大家知道,云計算解決了算力需求與硬件成本之間的矛盾,邊緣計算,讓人們能輕松實現各類數字化應用。
隨著運用普及,云計算也會面臨新問題。試想一下,如果大家都在玩一個很火的-,而它的服務器只部署在a城市這一個中心數據節點。那就會出現以下情況:一是距離較遠的b城市的游戲的玩家玩起來--高,因為服務器離用戶太遠了,fpga邊緣計算,傳輸時延隨之增加。二是中心節點不堪重負,由于數據高度集中,訪問流量都匯聚到a城市節點,帶寬或者性能一旦跟不上,就容易出現擁塞。這些會導致云端響應慢,-高,-卡成了看幻燈片,這種用戶體驗誰也受不了。
為應對這些新挑戰,邊緣計算應運而生。人們對云計算的集中化結構進行了拆分,把需要快速響應的服務能力部署到網絡邊緣,也就是盡可能靠近用戶的地方。這樣既縮短了服務器到用戶的距離,又通過分布式結構有效-了中心節點的壓力。簡單的說,把云計算延伸到網絡邊緣,在靠近用戶的地方提供服務,就是邊緣計算。
如果用快遞來打個比方,或許你就能-理解“邊緣計算”節點的概念。買家在網購下單后,到貨速度當然越快越好,但如果從北京發貨到重慶,再快也不可能當日達。于是,網購平臺在重慶建了個“本地倉”,這樣不僅重慶用戶可以當天就收貨,而且還節約了郵費。你把快遞包裹-成數據,物流-成網絡,新基建邊緣計算設備,那么“本地倉”就是邊緣計算節點。
從那時起,邊緣計算能力一直在提高。
2017年,為了擴展低性能的計算設備,movidius神經計算棒以低于100美元的價格,fpga邊緣計算,僅需0.5w的電量便能進行每秒一千億次浮點計算。
2018年,華為推出了麒麟980處理器,在0.1w的電量下可以完成每秒五千億次的浮點計算。其他供應商緊隨其后。谷歌發布了edge tpu units,瑞芯微rockchip公布了rk3399。這兩個約每秒能夠處理3萬億次浮點計算,成本在100美元左右。
2019年,帶有-技術硬件加速的器-是神經網絡的特定微型計算機得到普遍使用。所有關鍵的硬件廠商都陸續發布了ai軟件棧的邊緣優化版本,這進一步提高了性能。目前,一般使用的ai板有,谷歌的edge tpu——使用專門的asic芯片制作而成用以處理ai的預測推理功能。價格低于100美元的英偉達jetson nano 配備了128個英偉達cuda。瑞芯微發布的 rk3399 pro——帶有神經網絡處理器的開發板其性能甚至略優于英偉達jetson nano。
物聯網技術的大幅提高讓我們得以發展nbox——這款邊緣計算設備不僅能夠借助多達12個通道記錄高音頻,并且還可以通過邊緣計算實現-。所謂邊緣計算,是指大多數處理過程將通過本地設備實現而無需交由云端完成。
邊緣計算中的邊緣指的是網絡邊緣上的計算和存儲資源,這里的網絡邊緣與數據中心相對,無論是從地理距離還是網絡距離上來看都更貼近用戶。邊緣計算則是利用這些資源在網絡邊緣為用戶提供服務的技術,使應用可以在數據源附近處理數據。如果從仿生的角度來理解邊緣計算,我們可以做這樣的類比:云計算相當于人的大腦,邊緣計算相當于人的神經末端。當到手時總是下意識的收手,然后大腦才會意識到到了手,因為將手收回的過程是由神經末端直接處理的非條件反射。這種非條件反射加快人的反應速度,避免受到的傷害,同時讓大腦-于處理智慧。未來是萬物聯網的時代,思科預計 2020 年將有 500 億的設備接入互聯網,我們不可能讓云計算成為每個設備的“大腦”,而邊緣計算就是讓設備擁有自己的“大腦”。