当前位置:首页 > 边缘计算
  • 新兴产业边缘计算与传统数据中心

    新兴产业边缘计算与传统数据中心

    随着实际应用的需求,边缘计算已经不只是个概念,具有越来越重要的应用意义。边缘计算之所以受到重视,主要是因为海量增长的数据已经使得传统数据中心以及云计算平台难以招架,此时,处于大型数据中心和端侧之间的微缩版“小型数据中心”(边缘计算就在这里发生)应运而生。 它的主要特点包括:低延迟,因为算力部署在设备侧附近,响应实时性强;低带宽运行,因为接近用户,所以不需要高传输带宽;安全,因为数据在本地采集,本地分析、处理,从而减少了数据暴露在公共网络的机会,保护了数据隐私。 可以说,边缘计算与传统的数据中心和云计算既有很强的协同关系,也存在着一定的竞争关系。这样,包括微软、亚马逊、谷歌,阿里、华为、百度等云服务巨头厂商在内的各路神仙都在积极部署边缘计算。这就给众多芯片厂商提供了更加广阔的市场发展空间。 一、老牌儿劲旅的争夺 数据中心和云计算的核心芯片就是CPU,而这正是英特尔这个“计算王”称霸行业多年的根基所在,其CPU在企业级计算领域的市占率一直保持在90%左右。然而,边缘计算会带来的红利给了英特尔不小的紧迫感,近些年,该公司越来越重视在边缘侧算力的布局,特别是在工业边缘计算,以及多接入边缘计算 (MEC) 平台推广方面不遗余力,还特别推出了专门适用于边缘侧的至强Xeon D等一系列芯片。 近些年,英特尔在数据中心的最强劲竞争对手非英伟达莫属了。由于抓住了GPU在数据中心所需的AI算力这一风口,使得英伟达在企业级计算领域的风头几乎盖过了英特尔,为了追赶英伟达,英特尔先后收购了几家AI初创公司,最具代表性的就是Nervana和Habana Labs,这当中也经历了各种不如意和挫折,在用AI芯片这一新产品捕获大客户“芳心”的道路上,老牌儿企业也是一路艰辛。 在传统数据中心业务优势被一点点蚕食的情况下,英特尔正在用其最擅长的CPU拓展着边缘计算市场,这也正是英特尔的优势所在。而凭借GPU逐步做大数据中心市场之后,英伟达的雄心也在膨胀,同样瞄准了具有巨大发展潜力的边缘计算市场,也正是因为如此,其对Arm发起了并购邀约。 在公开收购Arm之前,英伟达就已经推出过专门用于边缘侧的计算芯片,典型代表是边缘超级AI计算机Jetson Xavier NX,还包括Jetson AGX Xavier,Jetson TX2系列和Raspberry Pi竞争对手Jetson Nano。Jetson Xavier NX运行在基于Arm的Carmel微体系结构的六核SoC上。可见,英伟达的边缘计算芯片与Arm关系紧密,而Arm与英特尔CPU相比,虽然整体性能仍有差距,但其低功耗特性,以及适中的算力,与边缘侧计算需求不谋而合,这正可以拓展英伟达在CPU方面的空白,同时又可较为平滑地过渡到边缘计算应用领域。 英伟达还于今年推出了新款EGX平台,该平台能够实时感知、理解和处理数据,无需首先将数据发送到云端或数据中心。据悉,EGX平台可以从基于Jetson Nano处理器的轻型服务器——能够以几瓦的功耗每秒钟处理0.5万亿次操作,扩展到基于边缘服务器NVIDIA T4机架的微型数据中心——可以每秒完成10000万亿次操作。该公司在边缘侧应用领域的芯片产品越来越多,如果能够成功收购Arm,将为其与英特尔在该领域的竞争增添一枚重重的砝码。 谈到企业级计算CPU,就一定会想起英特尔的老对手AMD。后者本来已经无还手之力了,在该领域的市占率一度下降到了1%。然而,在新任CEO Lisa Su的带领下,卧薪尝胆、苦练内功,制定了符合市场需求的产品路线,在正确的道路上越走越快,5年时间内,其PC端CPU市场份额已经达到了37%左右,企业级计算的市占率也从低谷期的1%上升到了8%。 然而,企业级市场的竞争壁垒要远大于PC端的,也正是因为如此,英特尔90%的市场份额依然难以撼动,如果只靠研发产品这一条腿的话,很难保持持久的竞争力,两条腿走路才能更有力量且持久,而另一条腿就是并购,因此,AMD收购赛灵思恰逢其时。 虽然这一并购案还未得到官方证实,但从产品组合以及融合发展策略上来看,对赛灵思的收购,对AMD来说,没有比这更优的方案了。 单靠CPU与英特尔在企业级市场竞争,已经显得心有余而力不足,如果能整合赛灵思的FPGA,显然会增大AMD的竞争砝码。更重要的是,CPU+FPGA的组合,可以使AMD在具有巨大发展潜力的边缘计算领域更得心应手,不只局限于增量空间有限的传统数据中心市场。 作为FPGA行业的霸主,赛灵思也一直在拓展其在企业级计算市场(这里主要是指数据中心和云计算)的发展空间,不过,与CPU相比,FPGA并没有算力方面的优势,而这也是其一直未能在数据中心阔步前进的重要原因,不过,FPGA的灵活性及其在通信方面的优势,也是CPU无法比拟的。也正是凭借这些特色,赛灵思在工业、医疗、航空航天、卫星通信等领域发展得如鱼得水,而这些领域正是边缘计算的主要市场所在。因此,相比于传统数据中心,FPGA在边缘计算方面是有优势的。这或许是AMD收购赛灵思的一个重要原因,CPU+FPGA的强强联合,可以使AMD在边缘侧的竞争力倍增。 谈到边缘计算,就不得不提另一家重要的厂商,它就是Marvell。作为企业级计算和通信芯片的重要一支,过去几年,该公司经过多次重组和并购,逐步剥离掉消费类等业务,将资源都集中在企业级芯片的研发和市场拓展上了,特别是收购Cavium以后,将Arm架构处理器和边缘计算应用作为了重点拓展领域。 如前文所述,Arm处理器在边缘计算应用领域有先天优势,将重点放在Arm上的Marvell自然不会错过这块市场,特别是推出ThunderX系列处理器之后,更凸显了其在该领域的发展雄心,目前,该系列已经推出两代产品,并承诺每两年升级一次。2018年的ThunderX2基于ARM v8.1架构,今年推出了第三代ThunderX3,第四代ThunderX4有望于2022年面世。 企业级计算、通信和存储是Marvell的三大核心业务,通信是重中之重,该公司这方面的业务也在向边缘计算倾斜,具体芯片就不在此详述了。 二、新势力 以上提到的都是在市场上摸爬滚打了几十年的老牌儿企业,它们要么看到了边缘计算的市场发展前景,尽量早布局,要么就是其产品在边缘计算领域有先天优势,从而被看中,以并购或资产重组的方式进一步提升竞争力。 此外,由于边缘计算是新兴市场,就必定有新的年轻企业看到机遇并加入战团。 有几家做Arm服务器芯片的初创企业越来越多地受到了业界关注,如Ampere等,它们的产品很有特色,但局限于当前的Arm架构性能,要想在高性能数据中心和云计算应用上与传统的x86架构CPU竞争,还是有很大难度。但是,这些处理器在SBC企业级计算,以及边缘侧应用领域,还是有不错发展前途的。 除了Arm服务器芯片之外,还有一些新兴产品企业也有望在边缘计算领域谋得红利,如嵌入式FPGA企业,它们将FPGA进行了IP化处理,不再是传统的FPGA芯片,而是向客户提供FPGA的IP,可以嵌入客户设计的SoC中。这种FPGA几乎可以覆盖所有传统FPGA芯片的应用场景,但又不限于这些应用,还会有拓展。这在未来的边缘计算领域也会有发挥其优势的空间。 三、结语 与传统数据中心相比,边缘计算属于新兴应用领域,且市场发展空间十分可观,这就为相应计算芯片的发展和创新提供了土壤。 无论是老牌芯片企业、初创型公司,还是涉足数据中心和边缘计算芯片的大型云服务提供商,都在积蓄力量,以求获得未来竞争的主动权。

