边缘计算的实际应用和使用案例

边缘计算——

全新计算范式

随着我国新能源汽车的蓬勃发展，智能驾驶的技术研发和应用落地也势头正盛，无人驾驶似乎已经成为不远的未来即可实现的目标。对于智能驾驶来说，车内芯片的处理速度至关重要。当未来主机厂收集并处理的信息越来越多的时候，网络速度成为制约处理效率的一大关键因素。在这样的背景下，“边缘计算”技术顺势进入了车企的视野。边缘计算允许在实际收集数据的地方进行计算，而不是在云计算设施或远程数据中心中进行。因此边缘AI使设备能够更快地做出更明智的决策。

腾讯研究院今年年初发布的《影响2024年的十大科技应用趋势》中提到，高性能计算、量子计算、云计算和边缘计算这"四大计算“正催生全新的计算范式。

01概念的提出

降低延迟和实时分析只是边缘计算的一部分好处，边缘计算正在工业、汽车和消费电子产品领域得到广泛应用。

数字经济的出现意味着我们比以往任何时候都更加依赖数据。

在工厂车间，通过传感器收集振动、温度和湿度等关键生产信息，随后进行分析以制定更有针对性的维护策略。

同时，在我们的日常生活中，永远在线的社会对智能设备的依赖意味着我们时时都在产生并消耗数据。

云计算为这种连接的普及提供了支撑。数据被传输到虚拟空间，并在托管设施中存储和处理。这种方法提供了可扩展性、灵活性和成本效益等多种好处。

但有一个问题。将大量数据从多个节点转移到云端需要时间及能耗。这些“旅程”可能仅以毫秒为单位，但这种延迟可能会给某些实时应用程序带来问题。因此，人们开始寻求其他数据策略。

02实际应用

在边缘计算中，存储和处理在网络的“边缘”进行——物理上更靠近用户、设备和数据源。这种基础设施可以减少流量延迟并实现实时分析。

在一些对于时间极度敏感的应用环境中，例如自动驾驶汽车、病人监护和智能城市交通系统，提高节点设备的响应时间至关重要。

确实，边缘计算是当今互联世界中数据管理的快速增长解决方案。2022年全球边缘计算市场价值为119.9亿美元，预计到2030年将增至1395.8亿美元。

根据Gartner的数据，到2025年，多达75%的企业生成数据将在传统集中式数据中心或云之外创建和处理。如果这一预测属实，那么可以说边缘计算时代将真正到来。

边缘计算在生成数据的设备上做出超快速决策的能力日益增强，这必将为人工智能革命提供强大助力。现在，无需将数据从一个点转移到另一个点并再次转移回来，延迟被降至最低，从而开辟了新的用例和应用。

03片上系统

实现这种性能的关键是片上系统（SoC）架构。SoC不是一块由一系列分立元件组成的大电路板，而是一种将电子系统的功能集成到单个芯片上的集成电路。这通常包括CPU、GPU、内存、I/O接口、外设、网络和电源管理，所有这些都包含在一个高度集成的系统中。

SoC在边缘计算方面拥有巨大潜力，因为它们可以高度定制，提供独特的能效、集成、性能和安全性组合。

突然之间，设计师和工程师可以克服将AI功能集成到边缘传感器中的挑战，将多个组件和功能集成到单个芯片中，使设备更小巧、更节能。许多边缘AI应用程序需要实时或低延迟处理传感器数据，SoC为这些任务提供必要的计算能力，同时最大限度地减少数据处理延迟。这对于瞬间决策至关重要的应用程序尤其重要。

同时，边缘AI传感器可以与其他设备或云服务通信，根据需要传递信息，并且独立于其低延迟操作。大多数SoC提供各种连接选项，例如Wi-Fi、蓝牙、5G和传感器接口，以促进无缝数据传输和与外部系统的集成。

04使用案例

那么，边缘计算在哪里得到最广泛的应用？最合适的用途之一是自动驾驶汽车——物联网传感器对车载边缘计算有着至关重要的需求，这些传感器可以检测各种参数，包括道路状况以及与其他车辆和行人的距离。基于实时数据的更快、更准确的决策将推动对更精确的导航和障碍物检测的需求。

对于未来的智能交通系统，边缘计算将成为车联网（V2X）架构的关键基础技术，该架构负责组织汽车、行人和智能城市基础设施之间的通信和互动，帮助解决通信通道之间动态切换和低延迟的挑战，从而实现信息在车辆之间的传输。维护是另一个应用领域，边缘计算用于电池监控和预测方法，传感器实时汇总各种状况——如果有任何不正常的模式或趋势，则通知车主。

与此同时，对基于云的集中式数据基础设施的依赖会显著影响可穿戴设备的功耗和电池寿命。最好尽可能在靠近最终用户的地方执行AI操作——确切地说，在他们的手腕上。借助自学习AI、训练神经网络并允许在边缘进行推理，所需的处理能力会更少，可穿戴设备的电池寿命也会延长。

机器人技术是另一个充满机遇的领域。许多工厂已经采用自动化和数字化来简化操作并提高质量和可重复性。机器人对这种转变至关重要，因为它们变得更便宜、更灵活、更易于集成和更便于在车间操作。现在，边缘计算的出现可以进一步提高机器人的性能。例如，基于边缘的计算机视觉技术意味着可以在摄像头和传感器等设备上本地执行对象检测，从而改善延迟并减少带宽消耗。它还可以执行图像分类，支持制造生产线的质量控制。它还可用于识别数据集中的任何意外事件或模式，突出显示潜在的设备故障。

05未来展望

我们可以看出，通过SoC以及其他系统和组件提供的边缘计算将在AI等先进技术的日益普及中发挥关键作用。只要确保了安全性和隐私性，它的低延迟、灵活性和可扩展性就非常适合广泛的应用。