邊緣計算能就近提供智能互聯(lián)服務，滿足行業(yè)在數(shù)字化變革過程中的關(guān)鍵需求。在物聯(lián)網(wǎng)時代，不斷增長的數(shù)據(jù)催生了對邊緣計算的需求，據(jù)IDC預測，未來超過50%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理和儲存。其巨大的市場空間也被玩家們看在眼里，2019邊緣計算還將如何更好地推動物聯(lián)網(wǎng)技術(shù)發(fā)展?這里列出了7個有關(guān)邊緣計算和物聯(lián)網(wǎng)的預測。

1. IIoT分析和機器學習(ML)公司會重點衡量它們在計算方面的交付能力。

隨著越來越多的IoT項目采用以云為中心的解決方案，人工智能(AI)和IoT下一步要解決的問題是如何使用較少的資源，將算法帶到邊緣側(cè)。據(jù)Gartner稱，在未來四年內(nèi)75%的企業(yè)生成的數(shù)據(jù)將在邊緣處理(相對于云計算)，而今天只有不到10%公司會這樣做。數(shù)據(jù)的大量增加，更高的保真度分析，更低的延遲要求，安全問題和巨大的成本優(yōu)勢這些因素都催生了邊緣計算的興起。

雖然云是存儲數(shù)據(jù)和訓練機器學習模型的好地方，但它不能提供高保真的實時流數(shù)據(jù)分析。相反，邊緣技術(shù)可對所有的原始數(shù)據(jù)提供高可靠性地分析，并能檢測各種異常，最重要的是能做出實時反應。

2. 需要正確分辨“真”與“假”邊緣解決方案。

與所有熱門新技術(shù)一樣，市場已逐漸失去“邊緣計算”這一術(shù)語，但在IoT部署中沒有明確的界限?！凹佟边吘壗鉀Q方案聲稱他們可以在邊緣處理數(shù)據(jù)，但實際上采取的方法是將數(shù)據(jù)發(fā)送回云端，然后進行批量或微批處理。當人們閱讀邊緣計算時，會認為假的解決方案中沒有復雜事件處理器(CEP)，這意味著該解決方案的延遲更高且數(shù)據(jù)仍然“臟”，分析不準確，ML模型顯著受損。

“真正的”邊緣智能始于超高效的CEP，CEP可以清理，規(guī)范化，過濾原始數(shù)據(jù)流。此外，“真正的”邊緣解決方案包括集成的ML和AI功能，這些功能都需要嵌入到大大小小的邊緣計算設(shè)備中。CEP功能應在邊緣現(xiàn)場實現(xiàn)實時，可操作的分析，并為操作技術(shù)(OT)人員提供快速修復、優(yōu)化的用戶體驗。它還為ML / AI分析提供數(shù)據(jù)，方便系統(tǒng)生成高質(zhì)量的預測見解，以推動資產(chǎn)績效和流程改進。

3. ML和AI模型將變得很脆弱。

將機器學習轉(zhuǎn)移到邊緣不僅僅是改變處理數(shù)據(jù)的位置，目前使用的大多數(shù)ML模型都是都是基于云計算能力、運行時間而設(shè)計的。由于這些假設(shè)在邊緣處都不成立，因此ML模型必須適應新環(huán)境。

換句話說，他們需要“邊緣化”。在2019年，“真正的邊緣”解決方案將使數(shù)據(jù)預處理和后處理從ML模型重新定位到復雜的事件處理器，并使模型更接近數(shù)據(jù)資源。這個過程稱為edgification，它將推動整個行業(yè)采用更強大的邊緣計算和IoT應用程序。

4. 閉環(huán)邊緣到云的機器學習將成為真正的操作解決方案。

隨著ML和AI算法在傳感器附近或物聯(lián)網(wǎng)網(wǎng)關(guān)中的應用變得更加成熟，關(guān)于如何訓練和進一步迭代這些模型的最佳實踐將會出現(xiàn)。行業(yè)內(nèi)相關(guān)組織會發(fā)現(xiàn)，在實時流數(shù)據(jù)(包括音頻和視頻)上生成分析的邊緣設(shè)備應定期將結(jié)果發(fā)送回云，只有那些發(fā)現(xiàn)異常數(shù)據(jù)的設(shè)備才是核心算法需要關(guān)注的地方。

5. 只有邊緣計算解決方案支持多云和混合云部署時，生產(chǎn)IIOT應用程序才會投入實施使用。

混合云和多云解決方案將在工業(yè)接口部署中占據(jù)主導地位。最近的一份報告發(fā)現(xiàn)，到2023年，混合云市場將達到976.4億美元。工業(yè)組織希望將多云環(huán)境結(jié)合在一起，以提供一種更具成本效益的方法和靈活性。

隨著公司在構(gòu)建其云環(huán)境邊緣時會尋求更大靈活性的解決方案，供應商的專有解決方案可能會走投無路。谷歌、亞馬遜webservices、微軟、C3 IoT、Uptake和其他領(lǐng)先的云服務提供商將與邊緣計算公司建立更多的合作伙伴關(guān)系，以幫助企業(yè)繼續(xù)改進和擴大其產(chǎn)品線。

6. 物聯(lián)網(wǎng)視頻和音頻傳感器將起飛，推動邊緣深度學習的發(fā)展。

對于音頻和視頻傳感器能給工業(yè)設(shè)備帶來的性能，業(yè)界都很興奮。在商業(yè)和工業(yè)物聯(lián)網(wǎng)系統(tǒng)中進一步部署音頻和視頻數(shù)據(jù)方面，邊緣計算技術(shù)可以發(fā)揮重要作用。將資產(chǎn)數(shù)據(jù)與音頻和視頻分析結(jié)合起來，可以更快、更準確地進行設(shè)備和機器維護(包括系統(tǒng)健康的更新等)。視頻分析的一個例子是在石油和天然氣作業(yè)中使用火炬監(jiān)測，遠程跟蹤大量火炬塔的環(huán)境合規(guī)性和火炬狀態(tài)。

7. 預防性維護將讓位于規(guī)范性維護。

IIoT邊緣解決方案提供的一項重大承諾是預測性維護，可以深入預測未來連接設(shè)備(如制造設(shè)備或石油鉆井平臺)可能發(fā)生的情況。盡管許多組織在實施預測維護方面仍然滯后，但在2019年，將有更先進的技術(shù)供早期采用者使用。規(guī)范性維護是向前邁進的一步，使得企業(yè)不僅可以預測問題，還可以使用數(shù)據(jù)分析為運營和維護制定有針對性的建議。

例如，電梯制造商希望把一些常規(guī)問題徹底解決，如電梯門中的摩擦。針對這項工作，他們可以與FogHorn合作創(chuàng)建預測性維護解決方案。通過分析源頭處的傳感器數(shù)據(jù)，他們現(xiàn)在可以提前確定維護需求，而無需再考慮傳輸數(shù)據(jù)的高成本，高延遲，安全性等其他問題。因此，公司可以在異常情況到來之前，以一種高效的方式安排維護。