    时间:2020-10-14 关键词: 边缘计算 云计算 芯片

  • Arm 加速下一代从云到边缘的基础设施发展

    Arm 加速下一代从云到边缘的基础设施发展

    新闻摘要: ● 各个重要的细分市场正在加速采用Arm Neoverse解决方案,包括大型互联网公司/云计算、高性能计算、5G以及边缘计算  ● 通过Neoverse V1 和 N2平台的推出,Arm进一步促成基础设施转型。相较于Neoverse N1,这两款新平台的性能分别高出50%和40%  ● Arm持续投资软件生态系统,提供无耗损的开发体验与“装机即用“的软件  2020年9月23日— Neoverse解决方案的推出是Arm跨向基础设施的第一步,该解决方案正驱动着各个领域的创新,从超级计算机,到持续部署的全球最大型的数据中心,一路延展到边缘计算。 为了进一步加速基础设施转型,并打造创新新高度,Arm宣布Neoverse再度进阶,新增两个全新的平台—Arm Neoverse V1平台以及第二代的N系列平台Neoverse N2。  Arm基础设施事业部高级副总裁兼总经理Chris Bergey表示:“在基础设施领域,Neoverse技术已在新的服务器与系统级芯片设计中崭露头角,其中软件与工具的支持也相当丰富且完整。开发者不仅能看到Neoverse带来性能与效率的大幅提升,也能在基础设施部署体验上享受到更多的设计自由度与灵活性。“ 终极性能:Neoverse V1平台支持可伸缩矢量扩展  Neoverse V1作为V系列的第一个平台,与N1相比,其单线程性能可提升超过50%,对于CPU性能与带宽更高要求的应用来说,是性能表现最佳的平台。重要的是,Neoverse V1支持可伸缩矢量扩展(Scalable Vector Extensions, SVE),为高性能云、高性能计算与机器学习等市场带来庞大的应用潜力。  SVE可基于未知宽度向量单元的软件编程模型,执行单指令流多数据流(SIMD)整数、bfloat16、浮点指令。SVE可确保软件编码的可移植性与使用寿命,同时兼顾高效的执行。 性能翻倍:Neoverse N2平台提供可扩展的性能表现  扩展性是Arm合作伙伴在不断发展的市场上制胜的关键。为了满足市场的需求,Neoverse N2被定位为可提供更高性能计算的解决方案,用来满足横向扩展的性能需求,其用例可横跨云、智能网卡(SmartNICs)、企业网络到功耗受限的边缘设备。  此外,相比于Neoverse N1,Neoverse N2在保持相同水平的功率和面积效率之余,单线程性能提升了40%。  “装机即用“的软件与创新的组件  Arm最重大的目标之一就是为合作伙伴的持续创新与设计灵活性提供必要的组件。其中的关键任务在于Arm的芯片级接口,这提供了设计系统层级解决方案的机会。Arm在CCIX与CXL的投资可以确保其生态系统得以快速且高效地推出相关的技术。Arm现在不但提供领先的处理器核,还为合作伙伴提供可扩展性的交换网,用以支持大量的处理器核。  除了Arm的互连技术,Neoverse与其软件生态系统也已展现出庞大的机遇。这点还需要业界标准助力,而Project Cassini的目的就在于为软件开发者提供流畅的体验。通过标准、平台安全性与参考实施,Project Cassini让行业伙伴在基于Arm平台上部署“装机即用“的软件充满信心。   同时,Arm也持续推动基础设施的基础软件支持。操作系统 、虚拟机管理程序,例如 Xen、KVM、Docker容器以及越来越多的Kubernetes,都已经陆续宣布支持Arm架构。许多初期由Arm推动的开源项目正在变得自主运转,同时,商用ISV应用程序也齐步演进。  Arm自十年前就开始部署数据中心领域的高效计算技术,并希望在不断变化的环境中,持续提供创新的基础设施计算解决方案。 Arm Neoverse的推出标志着Arm过去十年不断积淀、打造一个更高效的基础设施平台的目标得以实现。Arm Neoverse全新计算平台预计以每年增长30%的平台性能为指标,持续优化到2021年。 现在,Arm更加聚焦生态系统协作,旨在了解合作伙伴需要解决的问题,提供未来基础设施应用所需的高性能与安全平台。  

