“数字新基建”主要围绕着ABCD四方面发展，A是人工智能、B是区块链、C是云、D是大数据，随着5G的快速推进，给ABCD插上翅膀，算力的不断下沉，将会涌现很多有趣的垂直行业应用场景，为边缘端更好实现技术赋能提供了价值。
以当前比较热门的自动驾驶来说，同样是边缘计算最重要的应用场景之一。在自动驾驶场景中，车辆需要做到比驾驶员更快的响应决策速度，也就是说最多只有零点几毫秒时间，同时还要能够自动感知到行车过程中周围车辆、行人、甚至整条路况的实时信息。如果按传统以云中心集中计算为主的决策架构，这对于要做到和人一样反应的自动驾驶来说时间太长了，所以如果没有边缘计算，如果数据的感知处理、控制的决策不能在车辆上本地进行，自动驾驶就会成为空中楼阁。
通过边缘计算的应用，以车辆本身的边缘计算，以及车路协同形式，在道路两旁会部署一些小型智能服务器，就近接收来自周围车辆的信息流，迅速作出响应和决策，同时这些小型的智能服务器也能接收来自云中心下达的控制指令，从而达到车路协同要求。未来甚至红绿灯可能会消失，因为道路知道周围车辆的速度、距离等信息，能够实时对周围车辆发出控制指令，车辆也能够根据来自道路的消息，以及车辆自身的边缘计算实时做出决策，整个过程将实现非常高效的协同。
目前许多智能化的改造，边缘计算已经能够积极的应用在许多场景之上，例如智能驾驶、智能工厂、智能电网、智能家居、智能建筑，很多都是边缘计算的场景。
再举例来说，电网有很多高压线、变电箱，人力的运维成本太大、危险系数也很高，传统的故障巡检机制网络传输带宽消耗大、故障告警处理不实时、而且电力系统数据本身关系到国计民生，数据传输过程中的安全性极其重要。
落地边缘计算之后，借助于边缘智能技术，可以在设备边缘侧几乎准实时地自动检测出问题出现的具体位置，比方说在配电房内安装边缘计算装置，布置AI模型，边缘计算装置连接配电房里面所有的电力设备，实时采集每一个设备的状态，利用高清夜视摄像头，还可以对烟雾、起火进行实时AI推理、故障告警和处理，效率能够得到极大的提升，同时由于大部分数据都在边缘侧本地处理，无需全部传输上报至云端集中处理，因而极大降低了网络传输流量、减少了数据在传输过程中的暴露面，数据安全性也自然得到了提升。
随着人工智能应用的不断扩大和深入，算力需求将不断增加。因此，未来算力发展将会迎来以下机遇：
超级计算机：随着技术的提升，超级计算机的算力将会越来越强大，可以处理更加复杂的人工智能问题。
量子计算：量子计算是一种全新的计算方式，它利用量子比特而非传统的经典比特进行计算，因此具有比传统计算机更快的计算速度。这将为人工智能开辟新的研究方向，同时也为解决更加复杂的人工智能问题提供了可能。
模型压缩与量化：针对目前人工智能模型存在的内存占用和计算速度慢等问题，模型压缩和量化技术将成为重要的发展方向。通过减小模型大小和复杂度，同时保持良好的精度，可以在不降低算法性能的情况下实现更高效的计算。
分布式计算：由于单台设备的算力有限，分布式计算将成为满足大规模计算需求的关键技术之一。这项技术可以将计算任务分配给多台设备进行处理，提高计算效率和准确性。
总之，随着人工智能应用的不断扩大和深入，算力发展将会迎来更多机遇，并为人工智能技术的进一步发展提供有力支撑。
这些公司中具体有哪些搭建了物联网平台？他们搭建的物联网平台又是怎么样的？
首先我们来了解一下什么是物联网平台，物联网平台全称物联网管理系统平台。即IOT管理系统平台， 那么，什么是IoT管理系统平台呢？
要了解什么是物联网平台，首先您需要了解一个完整的IoT系统的组件。
那么“物联网系统如何工作”。
完整的IoT系统需要硬件，如传感器或设备。 这些传感器和设备从环境(例如水分传感器)收集数据或在环境中执行动作(例如浇水作物)。
完整的IoT系统需要连接。 硬件需要一种将所有数据传输到云端的方法(例如发送湿度数据)或需要一种从云接收命令的方法(例如，现在对作物播种)。对于一些IoT系统，可以在硬件和连接到云之间的中间步骤，例如网关或路由器。
完整的IoT系统需要软件。 该软件托管在云端(什么是云端)，并且负责分析从传感器收集的数据并作出决定(例如，从湿度数据知道刚刚下雨，然后告诉灌溉系统今天不打开) 。
最后，完整的IoT系统需要用户界面。 为了使所有这些都有用，需要一种方式让用户与IoT系统进行交互(例如，具有显示湿度趋势的仪表板的Web应用程序，并允许用户手动打开或关闭灌溉系统)。
