企业在哪里以及如何使用边缘计算?行业专家分享了边缘计算应用的一些常见示例——从预测设备故障到改善远程工作。
正如全球咨询机构贝恩公司指出的那样，冠状病毒疫情和远程工作可能会加速组织的业务向边缘计算的转变，因为流量模式的巨大转变暴露了网络基础设施的弱点，需要加强技术投资以减少瓶颈。IT领导者必须首先了解边缘计算对其组织的价值所在。
了解新兴技术能力的具体业务案例是很重要的。当涉及到潜在的企业边缘计算投资时，探索越来越常见的用例尤其有帮助，因为它们的应用范围可能千差万别。
IDC公司全球基础设施实践研究总监Dave McCarthy说，“在边缘计算的应用中，预先定义用例是很重要的，因为它可以驱动架构决策。边缘计算用例的多样性导致了其解决方案的多样性。”该领域专注于边缘计算策略，涉及无线连接的物联网(IoT)设备的边缘计算用例可能需要通信服务提供商提供的多路访问边缘计算(MEC)网络解决方案，该解决方案可提供边缘计算节点上用户所需的服务和计算功能。另一方面，研究工业用例的组织通常会部署现场的边缘计算解决方案。
尽管许多组织还没有为大规模部署边缘计算用例做好准备，但他们正在采取行动以确保成功。McCarthy说，“我看到许多企业将基础设施现代化作为边缘计算应用的第一步。这意味着进入远程或分支机构位置，并用软件定义的基础设施和云原生工作负载替换原有系统。它为新的边缘计算用例提供了基础。”
数字化转型和边缘计算融合在一起
那些已经完成了基础设施现代化阶段的企业正在转向数字化转型计划，这些计划将受益于在边缘位置生成的实时数据。
管理咨询和研究机构Everest集团副总裁Yugal Joshi指出，与其他一些由需求驱动市场的企业技术领域不同，到目前为止，边缘计算用例主要由供应商主导。Joshi说：“随着技术供应商不断创新，边缘计算用例不断发展。随着硬件、软件和云计算供应商建立更合适、可持续和可靠的边缘计算功能，新的用例正在出现。”
正如RedHat公司云平台团队的洞察力总监StuMiniman所说的那样：“如果还有其他论点认为混合云或多云是现实，那么边缘的增长将巩固这一事实：当考虑数据和应用程序所在的位置时，它们将出现在许多地方。如果与一家电信公司、一家公共云提供商或一家典型的企业进行探讨，那么这些公司对边缘计算的讨论就大不相同。当谈到Kubernetes和云原生生态系统时，有许多技术驱动的解决方案在争夺市场份额和客户利益。虽然电信巨头们已经将他们的NFV解决方案扩展到边缘领域，但用户有很多选择。边缘计算成为混合环境整体分布式特性的一部分，因此用户应与其供应商密切合作，以确保边缘计算不会成为具有专业技能的技术孤岛。”
Joshi说：“在低延迟和减少网络流量传输成为关键问题的情况下，边计算缘用例的基本原理仍然是相似的。”
5个边缘计算示例
行业专家对于企业如何投资边缘计算用例进行了分析和阐述。
(1)预测性维护
Joshi表示，围绕预测性维护的用例已经得到了发展。边缘计算解决方案在那些高价值资产下跌时会造成巨大损失的行业尤其受欢迎。在全球石油和天然气行业应用中，其管道的数字化和边缘数据和分析专业知识可以使企业积极管理和维护其管道，解决缺陷并防止故障。
过去需要花费数周时间的调查和分析可能会在几秒钟内交付。在该行业中，与石油和天然气相关的管道故障可能会带来巨大的财务和环境成本。长期腐蚀通常是环境造成的问题。通过结合使用现场数据(来自摄像头)和以往的经验，采用边缘计算和机器学习分析的系统可以警告操作人员可能即将发生的故障。
(2)远程劳动力支持
这场疫情使许多企业迅速开展远程工作，这也被证明是边缘计算的一种理想用例。
CompTIA公司技术分析高级总监Seth Robinson说，“考虑到边缘计算，转向远程工作似乎是一个很好的选择。特别是越来越多的企业考虑实施远程工作，他们也将要考虑远程工作的员工如何访问企业的系统。采用包括边缘计算的方法可能会提高生产率，并提高弹性。”
正如Frost&Sullivan公司最近指出的那样：“随着企业根据其应对疫情危机的经验来重新评估其长期网络需求，边缘计算现在正成为网络架构的一个必要因素，以维持远程工作的工作效率，并有效利用其网络边缘不断增长的设备和传感器。”
边缘计算具有独特的优势，这些优势被证明对支持分布式劳动力非常有价值，例如减少了需要在网络上移动的大量数据，提供计算灵活性和密度，减少数据延迟，以及解决数据地理位置的法规要求。
(3)零售/商业优化
Joshi表示，电子商务优化是另一个吸引人的领域。随着B2C和B2B的行业组织在疫情期间提高其数字销售能力，边缘计算可以提供更低的延迟和更大的可扩展性。当需求可能剧烈波动时尤其如此。同样，实体零售商在许多方面看到了边缘计算与物联网结合的价值，包括库存管理、客户体验、无接触结账和路边提货、需求感知和仓库管理。
(4)联合学习
SAS公司物联网副总裁Jason Mann解释说：“当人工智能技术嵌入物联网(IoT)端点、网关和其他设备时，边缘人工智能就会发生。它为从智能手机、智能音箱到汽车传感器以及监控摄像头的一切事物提供动力。”
IDC公司的McCarthy指出，人工智能系统是边缘计算中最常见的工作负载。
Joshi说：“现在的一个重点还在于在边缘计算利用人工智能来推动联合学习。”联合学习是一个人工智能框架，其中模型开发分布在数百万个移动设备上。联合学习可能是实现基于智能物联网的应用程序的有前途的解决方案。正如Airtel公司首席数据科学家Santanu Bhattacharya博士解释的那样：模型的开发、训练、评估在边缘计算设备上进行，而无需直接访问或标记原始用户数据，从而可以对模型进行重新训练，同时保持数据隐私。
(5)医疗创新
在发生疫情之前，医疗保健行业已经开始增加对边缘计算的投资，但是疫情迅速加速了向远程医疗技术和设备的投资。许多医疗保健问题与边缘计算减少应用程序延迟的能力相匹配。在生死攸关的情况下，医疗机构可以在本地存储和处理数据，而不是依赖于集中式云服务。因此，临床医生可以更直接地获得重要的医疗数据，如核磁共振成像或CT扫描，或者从救护车或急诊室获得信息，以便更快地进行诊断或治疗。