    时间:2020-09-23 关键词: ARM 边缘计算 云计算

  • 自连科技与航天壹亘联合发布支持5G和多协议的工业级智能边缘计算盒子

    自连科技与航天壹亘联合发布支持5G和多协议的工业级智能边缘计算盒子

    中国深圳 – 2020年9月17日 – 提供物联网整体解决方案的领先科技企业自连电子科技(上海)有限公司(自连科技)与人工智能及智能制造领域内领先企业上海航天壹亘智能科技有限公司(航天壹亘)今日联合宣布:双方携手推出应用于工业物联网的边缘计算产品ALXE10B智能盒子,该产品可用于为各类加工、制造和生产场景快速添加边缘计算所需的采集、边缘处理、通信、大数据处理和云边协同的存储能力,适用于机械、航空、航天、造船、汽车、发电、冶金、模具制造和电子信息设备等行业。 ALXE10B 针对工业物联网应用边缘计算需求,ALXE10B提供了完备的采集、计算处理、通信和存储功能。其丰富的下行链路包括485、232、Can、DI、DO、Relay等各种工业接口,基于TCP/IP的Ethernet接口。系统搭载了适合于边缘智能运算的i.MX6Q处理器,同时配置了sata接口可实现离线存储能力,保证边缘计算相关辅助数据的存储要求。 作为一款完整的边缘计算设备,ALXE10B的上行链路支持4G/5G、Wi-Fi、Ethernet等方式,并支持LwM2M、MQTT、HTTP等协议与大数据平台对接,实现实时数据、分析结果的上传。ALXE10B具有数据的传输、异构联接、业务实时性高、数据优化、信息安全保护、边缘智能与云协同等优势。 ALXE10B边缘计算产品具有以下特点: 方便可靠的工业设计:采用背板卡槽和侧边挂耳设计,适用于配电箱等工业现场,或在标准机柜上安装; 配备丰富的接口:满足多种类型工业传感器采集和设备交互需求; 提供多种通讯方式:Wi-Fi、4G/5G、Ethernet等; 兼容多种协议:兼容多种主流工业实时以太网协议和工业总线协议; 支持边缘计算:支持运算场景及算法自定义,或由大数据分析平台运行机器学习并提供算法; 可脱机工作:具备可扩展的sata存储能力,保证边缘计算相关辅助数据的存储要求。 自连电子科技(上海)有限公司总经理谈林涛表示:“很高兴与航天壹亘合作推出ALXE10B边缘计算产品,该产品结合了航天壹亘在工业人工智能和智能制造领域内的专业知识,以及自连科技在工业物联网领域内完整的端到端解决方案,是一种可以将生产制造场景快速连接到云的智能化解决方案,它将为诸多行业提升效率和推动创新提供强大的支持。” ALXE10B已在诸多工业应用场景得到应用,如针对精密仪器加工的数控机床,通过对智能刀柄数据采集、分析,从而获取加工中的工件的质量状况;对工作环境要求苛刻的精密机床设备,实时采集环境数据反馈并实现边缘自动化调控空调设备;监测切削液健康状态,并自动进行杀菌、过滤等处理。在这些应用中,采用了自连科技的全场景工业物联网解决方案的ALXE10B边缘计算盒子通过工业接口连接传感器,在获取监测数据后传递到云平台。 “边缘计算在智能制造中正在扮演越来越重要的角色,借助自连科技提供的完整工业物联网解决方案,我们合作开发的ALXE10B边缘计算产品可以帮助制造企业快速灵活的建立集边缘计算和云计算一体的智能化解决方案,”上海航天壹亘智能科技有限公司副总经理张玉冰总结道。“在目前的应用中,制造企业可以通过云平台进行大数据分析建模,将模型远程植入机床对应的边缘计算盒子,边缘盒子在设备端进行计算,通过该方式可对生产过程进行参数补偿或对异常状况实现告警等。” 在使用ALXE10B边缘计算产品后,通过工件分析、刀柄分析、切削液分析、能耗分析、工时工况分析、机体状态监测等算法结合可避免设备损耗,延长设备使用周期;同时还可以提高产品质量、生产效率,从而降低成本。

    时间:2020-09-21 关键词: 自连科技 航天壹亘 边缘计算

  • 英特尔揭示智能边缘重大机遇,助推产业智能变革

    英特尔揭示智能边缘重大机遇,助推产业智能变革

    2020年9月18日,北京——在2020中关村论坛期间,英特尔中国举办了“未来智能边缘计算论坛”,来自英特尔的多位高管和技术专家、产业界专业人士以及学术界科研大咖共聚一堂,分享了有关智能边缘计算技术的最新研究、技术进展和产业应用,揭示智能边缘重大机遇,助推产业智能变革。 2020年,挑战前所未有,产业新格局也见端倪。疫情加速了整个经济的结构性调整,远程办公、在线医疗、在线教育等智能应用井喷式发展,对智能的需求前所未有。与此同时,各个行业都在加快数字化转型,把握数字经济的发展大趋势、推动“新基建”,已成为产业界的共识。中国稳步推进5G网络商用部署,5G与AI的乘法效应释放,智能边缘计算快速崛起,将迎来大量数据应用的场景。据IDC预测,2025年全球物联网连接数将增长至270亿个,物联网设备数量将达到1000亿台,全球数据总量预计2025年将达到163个ZB,而未来超过70%的数据和应用将在边缘产生和处理。 在这一趋势下,各行各业应加快智能边缘技术部署,推进应用落地,释放数据潜能,然而边缘计算需求复杂,应用多样,挑战不可避免。英特尔举办此次“未来智能边缘计算”论坛,就是希望能促进产业交流,加速开放合作,推动应用落地,共同把握智能边缘带来的重大机遇。 “英特尔为智能边缘发展构建技术基石,通过产学研合作以及坚持探索和实效的平衡,既立足当前又布局未来,以产业前瞻,带动智能边缘技术应用突破,助推产业智能变革,”英特尔中国研究院院长宋继强表示。“在英特尔看来,智能边缘、AI和5G是真正实现数据价值的关键技术转折点,它们加速突破和融合,成为智能世界的新型基础设施,驱动各行各业新一轮的智能创新。” 携手产学研,共同推进智能边缘快速发展 边缘计算是巨大的机遇。推动智能边缘快速发展,需要产业界的协同。英特尔一直和中国的产业合作伙伴一起,同时与大学的研究机构一起,以产学研合力共同推进智能边缘的快速发展。 以机器人领域为例,作为智能边缘计算的典型用例,英特尔一直通过产学研合作的方式推动机器人产业的发展,推进基于5G的云边端一体化部署,机器人更加智能化,自主感知和决策能力增强。 在今天的论坛上,英特尔中国研究院宣布和全球顶尖的学术机构一起,联合举办为期三年的全球机器人学习室内挑战赛,旨在推进服务机器人自学习能力技术的切实突破,推动行业应用落地。同时,为机器人公司搭建技术交流平台、加速市场部署的英特尔“机器人创新生态”也宣布将全面升级,并对18家优质合作伙伴进行表彰。 全面综合的技术实力,为智能边缘开创新未来 英特尔一直致力于构建技术基石,引领计算创新,以先进技术驱动未来创新。面向智能边缘计算,英特尔以制程和封装、XPU架构、内存和存储、互连、安全、软件六大技术支柱,为智能边缘计算奠定坚实基石,同时也以全尺度的存储和互连技术推进云边端的融合,贯穿数据计算、传输、存储全周期。 在提升算力方面,英特尔XPU异构整合和oneAPI实现软硬协同。XPU可包含多种不同架构,包括在CPU、GPU、加速器和FPGA中部署的标量、矢量、矩阵和空间混合架构组合。值得一提的是,英特尔最新发布的Xe GPU架构产品组合可带来计算性能的高效提升。oneAPI则是通过一套软件接口、一套功能库为开发者提供不同架构上编程的便利性,同时已经开发过的程序在架构演进过程中不需要重新开发,从而轻易地迁移到未来的架构上。 传输方面,英特尔提供了以太网、硅光子为代表的一系列技术,大幅提升数据传输能力;存储方面,英特尔独具代表性的傲腾技术,突破内存和存储瓶颈,极大地提升了数据、存储和内存的可用性、经济性和灵活性。英特尔为智能边缘提供的软硬融合技术实力,为云边端技术融合打下坚实的基础,引领智能边缘的进一步发展。 与此同时,英特尔也着眼于前沿技术推动智能边缘计算的发展,其中就包括对神经拟态计算等前沿技术的探索。神经拟态计算通过模拟人脑神经元的构造和神经元之间互联的机制,能在低功耗以及少量数据的条件下持续自学习,对于解决目前机器人对环境自学习自适应的挑战,是非常完美的解决方案。目前英特尔在神经拟态计算领域也取得了突破性的进展,最新的Loihi芯片已经拥有嗅觉,可以在少量训练数据的条件下识别10种有毒气味。 英特尔将继续践行自己的宏旨:创造改变世界的技术,造福地球上每一个人,通过先进的软硬融合的技术,实现探索与实效的平衡,同时和生态合作伙伴一起推动智能边缘计算的发展,为更加智能的边缘计算带来曙光。

