四大杀手级边缘计算应用

边缘计算应用

在电子行业的某些角落，关于边缘计算未来的争论仍然很激烈。像大多数新技术一样，它可能不会达到所有的炒作效果，但这个重要的计算范式可能会在一些关键领域和计算应用程序中创造巨大的价值。作为电子工程师或系统架构师，您的工作是弄清楚这些应用程序是什么，以及如何在商业系统中实际实现它们。

为了帮助阐明边缘计算支持的重要的时间关键型应用程序，我们准备了这篇文章，重点介绍了边缘计算为最终用户和系统架构师创造重大价值的四个应用程序。本文的目标是戳穿天花乱坠的宣传，并阐明这一重要技术更实际的方面。

边缘计算生态系统中的四个应用

的边缘计算模型基于一个简单的概念:使某些应用程序所需的计算更接近最终用户，从而消除向云发送数据的需要，从而减少网络流量。边缘计算可以是同时需要高计算和低延迟的应用程序的关键使能器。这两种想法往往是对立的，因为数据密集型服务交付往往会带来更高的延迟。

选择下面概述的四个应用程序领域是因为它们对时间要求很高，但它们往往需要比终端设备通常能容纳的更多的计算。这些也只是边缘计算可以提供低延迟解决方案的少数领域;系统设计人员当然可以设想更多的应用领域，在这些领域中，使处理更接近最终用户可以创造重大价值并改善服务交付。

边缘AI处理

人工智能可能是在消费和商业设备中实现的最高级别的计算应用程序。通常，当终端设备或用户设备上的计算资源不可用时，AI处理将作为大型应用程序的一部分在云中执行。使用专门用于人工智能处理的边缘计算(芯片上或协同处理器架构)，可以显著减少计算时间和负载。

作为在边缘计算系统或最终用户设备中部署的模型开发的一部分，可以实现某些加速步骤，以进一步减少神经网络中的计算需求。下面概述了这些问题，并将在后面的文章中进行更深入的讨论。

量化	输入数据使用浮点数表示，而不是定点/整数表示
修剪	在模型的神经网络架构中移除低于某个阈值的模型权重
删除稀疏	去除张量计算中的零值结果，以减少神经网络中每一层的计算负荷
预处理	对输入数据进行一些快速的逻辑处理，使其在神经网络中更容易处理

有足够高的计算能力的处理器芯片组架构，以及上面列出的模型优化实践，就有可能在终端设备和边缘服务器之间分割低计算任务和高计算任务，而不会增加网络回程中的流量。预处理任务还可以减少通过无线链路发送的数据量，以进一步改善服务交付的延迟。

智能基础设施

基础设施正在慢慢变得更加智能，随着越来越多的数据可用，计算工作负载将继续增加。边缘计算方法允许公司创建一个更安全的网络，用于共享和处理许多任务的基础设施数据，减少对人工监控和维护的需求。边缘计算支持的另一个重要领域是ADAS系统和交通监控系统的数据集成，以支持自动驾驶汽车。这一高计算领域将继续增长，主要由车辆和基础设施监控驱动。