随着企业和消费者将更多设备连接到互联网，超快5G网络服务扩大其覆盖范围以及企业努力寻求该技术带来的机遇，企业中边缘计算的使用将显著增加。

根据Gartner公司2019年的报告显示，到2021年底，超过50%的大型企业将部署至少一个边缘计算用例来支持IoT或沉浸式体验，而在2019年这个数字不到5%。

边缘计算用例的数量在未来几年将进一步增长，Gartner预测，到2023年底，将有超过一半的大型企业至少部署六个边缘计算用例。2019年，在大型企业中，只有1%企业有六个或更多边缘计算部署。

边缘计算的兴起取决于分析技术的不断提高，这些技术可实时分析由端点设备生成的数据，这种分析与AI、机器学习和自动化结合使用时，可以用于控制端点的操作—这些端点只有有限或没有人工干预。

例如，完全自动化的装配线可以检测并纠正错误，或者安全检查点可以根据生物特征识别允许授权用户。这些情况需要边缘计算提供低延迟和可靠性。

Addressable Markets 公司首席战略官兼The Analyst Syndicate（资深独立分析师社区）成员Bruce Guptill 称：“物联网、传感器、移动设备和其他联网设备的快速发展和部署意味着更多的数据，以及对边缘计算的广泛需求。”

“但是，随着使用的数据量，数据类型和格式的广泛变化，企业对通过更多的方式保护更多类型数据的需求日益增长，以及在众多类型设备上利用数据的需求日益增长，在多个云计算之间来回移动数据的效率变得很低。而且网络带宽跟不上趋势，因此响应时间变得更糟。”

边缘计算的5个优势

顾名思义，边缘计算将计算从企业的核心数据中心移出，并将其放置在生成数据的端点设备附近，这带来了几个关键优势，包括以下方面：

1. 速度

通过专用设备（靠近端点的邻近服务器或虚拟数据中心）提供边缘计算，从而无需将数据从端点移至云，然后再移回。减少传输时间可以节省流程时间，这可以以秒为单位进行度量，有时甚至是毫秒。企业云解决方案提供商Ahead公司常务董事David Williams说：“由于数据不必一直传回到核心站点（即数据中心或公共云提供商），因此边缘应用程序和服务可以受益于实时或接近实时的延迟水平。”

2. 安全性

PA Consulting公司AI和区块链负责人Yannis Kalfoglou表示，边缘计算可实现更高的安全性和灵活性，因为其分散的特性消除了单一中央故障点。

这样做的结果是，安全团队可以隔离被攻击的端点和边缘计算设备。此外，边缘设备可以部署特定于设备的安全协议，从而使不良行为者更难学习如何侵入更多设备。

3. 成本节约

Williams认为，企业边缘计算的主要优势之一就是节省更多成本。他说：“边缘计算架构和技术的成本通常比集中式等效技术更低。由于往来于边缘和核心/中央站点的数据量减少，因此连接成本的降低还可以进一步节省成本。”

4. 可靠性

根据专家的说法，即使在通信通道速度缓慢、间歇可用或暂时中断的情况下，边缘计算也可以继续运行。Accenture Labs公司董事总经理Teresa Tung表示，例如，一家能源公司在石油钻井平台上部署了边缘计算，他们不必一直依靠可用的卫星连接将所有数据中继回数据中心进行处理，而是选择在连接可用时从边缘移动必要的处理信息。

如果边缘发生任何故障，则影响可能仅限于受影响的设备-整体操作仍将继续进行，从而提高了整个系统的可靠性。

5. 可扩展性

Lean Manufacturing Research公司创始人兼首席分析师兼The Analyst Syndicate的成员Dan Miklovic说，像云计算一样，企业只能在扩展其用例时才添加边缘设备，从而确保他们仅部署和管理所需的东西。其他人还提到，边缘计算的分散式方法如何使大规模部署更易于管理。Williams说：“用分散的方法分别解决每个边缘位置的规模，比在集中处理位置（我们称之为‘核心’）解决要容易得多。企业就是通过这种方式来支持成千上万个端点（如果说不是数百万端点），这是集中式模型中难以处理的数量。”

边缘计算的7个用例

对于为特定用例部署边缘计算，每个企业都有其自身的考虑因素和动机，例如，在一种情况下可能需要低延迟和低速度，而在另一种情况下则需要可靠性。

技术领导者和研究人员称，现在，在几乎所有行业，很多企业都在部署或测试边缘计算用例。值得注意的用例包括以下：

1. 自动驾驶汽车

自动驾驶汽车是边缘计算的主要用例，因为只有当它们能够实时分析驾驶所需的所有数据时，它们才能安全可靠地运行。这些车辆积累的数据量非常惊人。根据行业专家估计，一辆自动驾驶汽车每天产生的数据可能在5 TB到20 TB之间。而且，虽然5G当然可以处理更多的容量，但是现有的4G网络远不能以足够的速度处理所有数据。

