边缘数据处理的刚需

就连接性而言，过去十年或多或少地致力于以下三件事：将世界用无线连接起来;提高无线连接的强度和完整性;并确保一切可连(从人到物) 的、都以某种方式连接起来。本质上讲，这是通过——下一代5G部署(强化基础蜂窝基础架构并开发更新的技术以优化数据吞吐量、容量、覆盖范围和延迟要求)以及物联网革命(其中物理目标配备了感知功能和/或标签)——实现的。这些技术发展已经产生了深远的社会影响，无线连接已成为日常生活中不可或缺的一部分。从家用电器到复杂的工业机械，使用传感器和执行器进行远程监视、跟踪甚至控制相关对象的能力几乎已成为了基本必须的能力。但是，设备密度的巨大提升也导致了某些非常明显的瓶颈。

哪些场景需要用到边缘计算？

边缘计算的前身是内容分发网络（CDN），它通过数据分布式缓存满足了用户快速访问的需求，让我们能流畅地在线追剧、玩游戏。但随着信息技术从消费侧向生产侧延伸，以及人工智能等新技术的兴起，云端仅仅实现数据存储与快速访问已无法满足需求，新的应用场景中要求云端同时具备强大功能和超低时延，智能交通边缘计算产品，其中典型就是自动驾驶和智慧工厂。

以自动驾驶为例，它对云端响应时延提出了近乎苛刻的要求。自动驾驶的制动等反应时间关系到交通安全，而它主要由云端系统响应时延决定，但其中涉及运算和通信多个环节。如果要做到100km制动距离不超过30cm，智能交通边缘计算报价，那么系统整体响应时延不能超过10毫秒，而且越低越好。因此，重要的移动通信技术标准化组织3GPP就定义了若干个1毫秒到几个毫秒的低时延场景，主要就集中在自动驾驶上。在这种需要“超低时延 智能计算”的场合，就必须用到边缘计算了。

再来看智慧工厂，由于制造业的智能化，一方面需要实时数据采集并立即处理意外情况，毫秒级延迟都可能导致无法挽回的事故，这在设备保护、性能监控、品质管控中尤为重要。另一方面由于生产复杂度与精细度越来越高，生产过程会产生海量实时数据，但其中只有部分是关键数据，智能交通边缘计算设备，需要存储到云端进行挖掘和分析（例如为供应链优化提供依据），所以需要对采集数据进行过滤，以缓解云端和网络压力。这时候，就需要边缘计算来帮忙了。

如何理解边缘计算

近年来，智能交通边缘计算，大数据、云计算、智能技术的快速发展，给互联网产业带来了深刻的变革，也对计算模式提出了新的要求。大数据时代下每天产生的数据量急增，而物联网等应用背景下的数据在地理上分散，并且对响应时间和安全性提出了更高的要求。云计算虽然为大数据处理提供了很高的计算平台，但是目前网络带宽的增长速度远远赶不上数据的增长速度，网络带宽成本的下降速度要比 CPU、内存这些硬件资源成本的下降速度慢很多，同时复杂的网络环境让网络延迟很难有突破性提升。因此传统云计算模式需要解决带宽和延迟这两大瓶颈。在这种应用背景下，边缘计算应运而生，并在近两年得到了研究者的广泛关注。

边缘计算中的边缘指的是网络边缘上的计算和存储资源，这里的网络边缘与数据中心相对，无论是从地理距离还是网络距离上来看都更贴近用户。边缘计算则是利用这些资源在网络边缘为用户提供服务的技术，使应用可以在数据源附近处理数据。如果从仿生的角度来理解边缘计算，我们可以做这样的类比：云计算相当于人的大脑，边缘计算相当于人的神经末端。

智能交通边缘计算设备-智能交通边缘计算-速核电子科技有限公司由北京速核电子科技有限公司提供。北京速核电子科技有限公司为客户提供“高速数据采集”等业务，公司拥有“鲁科数据”等品牌，专注于仪器仪表等行业。，在北京市海淀区安宁庄路26号楼8层802房1号的名声不错。欢迎来电垂询，联系人：白利。