4、边缘计算、分析与AI融合：技术革新与应用前景

边缘计算、分析与AI融合：技术革新与应用前景

1. 边缘计算概述

随着多种实施技术的稳步发展，设备到设备（D2D）和设备到云（D2C）的集成实验和场景正蓬勃发展。预计不久后，数字化实体和联网设备数量将达到数十亿，它们正充斥着我们的日常生活环境，包括个人、社交和职业领域。

边缘计算是由边缘/雾设备提供的计算能力和设施。未来几年，边缘传感器和设备预计将达到数十亿个，边缘设备产生的数据量极其庞大，因为人们认识到各类边缘数据都蕴含着有用的知识。边缘数据处理对于从大量原始数据中挖掘有意义的见解至关重要。

边缘计算遵循分布式架构，与集中式的云计算不同，它是一种分布式模型。多个异构设备相互协作，进行边缘数据的收集、存储和处理。如果边缘设备具备足够的数据存储和处理能力，它们可以即时收集、清理和处理数据，而无需将数据传输到附近或远程的云服务器。边缘设备可以形成临时动态的云，以实现更宏大的目标。

边缘计算具有以下显著优势：
- 低延迟 ：借助边缘分析工具，数据在本地环境中一旦被捕获就会立即进行分析，避免了网络和处理队列造成的不必要延迟。
- 可扩展性 ：集中式云数据分析工具在处理数据时会积累大量接收的数据，这阻碍了分析模型的可扩展性。而边缘分析通过在数据捕获地进行处理，具有分布式分析模型的可扩展性。
- 数据安全和隐私 ：当数据存储在云环境中时，大部分数据包含企业或用户的敏感信息，容易受到拒绝服务攻击、数据丢失和数据泄露等威胁。边缘计算不将这些敏感数据发送到远程服务器，因此具有更高的安全性和隐私性。
- 带宽效