    时间:2020-09-18 关键词: Intel 新基建 边缘计算

  • 边缘和云如何解决延迟,安全性和带宽问题

    边缘和云如何解决延迟,安全性和带宽问题

    边缘计算是一种IT部署,旨在使应用程序和数据尽可能接近需要它们的用户或“事物”,通过在物联网(IoT)中的使用,可以最好地理解边缘计算,因为物联网产生了对它的需求。简而言之,物联网是连接到互联网并交换数据的所有物理对象。温控器、安全摄像机、冰箱冰柜、Alexa、Google Home甚至车辆。正如个人和公司对增加数据存储的需求引起了对云的巨大集中存储功能的需求一样,物联网也对使用相同数据但使用更少带宽的更快,更安全的方式提出了要求。 从个人计算向云计算的转移已经将大量数据发送到并存储在庞大的服务器场中,这些服务器场主要由Google、Amazon、Microsoft和IBM拥有。为了使用云数据,必须将其进行访问,处理和分析,然后再返回使用。家庭助理是一个有用的类比。当您问Google Home天气如何时,它将处理您的语音,将压缩后的版本发送到云中,然后将其未经压缩,处理后执行,也许执行API函数以获取答案,然后将其返回给您的设备。这种往返数据使用产生了三个主要问题:延迟,安全性和带宽。 随着物联网的兴起,边缘计算正在迅速扩展,因为它解决了物联网与云交互时遇到的问题。如果你把你所有的智能设备想象成一个圆圈,云就集中在其中间;边缘计算发生在云的边缘。从字面说,边缘计算指的是位置,它发生在离设备或企业更近的地方,无论什么“东西”在传输数据。这些计算资源从数据中心分散开来;它们处于“边缘”,数据在这里得到处理。通过边缘计算,数据在生产现场被仔细检查和分析,只有相关数据被发送到云端存储。这意味着发送到云端的数据要少得多,减少带宽使用,专有和安全漏洞更可能发生在设备位置,这正是“黑客攻击”设备变得更加困难,而且与数据的相互作用速度也明显提高。 虽然边缘和云计算通常被视为互斥的方法,但大型物联网项目通常需要将两者结合起来。以无人驾驶汽车为例。如果必须将来自所有汽车传感器的信息发送到云进行处理并返回功能,那么网络的功能,入侵汽车的能力以及响应的延迟都将意味着自动驾驶汽车是不可行的。将云计算和边缘计算结合在一起,用户对运行的软件和传感器实时工作不承担任何责任,但是汽车必须使用集中式数据来获取更新并将已处理的数据发送回去以增强算法。 尽管市场已经成熟,但企业直到最近才意识到物联网将如何帮助自动化和完善其提供的服务。边缘计算和云在许多方面对业务都有利:节省时间的分析数据;缩小存储量;并且易于遵守安全性和数据隐私法规,例如通用数据保护法规(GDPR)只是其中的一部分。随着数字和“现实”世界的融合和体验变得越来越沉浸,所收集数据的扩散是无与伦比的,并将继续增长。 保险业完全有资格成为第一个受益于边缘计算和云相结合的主要行业,从而为物联网创造最身临其境的用户体验。例如,家庭保险一直是被动的而不是主动的,而是依靠用户通过电话向第三方报告索赔。此外,该数据很少用于计算准确的风险。然而,随着智能家居和物联网设备的兴起,家庭保险公司能够颠覆这种模式。 通过使用IoT设备,客户的房屋可以提供数据,可以利用这些数据来更全面地计算风险,同时可以在房屋中预防性使用智能安全和传感器,并在不正确的情况下向房主和保险公司发送警报。洪水灾害是房屋保险索赔的主要原因之一,也是一个很好的例子。部署在锅炉,水槽和洗衣机等潜在泄漏区域附近的泄漏传感器可以发送通知,以避免发生损坏事件。如果在没有人在家时管道破裂,则传感器可以命令智能阀关闭水源,从而最大程度地减少损坏,通知客户并减少索赔。 对于房屋保险公司而言,与物联网公司合作可以改善与客户的关系,并提高对每个客户特定风险的理解。有了对真正风险的了解,它将使保险公司能够降低保费。 毫无疑问,保险业物联网的未来是边缘计算和云计算的结合,并充分利用了两者的主要优势。通过最大程度地减少损害并提供更准确的保费来最大程度地为其客户带来收益,同时最大程度地降低公司的风险和索赔成本。

    时间:2020-09-15 关键词: 云安全 网络延迟 边缘计算 云计算

  • 得益于工业企业的需求,边缘计算市场即将爆发

    预计到2022年,将有90%的工业企业将使用边缘计算,到2024年,多访问边缘计算市场规模将达到72.3亿美元。 根据Frost&Sullivan的最新报告分析,预计到2024年,5G和边缘计算云工作负载转移到边缘。 该报告强调了边缘计算是工业企业的基础技术,因为它提供了更短的延迟、更强大的安全性、响应数据的收集以及更低的成本。 在这种高度连接的工业环境中,边缘计算及其解决方案不可知的属性可用于各种应用。分析师表示,这包括自主资产、远程资产监控、从滞留资产中提取数据、自主机器人、自主车辆和智能工厂。 尽管处于起步阶段,但无线网络运营商的多路访问边缘计算(MEC)预计将以157.4%的复合年增长率增长,到2024年将从2019年的6410万美元达到72.3亿美元的收入。 Frost&Sullivan发现,MEC市场参与者具有巨大的增长前景。 分析师表示,电信运营商应致力于解决方案和服务,以满足互联和自动驾驶汽车的需求,系统集成商应提供端到端解决方案,这对企业而言将是一项重要的增值服务,因为5G需要特定的技能。 5G和基于硬件的新型专业移动边缘计算技术的结合,可以满足现在和将来流媒体需求的市场。 该报告称,电信运营商必须与具有人工智能、机器学习和计算机视觉相关能力的云提供商和公司合作,以设计自动驾驶汽车、无人机交付等解决方案。 最后,MEC领域的公司必须利用利用5G和MEC进行创新和开发的机会,例如增强现实(AR)和虚拟现实(VR),这些技术也可以应用于游戏。 Frost&Sullivan信息和通信技术研究总监Renato Pasquini表示:“最近推出的5G技术与MEC结合在一起,使计算能力更接近客户,同时也为他们带来了新的应用和体验。 “展望未来,5G和MEC为电信运营商提供了推出创新产品的机会,也使使用该平台的电信服务提供商的企业对企业(B2B)领域的生态系统得以蓬勃发展。” Pasquini说:“从MEC生态系统的角度来看,软件边缘应用程序和解决方案有望实现最高的CAGR,其次是服务电信运营商服务,云提供商基础设施即服务和边缘数据中心托管服务。” 预计到2024年,5G和边缘计算云工作负载移至边缘,是Frost&Sullivan信息和通信技术研究和分析的最新内容,该研究和分析可通过Frost&Sullivan领导委员会进行,可帮助组织确定未来增长机会。