Guptill说：“自动驾驶汽车必须从多个来源（包括其他车辆）以不同的方式整合和处理大量不同类型的数据，并且需要在行驶过程中即时进行。”

这就需要车载计算能力和边缘数据中心来进行关键任务处理，以进行导航、车对车通信以及与新兴智能城市的集成。

边缘计算还可以帮助市政当局（例如交通部门、公共转型部门和私人运输公司）更好地管理其车队和总体交通流量–通过基于实时实地状况进行快速调整。例如，部署用于处理车辆数据的边缘计算平台可以确定哪些区域正在发生拥堵，然后重新导航车辆以减轻交通流量。

2. 更高的安全性

企业可以使用边缘计算来实现视频监控和生物特征识别扫描，以及其他监控和授权措施，其中实时分析数据至关重要，以确保仅允许授权人员和批准的活动。例如，企业可以使用具有光学技术的生物识别安全产品来执行虹膜扫描，通过边缘设备实时分析这些图像，以确认具有授权访问权限的工人的匹配情况。

3. 医疗保健

医疗保健数据来自各种设备，包括医生办公室、医院和患者自身的设备。传输这些数据到中央位置进行分析可能会造成带宽拥塞，但其实并非所有数据都需要移动并存储在集中式服务器中。例如，患者医疗设备的每个正常心率读数可能不需要保留，但某些数据非常重要，需要快速进行分析，而无法接受由于低延迟或不可靠的网络连接造成的任何延迟。

边缘计算可以实时获取和处理来自端点医疗设备的数据，并确定哪些数据点不是关键数据（即正常心率读数），还可以识别、处理和响应关键数据点，从而向临床医生发出警报以尽快采取行动。

4. 制造和工业流程

工业物联网已在制造工厂和其他此类生产制造中添加了数百万个连接的设备，这些设备收集有关生产线、设备性能和成品的数据。但是，所有这些数据都不需要在集中式服务器中处理-每个连接的温度计的每个温度读数都不重要。

大多数企业仅需要将汇总数据或平均读数带回其中央系统，或者他们仅需要知道何时此类读数表明有问题，例如设备温度超出正常范围。

惠普公司副总裁兼总经理Gerald Kleyn说，这就是边缘计算所能实现的；它使企业能够非常快地获取和理解数据，从而可以迅速发现并解决问题。

他指出，在制造和类似环境中，速度尤其重要，在这些环境中，自动装配线快速移动并需要实时干预以解决问题。例如，在一家制造工厂，边缘计算仅花了一秒钟来分析产品质量，这比将制造数据转移到云端进行处理快了整整20秒。

5. 增强现实

Miklovic说，指导员工完成工作、对员工进行新流程培训以及向学生教授复杂概念，这些将越来越多地通过头戴式设备完成，提供虚拟现实或增强现实学习体验。

这种体验可以通过集中式计算资源来提供，但是成本和延迟性可能会影响用户体验，而边缘计算可以以较低的成本提供对所需信息的可靠实时访问。

6. 加强工作场所安全性

传感器、计算机视觉和人工智能方面的进步正在进一步扩展工作场所安全应用程序，因为在边缘运行这些技术使企业可以监视状况，并实时识别危险情况并发出警报。

例如，企业可以使用现场员工的位置数据，在COVID-19疫情期间执行新的社会距离要求，并警告他们不要保持太近的距离。由于此类位置数据在那一刻之后没有任何价值，因此可以在边缘上收集和处理信息，而不必将其移动和存储在企业数据中心内。

7. 流服务

Williams说：“OTT流媒体平台正迅速成为发布内容的标准手段。尽管IPTV （IP电视）是内容制作以及集中发布到消费设备的最初目标，但我们看到OTT不断发展，包括原创内容、现场直播甚至对用户体验要求更高的区域性内容。”

根据Williams的说法，这是媒体公司利用边缘计算功能的驱动因素-它使企业能够减少延迟，同时确保高质量的视频和流媒体性能。

即将出现更多边缘计算机会

尽管边缘计算的这些用例已经带来价值，但专家预测企业将继续扩展其部署边缘计算的方式，以改善当前的运营和活动，以及开发和支持新产品和服务。

Williams说：“随着企业不断寻找方法来利用所收集的数据，他们还将继续提供应用程序和服务以在本地处理和使用该数据。”

他继续说：“这种‘数据重力’将推动在边缘的新一代数据驱动解决方案，这在以前不可能做到。服务提供商将继续进行投资以解决当今的连接挑战；人工智能将继续发展，并在边缘和其技术架构的云计算方面之间变得更加分布式和分散；我们将看到加快转移到开放、安全的云原生标准，其中的重点是部署边缘技术，从自恢复到自愈。可以说，边缘计算的前景一片光明。”