随着联网设备和系统数量的增长，对高效数据处理的需求也在增长——而且是实时的。智能边缘计算在这里可以发挥关键作用。但这种方法将如何发挥作用？

物联网 (IoT) 和未来系统的智能架构需要实时数据处理。物联网设备是智能的，因为它们具有内置的监控和传感功能，并且可以同时从为设备聚合的其他来源检索传感器数据。物联网设备通常具有第二个“智能”部分——即设备外部的分布式“智能”。它可以分析有关物联网设备监控的事件的信息，并可以访问（分析的）数据。

物联网世界中智能和计算能力的第二部分外包给边缘服务器，每个边缘服务器都专用于特定目的。此外，与工业 4.0 相关的物联网和工业物联网 (IIoT) 将在未来产生大量数据，这些数据必须实时处理并安全传输。像数据中心这样的中央仓库不能仅仅因为它们的位置和端点位置之间的距离而做到这一点。这就是边缘计算的用武之地。

边缘计算

典型的边缘计算范式架构由 4 个不同的层组成。这些是物联网、边缘和云设备和传感器以及应用程序。在此层次结构之上，云继续在执行集中式数据处理和分析方面发挥重要作用，例如机器学习、其他人工智能应用程序和数据存储。

边缘计算在智能物联网环境中的作用是在靠近物联网设备的网络边缘对来自云服务的下游数据和来自万物互联设备的上游数据进行计算。算法的资源密集型训练可以在云端完成，然后分发到边缘，将较轻的功能外包出去。

在中间，边缘计算充当地理上分散的应用程序的区域中心，其中很大一部分数据处理工作在各种类型的设备上执行，这些设备可能是微型数据中心、路由器或基站。

所有带有从用户和环境收集数据的传感器的设备（例如摄像头、温度和光传感器、智能手机、笔记本电脑或车辆中的后视摄像头）都必须能够与边缘层的设备和应用程序通信，这需要兼容性和标准化协议。

今天这种边缘技术成功的关键是物联网应用在所有行业和日常生活各行各业的大量增加。

智能边缘

特殊芯片与人工智能功能相结合，打造智能边缘。图像识别、数据科学和深度学习等用例缩短并加速了决策过程。重要的是，智能边缘也是 Cloud AI 的补充，对边缘做出快速反应并在云端进行学习。算法的资源密集型训练可以在云端完成，然后分发到边缘，更简单的功能可以快速响应来自物联网设备的数据。

物联网的发展速度与人工智能和机器学习相结合，不仅可以在服务器、智能手机、家庭设备和企业软件上看到，还可以在每辆车、每栋建筑、每台医疗设备上看到。您正在迅速达到人工智能在日常生活中变得不可或缺的地步。智能应用无处不在，AIaaS（人工智能即服务）和 KI API 正在医疗保健和物流等行业取得进展。

结合网络边缘的 5G，物联网设备和智能传感器应用的使用将呈指数级增长。这不仅会产生大量数据，而且还会引发对可执行应用程序的日益增长的需求，这些应用程序可以在不到一毫秒的时间内控制支持物联网的设备。智能边缘结合了高计算能力、人工智能技术、数据分析和高级连接。

边缘业务

边缘计算涵盖了许多技术领域，包括信息和通信技术，以及众多的工业领域，以及软硬件平台、数据聚合、芯片、传感器和许多工业应用。因此，边缘计算有望在许多不同应用的实现中发挥关键作用。在边缘计算技术与 5G 相结合的推动下，服务创新和新的市场机会，如企业对企业 (B2B) 和企业对消费者 (B2C)，前景非常看好。主要是由于非常低的延迟、实时数据处理和管理以及本地内容缓存等特性。因此，对技术特性进行了深入讨论，

边缘计算的商业模式将不仅限于用户使用的服务和设备，还将扩展到生成的数据。在这里，相关方向数据所有者请求用户数据，云中心或边缘数据所有者将处理后的结果返回给相关方。这样，商业模式正在从单一的用户中心关系向多方中心用户关系转变。环境中的开放问题之一是多方面的边缘计算商业模式的发展和现有云计算商业模式的扩展。

边缘计算中的安全和隐私

边缘计算将为创新开辟许多新机会，并扩展现有的基于云的解决方案。为了充分发挥潜力并获得广泛认可的解决方案，重点放在保护系统组件和确保用户和组织数据的保护上。

由于边缘计算的重要性日益增加，尽早识别潜在威胁并实施解决方案非常重要。由于特定属性——例如异构性、低延迟、巨大的通信速度、位置感知、空间分布和移动性——可能无法直接使用当前可用的云安全和隐私工具、边缘计算方法。虽然这些问题中的一些可以用现有的安全方案解决，但由于上述边缘处理的特殊性，出现了新的问题。

观点

边缘计算是当前技术趋势中最热门的话题之一。更受关注的是结合边缘计算和机器学习的应用程序，以在不同行业（从移动和联网家庭到安全、监控和汽车）实现新型用户体验和新机遇。

事实上，应该考虑到边缘计算的安全和隐私解决方案仍处于开发的早期阶段，因此需要付出相当大的努力来分析和应对潜在的挑战。