    时间:2020-09-14 关键词: 电信运营商 工业企业 边缘计算

  • 边缘网络面临极大挑战 “政产学研用”协同作战

    支付宝毫无征兆的“大尺度照片”,再次让人们意识到,在我们已经习以为常的移动支付领域,竞争还在继续。 移动支付市场群雄并起 谁将独占鳌头?   11月24日,支付宝悄悄在首页中增加了“圈子”功能。圈子并没有面向全部的用户,而是选择了少量用户进行灰度测试。成为圈主后,可以制定圈子的主题和入圈的规则。      在“白领日记”“校园日记”等圈子里,圈主规定只有女性用户有权发表图片,通过图片可以吸引点赞、评论和打赏,这造成两大后果,女性用户争相发大尺度照片,有人通过盗图来吸引打赏。      两个圈子打擦边球的做法,让彭蕾和马云都坐不住了。蚂蚁金服董事长彭蕾召集22位管理团队成员反思,并发内部信,错了就是错了。      阿里巴巴董事局主席马云随后也在内网中发声:“阿里巴巴珍贵的是改正错误的勇气。支付宝,继续努力。阿里人,学习反思和自查。”      支付宝的反击      “在21世纪,人们需要一种更方便、更安全的货币形式,只要有一台掌上电脑或是网络连接,就可以从任何地方获取。”这是在1999年末的一场公司会议中,电子支付鼻祖PayPal创始人彼得·蒂尔正对当时公司仅有的26名员工预言道,PayPal将会“改变世界”。      而当时,电子支付还未被大部分人所接受,在PayPal内部,员工们坚持使用PayPal支付午餐账单,大家分摊餐费也使用PayPal转账,就连他们拿到的第一笔450万元的风险投资也是通过红外线技术,从一台PalmPilot上“射”到另一台PalmPilot。      遗憾的是,由于时代的局限性迫使PayPal只好改做网页支付。      从21世纪的第二个十年开始,这种颠覆全球的金融体系开始拓展到移动互联网领域。从国外的Square、Coin到国内的支付宝、微信支付,种种移动支付的新产品杀入战场,移动支付狼烟四起。      支付宝的这一次“出格”之举,与其说是试图侵入社交领域,还不如说是因为在移动支付领域受到腾讯财付通的压力而进行的一次反击。      市场预测,今年年内我国移动支付市场交易规模将达到121590亿元,到2018年则有望达到182559亿元。到2018年前,我国移动支付市场交易规模的年均增长将保持在20%以上,之后还有望保持较长时间的中高速增长。      Analysys易观日前发布的最新数据显示,2016年第二季度中国第三方支付移动支付市场增速回暖,交易规模达75037亿元,环比增长25.68%。支付宝、财付通、拉卡拉占据市场交易份额前三位,支付宝以市占率55.4%位列第一,财付通以市占率32.1%位列第二。      而事实上,自2015年以来,财付通市占率呈逐步增长趋势,在2015年末,财付通的市占率仅有20.6%。另一方面,腾讯旗下的移动支付,除了裹挟微信这一款“国民软件”而迅速崛起的财付通之外,还有另一个极具潜力的“QQ钱包”。      这一点,彭蕾和马云应该比谁都清楚其中的利害。      新年红包“三国大战”      移动支付规模最大的一场大战是在2016年的春节。作为中国互联网三家巨头公司,百度、腾讯、阿里都在移动支付领域有布局,而每年的春节期间,正是BAT三巨头相互竞争的最佳时间窗口。      【腾讯阵营】      今年春节前夕,新版微信悄悄卸载掉了QQ好友导入功能,这让人们感受到了同胞兄弟间欲内斗的氛围。不过两兄弟看似剑拔弩张,实际上并不冲突,微信定位的是“95前”人群,QQ则定位“95后”。      微信除了好友间自发的红包雨之外,仍保持了自己的独创玩法。首先还是摇一摇,除夕当晚分四轮;其次是红包照片,这是微信推出的创新玩法,用于对抗支付宝 春晚的组合,用户要看朋友圈里朋友分享的模糊照,必须发红包打赏。      后来的数据显示,除夕当日,微信红包首发总量80.8亿个,参与人数4.2亿。这一天,共有2900万张红包照片在朋友圈传递,互动次数超过1.92亿,摇一摇红包数量达1.82亿个。      QQ方面则联合范冰冰、李宇春、杨幂等明星及理财通、微众银行、大众点评、携程等品牌,通过“刷一刷”的形式给广大手机QQ用户送出了超过2亿元现金红包和大量商户礼券。数据显示:参与“刷一刷”抢QQ红包活动的总用户数为3.08亿,共刷1894亿次,刷出红包22.34亿个。腾讯系两兄弟可谓各有侧重,成绩都不错。      【阿里阵营】      与腾讯系不同的是,阿里系支付宝、微博和陌陌齐上阵,主次很分明,支付宝是主帅,微博和陌陌戏份并不浓。      作为最先玩儿红包的“先驱”,微博方面作为“吐槽”春晚的首选平台,其在红包娱乐方面,成绩显然与移动支付平台没有可比性。2月7日零点至春晚结束,微博日活跃用户达1.34亿,同比增长31%。春晚直播期间,讨论春晚的微博达到5191万条,同比增长15%,网友互动量更是达到1.15亿,大幅增长76%。截至除夕24点,网友抢微博红包的总次数超过8亿次,其中有超过1亿网友抢到红包。      陌陌除基础的一对一、群组红包、拜年红包之外,今年还基于其独特的地理位置属性,上线“附近的人发红包”功能。用户升级到陌陌最新版本后,即可在“附近的人”页面看到当地“红包争霸战”的战况,可以选择“去找红包”或者“发红包”。如果看到附近的用户头像旁有红包图案跳动,就可以抢到附近土豪用户发出的红包。      作为央视2016年春晚独家互动平台,支付宝推出“咻红包,传福气”活动,总共有4轮拼手气红包,加上零点后的集齐五福平分大奖,红包总金额高达8亿。支付宝提供的数据显示,除夕夜“咻一咻”总次数达3245亿。在21点09分,“咻一咻”峰值达到210亿次/分钟。最终,共有79.1405万用户集齐了五福,平分2.15亿大奖。     

    时间:2020-08-18 关键词: 华为 边缘计算 云计算

  • AI +边缘计算――边缘人工智能真的存在吗?

    AI +边缘计算――边缘人工智能真的存在吗?

