边缘 AI 的兴起
边缘人工智能 (AI) 正在彻底改变企业和组织的运营方式。虽然模型训练主要在数据中心进行,但测试时推理越来越多地转移到边缘,使得边缘成为企业 AI 新的前沿阵地。这有助于在广泛的垂直行业和使用案例中实现预测分析和自动化,例如为客户提供个性化建议、打造全自动化系统等。借助边缘 AI,企业和组织能够主动施策,灵活应对不断变化的业务需求。
边缘人工智能 (AI) 正在彻底改变企业和组织的运营方式。虽然模型训练主要在数据中心进行,但测试时推理越来越多地转移到边缘,使得边缘成为企业 AI 新的前沿阵地。这有助于在广泛的垂直行业和使用案例中实现预测分析和自动化,例如为客户提供个性化建议、打造全自动化系统等。借助边缘 AI,企业和组织能够主动施策,灵活应对不断变化的业务需求。
边缘基础设施可以全面赋能各行各业广泛的数据密集型实时应用,例如:
边缘环境会带来独特的运营挑战:
现代 AI 就绪边缘基础设施应包括:
在更靠近实时生成数据的位置对这些数据进行处理,可以减少延迟,更快地获得洞察和作出决策,这对于时间敏感型应用至关重要。这种架构还可最大限度地减少对集中式数据中心的依赖和对持续高带宽连接的需求,从而提高运营效率。边缘计算支持新的 AI 和 IoT 计划,可通过个性化的本地服务改善客户体验,并且通过实时运营分析降低成本。
总体而言,它能更快地提供洞察,改善用户体验,提供更高效、更可扩展的数字服务,从而推动创新并提升敏捷性和竞争力。此外,边缘计算还可以减少进出中央服务器的数据量,从而大幅节省带宽和存储空间,提高成本效益。
边缘计算技术包括由传感器、IoT 设备和本地服务器等组件组成的分布式网络,这些组件可以协同工作,从而在数据源所在位置处理数据。传统云计算模式将数据发送到远程云服务器进行处理,而边缘计算与之不同,它能够减少数据传输时间并提高运营效率。这对于需要即时处理数据的应用至关重要,例如智慧城市的交通管理或工业监控就属于此类应用。
重要的是,边缘计算可在靠近数据源的位置处理信息,最大限度降低数据在传输到远程服务器期间泄露的风险,从而增强数据的安全性和隐私性。因此,对于需要处理敏感信息并且必须遵守严格的数据隐私法规的行业,边缘计算是理想之选。
边缘云
边缘云是一种混合模式,可在边缘处理关键数据,同时利用云资源进行更广泛的数据存储和复杂分析,从而充分发挥边缘计算和云技术两者的优势。借助这种协同效应,企业能够确保快速响应需求并且获得强大的数据分析能力。边缘云解决方案可提供可扩展的可靠基础设施,能够在数据处理业务不断扩容的场景下持续保持优异性能,对于具有此类需求的企业和组织具有重大价值。
雾计算
雾计算通过在云和边缘设备之间部署战略节点来扩展云,从而打造分布式计算基础设施。这种架构让数据、计算、存储和应用更靠近用户或 IoT 设备,确保可以在生成数据的位置附近对数据进行处理。雾计算在集中式云之外搭建分布式雾层,能够缩短数据传输时长并降低数据处理延迟。
多接入边缘计算 (MEC)
根据欧洲电信标准协会 (ETSI) 定义,MEC 可在网络边缘为应用开发人员和内容提供商构建云计算功能和 IT 服务环境。这种环境可实现超低延迟和高带宽,还可实时访问可供应用使用的无线网络信息。
微数据中心
高度灵活的加固型数据中心,其所提供的组件与传统数据中心相同但部署在靠近数据源的本地位置。这类数据中心非常灵活,支持定制配置以满足不同情况的具体实施要求,例如在现场托管 5G 虚拟网络功能,或在工厂车间管理预测性维护。
Cloudlet
小型增强型移动性数据中心位于靠近边缘设备的位置,使得这些设备能够将数据处理分流到附近的 Cloudlet。Cloudlet 参照云技术进行构建,旨在通过提供低延迟的计算资源,优化资源密集型交互式移动应用。
应急响应设备
独立移动系统,可在紧急情况下为一线应急人员建立互操作通信。可在任何危机现场实现快速部署,配合高技能战术行动团队,为受灾地区恢复通信。