如何利用内存及存储构建边缘策略呢？

构建边缘策略并非一蹴而就，

而需要长期努力

人们迫切期望在边缘设备上实现更强的智能，获取数据并输出洞察。最近一项由微软赞助的研究显示，79% 的企业目前已有或计划构建某种形式的边缘计算策略。越来越多的企业正转而采取边缘策略以减轻网络压力，更好地利用新服务并降低与传统数据中心连接的成本。实际上，边缘策略现已广为流行。据 Gartner 预测，到 2025 年，超过 50% 的企业托管数据将在数据中心或云之外创建1。

边缘策略已成为了一种趋势，各方企业都希望在该领域有所建树，并争相制定与其数字化转型一致的策略。然而边缘策略的定义一直比较模糊，因为各类研究机构和组织都试图根据自身的市场定位自主定义该概念。当前，人们对边缘计算的期望过高，且越来越多的人试图划分或定义边缘策略，因此它的定义变得更加宽泛。

为边缘策略做好准备

加速构建边缘策略体现出人们迫切需要利用边缘来提高运营表现并控制成本。然而边缘策略的转型需要长期努力，不可一蹴而就。正如大肆宣传的 5G 等技术那样，不能只狭隘地关注速度、连接密度和低延迟，而需关注如何解决网络基础设施的发展问题，以支持企业引入或使用以 IT 为重点的平台和即服务（aaS）业务模式。

企业需要重新评估数据治理、信息留存和使用政策等关键议题。IDC 预测，到 2025 年，数十亿台物联网设备将产生 79 ZB 数据，因此必须提高处理和简化激增数据的能力。

内存释放边缘数据的价值

能够托管边缘计算平台的具有人工智能加速和低延迟特点的内置系统将推动硬件基础设施增长。然而无论是托管还是聚合数据流，边缘计算都要依赖设备中的内存和存储来满足应用程序需求，如人工智能、预测性维护和其他应用等。

随着多核 CPU 数量的增加，满足下一代带宽要求的压力变得更大，因此需要更高的内存技术。这些复杂的系统需要更强的算力和自动化决策。

然而，单个核心的内存带宽一直以来是实现更高速计算解决方案的瓶颈。人们一般通过增加更多动态 RAM (DRAM) 来满足计算需求。

边缘计算系统想要支持机器学习与推理并实现 GPU 级别的计算性能，就需要高性能 DRAM 解决方案，不仅能提供每秒百万次传输 (MT/s) 的吞吐量，还能集合更高效的内存块 (bank) 使用，从而提高整体有效带宽。例如，美光在 3200 MT/s 的等效数据传输速率下对其 DDR4 和最新的 DDR5 系统级模拟进行了对比测试，**结果显示 DDR5 的有效带宽性能提高了约 1.36 倍。而在更高的数据传输速率下，DDR5-4800 的性能提高了约 1.87 倍，几乎是 DDR4-3200 带宽的两倍。 **

审核编辑：刘清