    EdgeAI不再处于蓝图阶段。它已经进入主流应用,并且以惊人的速度增长,但是EdgeAI到底是什么呢? Edge受到全球企业的喜爱,作为一种新时代的感应技术,它具有巨大的实时观察用户的能力,以获得更多的意识,采取智能有力的行动。有争议的问题仍然存在,边缘人工智能真的存在吗?专家说,是的!例如,带上您的智能手机,只需注册并识别您的脸部,它就能在几秒钟内解锁您的手机。自动驾驶汽车是另一个复杂的例子,其中汽车无需任何人工干预即可自行驾驶。数据就在您的汽车或手机中,没有时间将这些数据发送到云中并等待见解。 行业中的边缘人工智能 无论是在企业层面还是在个人层面,我们都在使用EdgeAI的许多其他实例。从提醒你交通状况的谷歌地图到语音再到文本算法,智能人工智能无处不在。EdgeAI拥有巨大的潜力,根据Itractica的一份报告,到2025年,AIEdge设备出货量将从2018年的1.614亿台增加到26亿台。流行的人工智能支持的边缘设备包括头盔显示器、智能扬声器、手机、PC/平板电脑、汽车传感器、机器人、安全摄像头和无人机。此外,可穿戴健康传感器将具有很高的可采用率。 EdgeAI最有可能使包括供应链和生产线在内的工业密集型应用受益。特别是在新兴的工业物联网(IIoT)中,企业将看到更实实在在的ROI。例如,制造业可以使用边缘AI进行预测性维护、故障排除和识别复杂物理系统中的问题。此外,EdgeAI还可以用于自动化产品测试和检查,以提高质量,同时减少资源消耗。 利用深度学习和边缘人工智能 EdgeAI的另一个应用是支持深度学习的智能相机,它可以处理捕获的图像来跟踪多个物体和人。直接在边缘节点上检测可疑活动,而不是依赖于云,这有时会很耗时。智能摄像机可以通过流式传输数据来减少与远程服务器的通信。这也可以减少远程处理和内存需求。深度学习和EdgeAI应用最受关注的包括入侵者监控系统,以保护房屋免受任何干预。这对于保护房屋和监视老年人至关重要。 文本到语音(TTS)和语音到文本(STT)是两个利用人工智能和数字语言(DL)的应用将功能推向边缘的两个例子。例如,汽车中的免提文本读写功能,驾驶员可以在与信息娱乐系统交互的同时保持对汽车驾驶的注意力。 随着AI边缘的转移,做好准备迎接一系列正在发生的变化。这些构造转变包括5G网络、智能设备等的出现,以及对物联网设备的增长和需求。随着未来的飞速发展,企业将越来越多地使其系统“智能化”,这意味着市场将获得显著收益,以满足智能边缘人工智能平台的计算需求。

    时间:2020-08-17 关键词: 人工智能 技术 边缘计算

  • 人工智能芯片战开打 边缘计算还面临哪些障碍?

    人工智能芯片战开打 边缘计算还面临哪些障碍?

    人工智能(AI)可说是2016年运算领域最热门的话题,厂商竞相开发专用芯片的战争已经开打… 对运算产业来说,在过去的2016年应该没有一个概念比人工智能(AI)更热门;跨入2017年,专家们表示,人工智能生态圈的需求成长会更加迅猛。主要集中在为深度神经网络找寻性能和效率更适合的“推理(inference)引擎”。 现在的深度学习系统仰赖软件定义网络和巨量数据学习产生的超大型运算能力,并靠此来实现目标;遗憾的是,这类型的运算配置是很难嵌入到那些运算能力、内存容量大小和带宽都有限制的系统中(例如汽车、无人机和物联网设备)。 这为业界带来了一个新的挑战──如何透过创新将深度神经网络运算能力嵌入到终端设备中。如(已经被Intel收购的)计算机视觉处理器设计业者Movidius执行长Remi El-Ouazzane在几个月前就说过,将人工智能布署在网络边缘将会是一个大趋势。 在问到为什么人工智能会被“赶”到网络边缘的时候,法国原子能委员会(CEA)架构、IC设计与嵌入式软件(Architecture, IC Design and Embedded Software)部门院士Marc Duranton提出三个原因:安全性(safety)、隐私(privacy)和经济(economy);他认为这三点是驱动业界在终端处理数据的重要因素,而未来将会衍生更多「尽早将数据转化为信息」的需求。 Duranton指出,试想自动驾驶车辆,如果其目标是安全性,那些自动驾驶功能就不应该只仰赖永不中断的网络联机;还有例如老人在家里跌倒了,这种情况应该由本地监测装置在当场就判断出来,考虑到隐私因素,这是非常重要的。而他补充指出,不必收集家里10台摄影机的所有影像并传输以触发警报,这也能降低功耗、成本与数据容量。 AI竞赛正式展开 从各方面看来,芯片供货商已经意识到推理引擎的成长需求;包括Movidus (Myriad 2), Mobileye (EyeQ 4 & 5) 和Nvidia (Drive PX)在内的众多半导体公司正竞相开发低功耗、高性能的硬件加速器,好让机器学习功能在嵌入式系统中被更妥善执行。 从这些厂商的动作和SoC的发展方向看来,在后智能型手机时代,推理引擎已经逐渐成为半导体厂商追逐的下一个目标市场。 在今年稍早,Google推出了张量处理单元(TPU),可说是产业界积极推动机器学习芯片创新的一个转折点;Google在发表芯片时表示,TPU每瓦性能较之传统的FPGA和GPU将会高一个等级,此外并指出这个加速器还被已被应用于今年年初风靡全球的AlphaGo系统。但是迄今Google并未披露TPU的规格细节,也不打算让该组件在商业市场上销售。 很多SoC从业者从Google的TPU中得出了一个结论──机器学习需要客制化的架构;但在他们针对机器学习进行芯片设计的时候,他们又会对芯片的架构感到疑惑,同时想知道业界是否已经有了一种评估不同形态下深度神经网络(DNN)性能的工具。 性能评估工具即将问世 CEA表示,该机构已经准备好为推理引擎探索不同的硬件架构,他们已经开发出一种名为N2D2的软件架构,能够帮助设计工程师探索和生成DNN架构;Duranton指出:「我们开发这个工具之目的,是为DNN选择适合的硬件目标。」CEA将会在2017年第一季释出N2D2的开放源码。 N2D2的特色在于不仅是以识别精确度为基础来比较硬件,它还能从处理时间、硬件成本和功耗等多个方面执行比较;Duranton表示,因为针对不同应用的深度学习,需求之硬件配置参数也会有所不同,因此以上几个比较非常重要。N2D2能为现有CPU、GPU和FPGA等硬件(包括多核心与众多核心)提供一个性能参考标准。 N2D2运作原理 边缘运算的障碍 CEA已经针对如何把DNN完美地推展到边缘运算(edge compuTIng)进行了深入研究;Duranton指出,其中最大的障碍在于因为功耗、内存容量尺寸和延迟等限制,“浮点”式服务器方案不适用;而其他障碍还包括:「需要大量的MAC、带宽和芯片上内存容量。」 所以说,采用整数(Integer)而非浮点运算是最需要优先考虑的问题…还有别的吗?Duranton认为,这种专属架构也需要采用新的编码方式,例如「棘波编码(spike coding)」;CEA的研究人员研究了神经网络的特性,发现这种网络能容忍运算误差,使其适用于「近似运算(approximate computaTIon)」。 如此一来,甚至于不需要采用二进制编码;而Duranton解释,其好处在于诸如棘波编码的时间编码(temporal coding),能在边缘运算提供更具能源效益的结果。棘波编码之所以具吸引力,是因为棘波编码──或是以事件为基础(event-based)的──系统能展现实际神经系统内的数据如何被译码。 此外,以事件为基础的编码能兼容专用的传感器和预处理(pre-processing)。这种和神经系统极度相似的编码方式,使得模拟和数字混合讯号更容易实现,也能够帮助研究者打造低功耗的小型硬件加速器。 还有其他能加速将DNN推展到边缘运算的因素;例如CEA正在考虑把神经网络架构本身调整为边缘运算的潜在可能。Duranton指出,现在人们已经开始讨论采用「SqueezeNet」架构而非「AlexNet」架构的神经网络,据了解,前者达到与后者相同精确度所需的参数规格是五十分之一;这类简单配置对于边缘运算、拓扑和降低MAC数量都十分关键。 而Duranton认为,最终目标是将经典DNN转换成「嵌入式」网络。 (未完待续。.) 责编:Judith Cheng

