边缘智能发展与演进白皮书
文献来源:赛迪顾问. 边缘智能发展与演进白皮书[N].中国计算机报,2019-05-20(008).
摘要：我国的安防领域信息化基础扎实,摄像头、抓拍机部署密度较大,边缘侧的数据采集已不存在障碍。且目前公共安全领域正广泛开展大数据分析、计算机视觉等技术的实践应用,在数据库的搭建、算法模型的训练、业务场景的适配方面,已经具备较好基础。边缘计算与人工智能技术在公共
安全领域的应用,能够有效提升公共安全管理的效率与水平,大幅降低人力物力成本,对城市管理、
民生改善具有巨大价值,市场空间广阔,且技术应用的基础条件已经成熟,公共安全有望成为边缘智
能最先爆发的高价值应用场景。
边缘计算特点
- 邻近性。
边缘计算靠近信息源,适用于通过数据优化捕获和分析大数据中的关键信息,并且可以直接访
问设备,更加高效地服务于边缘智能,易于衍生出特定商业应用场景。 - 低时延。
边缘计算服务靠近产生数据的终端设备,相对于云计算,极大地降低了时延,尤其是在智能制造
和智能驾驶等应用场景中,使得反馈过程更加快速。 - 本地性。
边缘计算可以与网络的其余部分隔离运行,可实现本地化、相对独立的计算。一方面保证了本
地数据的安全性,另一方面降低了计算对网络质量的依赖性。 - 位置感知性。
当边缘网络是无线网络的一部分时,边缘计算式的本地服务可以利用相对较少的信息来确定
所有连接设备的位置,这些可以应用于 LBS(基于位置的服务)等业务场景。
边缘计算与云计算的联系和区别
- 边缘计算和云计算将同时共存、相互补充、相互促进,共同解决大数据时代的计算问题。
- 边缘计算与云计算是行业数字化转型的两大重要计算方式,在网络、业务、应用、智能等方面的协同发展将有助于更大限度的行业数字化转型。
- 数据计算的任务不同。云计算把握整体,适用于大规模、非实时业务的计算。
- 边缘计算关注于局部,适用于小规模、实时性计算任务,能够更好完成本地业务的实时处理。
- 网络资源的负担不同。与云计算相比,由于边缘计算靠近信息源,数据可在本地进行存储与处
理,不必将全部数据都上传至云端,减少了对网络的负担,避免了网络堵塞,提高了网络带宽的利用
效率。 - 智能应用的分工不同。在人工智能应用中,云计算更适用于进行人工智能算法模型训练与大规
模数据的集中化分析,边缘计算更适用于基于集成的算法模型,进行本地小规模智能分析与预处理
工作。
影响与变革
1. 业务处理从集中式到去中心化
边缘计算将分布式计算融入集中式的云计算架构中,能使计算能力下沉到边或端,减少对中心
的依赖,通过云、边、端协同,大幅提升业务效率。
2. 资源配置从资源独占到资源共享
资源独占:传统边缘侧主要承担的是数据采集与业务请求角色,都是要抢占、独占中心计算、存储资源,以及网络带宽资源,边缘端业务规模不断扩大,对中心的压力将不断增加,导致整体运营效率下降。
共享与分享:边缘计算的商业模式将不仅以服务为驱动,更多是以数据为驱动,通过建设统一开
放的接口,面向多用户进行数据开放,促进传统中心——用户的单边模式转变为用户——中心、用
户——用户的多边共享、分享模式,提升整体效率,使社会生产更经济、更快捷。
3. 数据分析从把握整体到专注局部
以往云计算只把握整体,所有数据均要传到中心分析,而边缘计算专注局部,聚焦实时、短周期数据的分析,能更好地支撑本地实时智能化业务处理与执行,并且,原始数据保留在边缘侧,也保证了数据的隐私与安全。
数据轻量化:本地采集的原始数据在边缘侧执行初始分析,只传递有用数据到云端,从而减少网
络负担,降低传输成本。
数据隐私保护:大量原始采集的数据无需全部传输到云端,能更好地对数据的隐私提供保护。
4. 应用部署从未雨绸缪到随需而动
传统业务扩张由于受各种要素制约,如计算、网络等,均需要根据需求提前进行规划与部署。
边缘计算低时延、邻近化、高宽带和位置认知等特性,让业务发展更从容,整个网络能感知一
切业务需求变化,并通过近端的智能分析,快速调配资源,实现快速响应,敏捷部署。
边缘智能
- 边缘智能是指在靠近数据产生端的边缘侧,人工智能算法、技术、产品的应用。
- 边缘智能旨在利用人工智能技术为边缘侧赋能,是人工智能的一种应用与表现形式,也是边缘计算与人工智能互动融合的新模式。
- 边缘智能将在诸多场景中广泛展开应用公共安全、智能交通、智能智造、智能驾驶是应用价值较高的领域,具有较大发展机会。