智能边缘计算:需求碎片化难题如何破?

提到边缘计算,人们并不陌生。随着人工智能等新兴技术的不断发展,边缘计算也逐渐变得更加智能,演变出智能边缘计算的概念,并得到业内的日益关注。然而,如今的智能边缘计算领域,需求碎片化严重。在很多细分领域,尚未出现一个可以满足定制需求的参照。

近日,在“2022年英特尔中国研究院探索创新日”上,英特尔研究院副总裁、英特尔中国研究院院长宋继强针对智能边缘计算市场需求碎片化严重的现象发表了自己的观点。

需求切实存在

AI、VR、元宇宙……随着科技的不断进步,人类社会正在逐渐向虚拟化、智能化时代迈进,智能边缘计算应运而生,赋能各行各业。

宋继强表示,早期的数字化转型,需要靠人力将物理世界的数据转化到数字世界中,随着时间的推移,数字化转型开始逐渐从依赖人力转向依赖人工智能,未来,甚至可以不再需要人工提供数据,直接通过AI技术实现数据转化。

因此,智能边缘计算的理念诞生了,同时也提出了一种新模式:让物联网的每个边缘设备都具备智能化的数据采集、分析计算、通信等能力。智能边缘计算可以同时利用云计算的能力,大规模地配置、部署和管理边缘设备,并能够智能分配设备类型和场景,让云和边缘之间更加智能地流动。

通过智能边缘计算技术,企业可以利用边缘设备自身的运算和处理能力,直接就近处理绝大部分物联网的任务,这不仅能够降低数据中心工作负担,还可以更及时准确地对边缘设备的不同状态做出响应,让边缘设备真正变得智能起来。

宋继强介绍,各行各业在数字化转型的过程中,都会在最合适的平衡点上,进行智能边缘的部署,所以未来智能边缘计算的市场会非常庞大。IDC预测,2025年,智能边缘总体规模将超过650亿美元。

市场化推进遇阻

然而,如今各种智能边缘设备的部署,已经由先前的“热恋期”,逐渐步入了“冷静期”,人们开始关注智能边缘技术的落地,以及如何解决行业痛点。因此,智能边缘计算产业化落地遇到的阻碍也开始暴露出来,困扰智能边缘计算市场化的推进。

首先,智能边缘市场的需求碎片化严重,难以达成统一。宋继强认为,虽然未来智能边缘计算的市场非常庞大,但是针对不同应用场景的智能边缘部署,需要根据该应用对能耗、宽带、价格等不同的需求,来找到最合适的平衡点,而每一个不同的细分领域,平衡点往往不一样,造成智能边缘市场的需求碎片化严重,对定制的要求比较高。

然而,在各个细分领域,目前还尚未出现一个公认的参照体系,以满足不同行业的定制需求。甚至往往需要反向操作,即用不同的解决方案,去测试该体系是否合适。在智能教育、智能交通等大型应用场景中,均使用该方式进行尝试,出现了成本高、资源浪费等问题。

其次,如今智能边缘计算技术多应用于技术门槛要求相对简单的场景,针对技术门槛相对较高的大场景应用较少。宋继强表示,很多智能边缘计算的技术水平,还停留在对MEC(移动边缘计算)等进行简单的扩展方面,能力相对有限,难以用在未来智能制造、港口、矿山等对算力要求巨大的应用场景中。若想从小场景到大场景演进,针对小场景所定制的硬件系统,往往难以对大场景进行支持。因此在升级的过程中,会造成技术难度大、成本高等问题。

应用场景体系是关键

随着智能边缘计算的不断发展,以应用来打造体系的“本末倒置”的方式,并非长久之计。尽管有不少行业已经在尝试用定制的硬件系统支持一些应用,但往往会遇到升级难、成本高等问题,造成体系最终无法形成。宋继强认为,未来在智能边缘计算应用场景的体系制定方面,需要由应用来进行驱动,能够有效帮助定制化体系的落地,也能有效推动弱智能边缘计算场景向强智能边缘计算场景演进。

“体系的定制是一个庞大的工程。首先,在算法、系统的调度等方面,均需要进行实时优化。其次,硬件在网络层面同样需要进行定制。另外,在异构计算的层面,也需要定制。在如此庞大的工程中,每一个垂直的类别,都需要有足够的商业应用前景进行驱动,从而吸引足够的人来共同打造这个工程。”宋继强表示。

此外,在智能边缘计算的体系制定方面变得更加完善后,小场景向大场景演进过程中所遇到的困难,也将得到有效解决。宋继强表示,如今在打造较强的智能边缘计算场景时,往往会将一些云端的技术,以及云原生的内容直接下沉到边缘。这种方式在支持对于延迟性不高的应用场景时,有足够的能力,但对于AI等更高端的需求,该方式往往难以实现,同样需要对体系进行定制服务。

“如今,智能边缘计算在小场景的应用中,对于延迟性、QoS(服务质量)等方面要求不高。但是在大场景的应用中,对于实时性、数据吞吐量、可靠性以及连接的分布,均有很高的要求,需要通过定制服务来打成。因此,对于智能边缘计算在大型场景中的应用,体系的制定也是关键。”宋继强表示。

文章只代表原作者观点,边缘云致力于打造独立、客观的资讯信息平台,转载请注明来源于边缘云信息平台。
分享到
长按二维码关注

参与讨论 抢沙发

评论前必须登录!

立即登录   注册

边缘云生态研究

关于我们