IoT平台是连接IoT系统中的所有内容的支持软件。IoT平台有助于通信，数据流，设备管理和应用功能。
IoT平台存在于第3部分中，通常是上述内容的第4部分。随着所有不同种类的硬件和不同的连接选项，需要一种使所有工作在一起的方式，这就是IoT平台所做的工作。
IoT管理系统平台帮助：连接硬件，处理不同的通讯协议，为设备和用户提供安全和身份验证和收集，可视化和分析数据与其他Web服务集成。您的业务何时应用物联网管理系统平台
由于IoT是一个系统系统，因此在所有相关领域拥有专长的组织很少见。存在物联网平台，可帮助企业克服技术挑战，而无需将其全部归咎于内部。
物联网作为未来发展重要方向，承载了世界梦想，面对新一轮信息 科技 机遇，越来越多的企业也在加大部署或者 探索 物联网，以此驱动产业转型升级，各界积极入局跑马圈地，以此抢夺时代制高点。
谷歌希望安卓 *** 作系统能能广泛应用在各种智能设备当中去，发布了Android Things物联网系统，同时，谷歌希望把强大AI能力扩展到各种物联网智能设备上，至此在今年面向智能终端首款AI芯片Edge TPU，核心用于边缘计算，让本地就具有AI处理能力。
美国另一 科技 巨头微软，希望win10无处不在，推出Win 10 IoT为全球各行各业智能设备提供服务，帮助他们迈向物联网时代。另外，Win10 IoT可以在边缘做更多工作，包括机器学习、事件处理、图像识别和人工智能，并与Azure物联网再到边缘无缝集成为Win 10 IoT设备带来了云智能和安全分析。与此同时，微软也将投入50亿美元支持物联网创新。
亚马逊则在多年前就发布了AWS IoT平台，以此抢占物联网应用市场，例如帮助工业企业提高运营效率，使用AWS IOT构建的机器学习模型可以在云中或直接在工业设备上运行，从而设备可以响应本地事件并采取智能动作。
物联网连接规模呈现高速增长态势，以LoRa和NB-IoT等低功耗广域网LPWAN通信技术发展迅猛，连接复合年增长率为109%，在城市井盖、水、电、燃气表等得到了大量应用。
随着5G通信技术的发展，万物互联得以实现，在国内，BAT以及华为等厂商战略纷纷向物联网转变，华为以大连接谋划，去撬开这个千亿级连接市场。
百度以ABC＋IoT＋智能边缘促进物联网在各垂直领域展开大规模应用，并赋能各行各业，促进物联网时代到来。
腾讯在今年迎来重大战略转型，被视为变革开启之年，新成立云与智慧产业事业群是腾讯战略大调整核心部门，寄托未来变革命运，拥抱产业互联网，助力产业与消费者形成更具开放性的新型连接生态。
中国移动：成立物联网公司、车联网公司，搭建物联网专网、提供专号、建设物联网设备接入管理平台和物联网应用开发平台，大力推动物联网业务展。
可以说基本上在国内有名的公司全部入局了物联网平台建设。物联网的发展，已经上升到国家战略的高度，必将有大大小小的 科技 企业受益于国家政策扶持，进入 科技 产业化的过程中。
从行业的角度来看，物联网主要涉及的行业包括电子、软件和通信，通过电子产品标识感知识别相关信息，通过通信设备和服务传导传输信息，最后通过计算机处理存储信息。
而这些产业链的任何环节都会开成相应的市场，加总在一起的市场规模就相当大，可以说，物联网产业链的细化将带来市场进一步细分，造就一个庞大的物联网产业市场。为人类的生产和生活方式带来全面的改变。
自己在电信上班，这个问题很不错。就现在成都电信物联网建设来说，已经很完善了。现今世界网络和数据普及，不单止智能手机能连接网络，就连手表，闹钟，家电等日常用品，也能即时在网络中提取资讯，并配合环据数据作出分析，将最好的体验反馈给 用家。而透过网络来连接人，流程，资讯和装置这个概念，亦是我们平常所说的物联网（物联网，又名物联网）。
承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。
先定义一下边缘计算（wikepedia，2019）：
这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。
在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。
而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。