    时间:2020-08-16 关键词: 人工智能 边缘计算

  • 你真的了解物联网中的边缘计算概念吗

    你真的了解物联网中的边缘计算概念吗

    区块链的名词连街边的大妈都能蹦出来,成为热门新词。而边缘计算谈的人还比较少,边缘计算比区块链更切贴我们的生活与工作,具有更广阔的市场前景,是5G时代和物联网时代必须考虑的业务领域。作为对通信产业、互联网产业、IT产业感兴趣的朋友,千万不可错过边缘计算的浪潮。下面老糊整理相关资料,带你5分钟看懂边缘计算。 为什么会有边缘计算 在云计算兴起的时候,曾有观点认为,终端只要一个显示屏即可,物联网所有的数据都传输到云中心,由云完成运算过程,再传回到用户的终端。因此瘦终端将是未来的趋势。 现实情况是,过渡依赖云中心,会导致物联网的效率达不到预期,特别是对时延要求严格的场景,物联网部署变得毫无意义。例如,用于安全监控的场景下,摄像头获取用户视频并传输到云中心处理的陌生,不仅需要高速带宽传输大量无效数据,而且给云中心也带来巨大负担。最终结果是处理成本高昂,处理事件长,效率低下。 如何解决这个问题呢?于是研究人员对摄像头端进行改造,让摄像头与云中心保持连接的同时,还拥有视频处理能力、存储能力和识别能力。云中心给摄像头下发比对模型,拍摄的视频会在摄像头端实时进行处理比对,第一时间将初筛后的信息传输到云端进行高精度识别。 在这种模式下,可以在毫秒级的时间內,对摄像头拍到的数据进行处理,第一时间完成监控任务。我们把具有智能处理能力的物联网终端,成为边缘计算产品。 业内对“边缘计算”定义是指,在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘智能服务。 边缘计算的发展前景广阔 网络边缘智能化将成为未来重要的发展方向。伴随5G网络的建设,物联网成为重点网络之一。业内预计,到2020年将有超过500亿的终端与设备联网,仅中国就会产生100亿以上的物联网连接数。各行各业都希望部署物联网,为客户提供更加智能、便捷的产品和服务。边缘计算因其技术上具备的敏捷、实时、智能、安全等特点,成为物联网终端的必然发展方向。 边缘计算受到业内高度关注,2016年边缘计算产业联盟成立,由华为、中科院、中国信息通信研究院、英特尔、ARM和软通动力联合倡议发起,截止2018年,根据联盟网站的列表,有近200家的会员单位,会员单位包括360、ABB、奥普等各行各业的知名企业。 边缘计算的技术类型 在部署边缘业务时,有三种类型的边缘情景需要考虑。分别是个人边缘(personal edge)、业务边缘(business edge)、云边缘(cloud edge)。 (1)个人边缘 个人边缘计算围绕着我们个人,有时就在我们的身边,就在我们的家里;例如智能手机、家庭机器人、智能眼镜、医疗传感器,穿戴手表、智能音箱、其它家庭自动化系统。 个人边缘设备一般情况下是移动的,需要考虑续航能力、网络切换及离线条件的特性。 (2) 业务边缘 业务边缘用于汇聚个人边缘设备的信息,机器人、传感设备等信息在此处汇集并处理。此类设备可以部署在办公区域或家庭区域,用于支撑区域范围內的信息集中、交互、处理。 (3) 云边缘 一个复杂的物联网应用,将会涉及到多个云平台的协同。语音处理、人脸识别、医疗人工智能等垂直云平台的兴起,提高了物联网的智能化,但是对平台间的协作也提出更高需求。云边缘相当于在不同云平台侧提供数据解析、数据交互、数据协同的功能。 边缘计算需要5G的边缘网络 MEC作为5G演进的关键技术之一,可以在无线边缘网络就近部署计算、存储、分流、大数据分析等功能,实现运营商业务本地化分布式处理,提升网络数据处理效率,加速网络中各项内容、服务及应用的快速下载,满足终端用户的极致体验,满足垂直行业网络低时延、大流量、安全等诉求。 在5G架构方面对边缘计算的支持,主要有两种模式。一种是基于LADN选择边缘UPF(用户端口);另一种是UPF可以选择业务,本地的业务可以选择下沉的方式。 三大运营商在5G部署初期就把边缘计算考虑了进来,通过边缘网络对业务能力的构建,某种程度上可以解决在5G时代多种网络长期共存的问题。 边缘计算的生态链 产业联盟:边缘计算产业联盟ECC(中国)、Edgecross联盟(日本)、Avnu联盟等 核心研究机构:中国信通院、中科院沈阳自动化研究所、重庆邮电大学等,在企业上,微软、西门子、。 芯片厂家:芯片的主要玩家都加入了边缘计算的产业中,国内有华为、中天微等,以及新创的OURS;国外有Intel、ARM。 成品设备厂家:各行各业致力于物联网领域的厂家,如物联网开关、物联网电视、物联网电力设备等企业 运营商:中国移动已在10省20多个地市现网开展多种MEC应用试点;中国电信与CDN企业合作,想要通过MEC边缘CDN的部署,作为现有集中CDN的延展,同时为多网络用户服务; 解决方案企业:各类ICT解决方案公司,整合上游资源为客户提供专业化服务。 边缘计算的产业案例 边缘计算将在下述六类行业有直接的应用。随着技术成熟,未来还会延展至更多的行业。 本地视频业务:体育赛事、演唱会、博物馆、展馆AR直播和VR体验; 工业互联网:智能工厂、智能生产、智能装备、智能机器、智能物流等; 无人机VR:无死角视频直播,360度全方位视频回溯,在线VR直播; 车联网应用:车辆安全管理,车辆行驶安全和城市交通拥堵治理; 人工智能:电子围栏、人脸识别、表情识别、热点管理等; 移动办公:用户接入控制、企业个性化定制、企业业务控制。

    时间:2020-08-10 关键词: 物联网 区块链 边缘计算

  • 研华科技亮相2017第九届中国国际物联网博览会

    研华科技亮相2017第九届中国国际物联网博览会

    2017年8月16日,中国·深圳 –第九届国际物联网博览会(以下简称:IOTE2017)16日在深圳会展中心盛大开幕。IOTE2017是一个关于物联网完整产业链,覆盖物联网感知层、网络层、应用层,涉及RFID、传感、物联网通信等技术和多行业领域的高级别国际盛会。作为全球领先的嵌入式计算解决方案供应商研华科技受邀参展,展位号,A29-2(2号馆) (图为上午9点,展会刚开始,研华展台暨被人群围观) 此次研华科技亮相物联网平台专馆,以物联网平台解决方案架构为展示主题,展出研华边缘智能服务器(以下简称EIS)、WISE-PaaS软件平台、以及M2.COM模块。近年来,研华各事业部的工作都围绕物联网展开,在嵌入式这一领域,研华主要以平台提供为主,为客户提供更有价值的物联网软硬件平台解决方案。 在数据采集层面,研华与产业合作或本共同推出M2.COM开放式标准,用来做compuTIng,做运算,还有无线功能,可以把MCU处理完毕后的资料传到云端。另外,由于不同的应用场合,会有不同的传感器的需求,所以可以根据不同的物联网应用,选择不同的传感器接口,选择不同的供电方式以及电池容量,做成不同尺寸的底板。然后搭配M2.COM的模块一起使用。 现场除物联网及传感展区之外,还开设循环演讲交流论坛,研华科技就《研华物联网传感平台-M2.COM》、《研华嵌入式软硬件方案 快速部署IoT应用》做主题分享,与在场观众展开共同探讨。同时,展会吸引环球资源、物联传媒及智能化网等媒体观众进行现场报道。 据悉,研华科技还将在今明两天的展会上持续进行物联网相关信息和解决方案的发布。

