行。

随着边缘基础设施的成熟，组织将越来越多地将其与机器学习相结合，以便直接在互联的边缘设备上处理和处置数据。

这种被称为边缘 AI 的方法可减少对集中式云基础设施的依赖，并有助于简化复杂行业（例如供应链管理、制造业）的运营。与基于云的方法不同，边缘 AI 设备还可离线运行，因此适用于无法依赖持续互联网连接的应用程序。

边缘计算支持一系列行业和应用。从医疗保健到金融服务，组织部署的边缘计算用例包括：

• 医疗保健
• 运输
• 电信业
• 金融服务
• 娱乐