增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：
- 低延迟：数据由近场产生，能快速回应
- 独立性：在没有网络连接下，系统亦能运作
- 合规性：无需传送用户资料，保护个人数据
- 简化数据：终端先处理部份数据，数据简化后才向云服务器传输
- 安全性：数据传输减少，减少网络安全风险
无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。
下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。
假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。
很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。
在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。
汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）
由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。
随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。
物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。
因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。
1、延迟问题
延迟是指处理和分析捕获数据所需的时间。连接到互联网的设备必须在100毫秒内响应，有时甚至不到10毫秒。因此，计算过程必须尽可能本地化，以抵消远距离传输数据的固有延迟。
通过物联网中的边缘计算，计算将在源头附近完成，例如传感器，如果汽车上的传感器判断出将要发生碰撞，那么系统就必须具有足够的确定性，能够在一定的时间范围内部署安全气囊，如果在长距离传输数据方面有任何滞后，那就是根本不安全的。
2、带宽问题
运行软件和生成数据的大多数物联网设备需要链接到云以存储和进一步处理该数据。因此，需要大量的功率和带宽将IoT数据传输到云。
在物联网中使用边缘计算，组织可以减少互联网带宽的使用，因为可以在源附近处理大量数据。
例如，边缘计算相机可以通过分析警察仪表板的视频源来帮助执法机构减少带宽，相机摄像头可以实时生成大量的视频和音频记录，但只有在必要时才将相关数据发送到云端。
3、带宽成本问题
物联网应用程序生成大量相对低价值的时间序列数据。这意味着带宽成本，设备获得带宽的机会成本，存储和分析成本，以及云中这些低价值时间序列数据的计算成本。
有了边缘计算，这些数据就可以被捕获，如果有必要的话，在将数据发送到云或其他上游聚合点之前进行分析和汇总，这比通过WAN链路发送未经过滤的数据要便宜得多，后者通常非常昂贵。
4、传统系统连接问题
公司经常连接到物联网的传统系统具有非IP/以太网接口。因此，他们需要来自模拟或专有系统接口的物理转换，以便能够使用和分析数据。这只能在生成数据的原始设备旁边完成。
这是物联网中的边缘计算可以提供帮助的地方。边缘可以充当新旧之间的中介，为没有现代计算能力的传统资产添加智能功能。
5、物联网安全问题
尽管云服务提供商已经为终端客户的物联网产品开发了出色的安全性，但运营技术专业人员仍然担心他们的敏感数据一旦离开企业的墙壁就不会安全。
为了解决这个问题，可以在边缘添加更多智能来保护系统，使其更强大，可以抵御黑客攻击和入侵。因此，任何中断都将仅限于边缘计算设备和这些设备上的本地应用程序。
边缘计算在物联网中应用的领域非常广泛，特别适合具有低时延、高带宽、高可靠、海量连接、 异构汇聚和本地安全隐私保护等特殊业务要求的应用场景。为了打造更适合行业应用的物联网通讯终端产品，四信通信充分利用边缘计算技术，大力研发生产出了F-G200边缘计算网关，该系列产品可帮助用户快速接入高速互联网，实现安全可靠的数据传输。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）