边缘超级普通转换大数据繁殖

文章：Veerbhan Kheterpal

随着过去十年物联网(IoT)技术和传感器的爆炸式发展，有一件事已经变得清晰:目前没有简单的方法来管理，更不用说利用联网设备不断产生的所有数据了。然而，实现人工智能(AI)的前景取决于使用正确的数据进行实时决策。就目前的情况而言，我们有数据，但我们还不能从中真正学到东西。

部分挑战是搅拌洪水的IoT设备的纯粹数量。Verizon估计，每平方公里有超过一百万个连接的设备，直到你开始计数之前似乎令人难以置信。从智能手机到安全摄像机，医疗设备到农业传感器，无线电设备设备到处都是。为了了解这些设备生产的数据量，考虑到这一点：根据Verizon，单个连接的汽车在任何给定日都会产生比Facebook所有的所有数据。乘以全球部署的所有连接设备，无线传感器和工业机器人的数据输出时间级别，并且很容易设想淹没我们及时决策的数据的海啸。

所有这些数据在哪里？估计的80％的边缘数据丢失，因为由于带宽，隐私，延迟或成本原因，它根本无法传输到云以进行处理。要利用AI的承诺，我们必须从根本上提高网络和计算效率。使用IOT数据的实时决策需要超快的连接和计算 - 如我们的大脑中的神经途径，但更快，更聪明，更可靠。

现有的云计算和网络技术并没有针对物联网设备产生的大量边缘数据进行优化处理。部署在大规模数据中心的高性能服务器消耗了太多的能量，而且在靠近边缘的地方部署时非常笨拙。幸运的是，这个数据问题已经有了解决方案:我们可以在边缘添加更多的计算智能，而不是相反。

数据中心不会发生计算基础设施的下一代增长。它将在边缘和设备上产生。虽然边缘有几个智能术语（雾计算，低云，高云等），但我们的意思是在数据中心之外的所有内容。根据Forrester Research的说法，走边缘计算的增长正在进行中，由以下因素驱动：

• IOT和机器到机器连接的快速扩展
• 精致的算法和新应用程序，例如AI，机器学习，神经网络，自动车辆和虚拟/增强现实，需要低延迟和高可靠性
• 越来越多的移动和分布式劳动力
• 影响云计算的带宽和连接限制
• 数据传输和存储的高成本
• 不断发展的数据隐私要求

对于密切关注行业趋势和市场动态的投资者来说，独角兽公司无疑将建立在边缘计算和边缘服务器技术的基础上。未来十年，数据中心之外的计算领域将会出现创新。我们将看到一个新范式的迅速崛起:边缘超级计算。下图说明了当我们从数据中心模型转向智能、计算功能强大的现场设备时，计算基础设施特征的权衡。

随着我们越来越接近该领域的尖端设备(如汽车、工业物联网设备和医疗设备)，将高性能计算能力嵌入这些设备所需的上市时间和投资将显著增加。自动驾驶等实时应用将需要车载计算资源。

另一方面，可以通过添加本地服务器或边缘数据中心有效地处理带宽约束的应用程序。这转向边缘计算将需要重新称达的IT策略，这是：

• 扩展DEV-OPS。提供不限于云的DEV-OP，但扩展到边缘设备和之间的无处不在。
• 支持和行动重新调整为边缘。提供超越X86 CPU和CUDA GPU的软件支持，以更适合边缘或嵌入式服务器的架构。由于算法工作负载是不断发展的，因此部署灵活的硬件体系结构是关键的，以在多租户环境中运行不同类型的工作负载。
• 改革资本分配。考虑部署内部服务器或增加边缘数据中心容量方面的投资。

将计算近数据功能添加到当今的运行架构中，近年来，添加云计算能力是至关重要的。部署边缘超级计算的好处将令人震惊，因为机器的实时决策成为现实，迎来了我们尚未设想和实现我们耐心等待的许多创新的可能性。

——Veerbhan Kheterpal, Quadric公司首席执行官。