    时间:2020-08-07 关键词: 物联网 研华科技 边缘计算

  • 业界首个!5G边缘计算开源平台EdgeGallery正式发布

    业界首个!5G边缘计算开源平台EdgeGallery正式发布

    8月6日,业界首个5G边缘计算开源平台EdgeGallery宣布在码云上正式开源。 据悉,EdgeGallery聚焦5G边缘计算场景,通过开源协作构建起MEC边缘的资源、应用、安全、管理的基础框架和网络开放服务的事实标准,实现同公有云的互联互通,在兼容差异化异构边缘基础设施的基础上,构建统一的MEC应用生态系统,释放5G潜能,使能千行百业。 (5G边缘计算开源平台EdgeGallery正式发布) ◆ 5G:据统计,5G将带来十倍以上的流量增长,其中80%以上的数据和处理将发生在网络边缘。MEC是5G的关键技术,融合网络、计算、安全和运营等平台能力,云边协同,业务创新,为运营商带来巨大经济价值。5G边缘计算开源平台的出现将使得构建一个可管、可控、可运营的5G MEC更加快捷和高效。 ◆ EdgeGallery:由中国信息通信研究院、中国移动、中国联通、华为、腾讯、紫金山实验室、九州云和安恒信息等八家创始成员发起的5G边缘计算开源项目,其目的是打造一个以“联接+计算”为特点的5G MEC公共平台,实现网络能力(尤其是5G网络)开放的标准化和MEC应用开发、测试、迁移和运行等生命周期流程的通用化。 ◆ EdgeGallery开源社区:由华为公司于2020年4月倡议发起,并于7月30日召开了首届董事会,通过了社区治理章程,会议选举华为首席开源联络官任旭东为董事会主席,任命中国信息通信研究院技术和标准所主任研究员马军锋为秘书长,任命中国移动研究院边缘计算研究室主任耿亮、中国联通MEC高级总监陈丹和华为云化网络开源团队营销总监杨邦文为副秘书长。 然而,EdgeGallery不仅是一个MEP平台,未来更是一个面向应用和开发者的端到端解决方案,将为应用开发者、边缘运营,以及运维人员提供一站式服务。社区致力于让开发者能更便捷地使用5G网络能力,让5G能力在边缘触手可及;通过边缘原生的平台架构,让边缘业务可信可管;通过无码化集成、在线IDE工具、统一应用入口等实现多元开放的边缘生态,让应用轻松上车,商业可复制,最终实现5G ToB生态的繁荣,为企业和社会带来经济价值。

    时间:2020-08-07 关键词: 5G 边缘计算

  • 解读物联网边缘计算的概念和三大计算模式的区别

    解读物联网边缘计算的概念和三大计算模式的区别

      物联网是业界永远的话题,大量的企业都计划将智能设备和传感器纳入到物联网的业务模式,因此全球的数据量在逐年增长。而边缘计算能够将物联网(IoT)设备产生的数据在更接近数据产生的终端进行处理,而不是将其发送到数据中心或云端。企业可以凭借此技术更接近网络边缘,可以近距离实时分析重要数据。   边缘计算中的相关概念   与其他技术一样,边缘计算也有一些专有词汇,先了解边缘计算中的术语再去了解边缘计算,将起到事半功倍的效果。   边缘设备:边缘设备是任何可以产生数据的设备,可以是传感器、工业机器或其他差生或收集数据的设备   边缘:边缘取决于用例,在电信领域,边缘可能是手机;在汽车领域,网络的边缘可能是一辆汽车;在生产环境中,它可能是车间的机器;在IT企业中,边缘是一台笔记本电脑   边缘网关:网关是完成边缘计算处理和雾计算之间的缓冲区,网关是进入超出网络边缘的网络环境的窗口   胖客户端(fat client),有时候也称为厚客户端(thick client)是在本地安装了丰富资源的网络电脑,而不是像瘦客户端那样把资源分散到网络中。   边缘计算设备:边缘计算使用一系列现有设备和新设备,很多传感器和机器可以通过它们访问互联网以在边缘计算环境中工作。   移动边缘计算:这是电信行业中边缘计算生态系统中的概念,主要应用于5G应用场景。   边缘计算究竟是什么?   市场调查公司IDC称,边缘计算是一种“微型数据中心的网状网络,可在本地处理或存储关键数据,并将所有接收到的数据推送到中央数据中心或云存储库。”   它通常被广泛应用于物联网用例中,边缘设备将收集数据并将其全部发送到数据中心或云端进行处理。边缘计算对本地数据进行分类,因此其中一些将会在本地进行处理,从而减少了到中央存储库的回程流量。   通常这些工作由物联网设备将数据传输到本地设备,包括小型的计算、存储和网络连接。数据在边缘进行处理,全部或部分内容将发送到企业数据中心、协同设施或IaaS云端的中央处理或存储库。   三大计算模式的区别   云计算   云计算包括了软件即服务(SaaS)、基础设施即服务(IaaS)以及平台即服务(PaaS)三种业务模式,为云端部署解决方案提供了标准的接口和方法,使用互联网上托管的远程服务器网络在云端部署、管理和处理数据。   云计算能够大大降低企业运营成本,为企业提供动态可扩展的服务,简化运营成本。但其缺点也很明显,主要是云计算传输数据的成本,其次是存储成本。   边缘计算   计算边缘意味着将数据处理推送到生成数据的网络边缘。任何边缘设备,如路由器、传感器或智能设备都可以进行边缘计算。每个设备在处理信息方面都有自己的角色,边缘计算可能没有与云或服务器的联系,并且可以作为独立机器存在。通常,边缘计算设备用于关闭的机器到机器(M2M)系统。边缘计算的典型功能包括:数据聚合,变性,过滤,数据擦除和异常检测。其目的是降低成本和延迟并控制网络带宽。   雾计算   雾计算的概念在2011年被人提出,在2012年被作了详细定义。雾计算(Fog CompuTIng)在该模式中数据、处理和应用程序集中在网络边缘的设备中,而不是几乎全部保存在云中,是云计算(Cloud CompuTIng)的延伸概念。   三种计算模式的差异   与云计算相比,雾计算所采用的架构更呈分布式,更接近网络边缘。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中,而不像云计算那样将它们几乎全部保存在云中。数据的存储及处理更依赖本地设备,而非服务器。所以,云计算是新一代的集中式计算,而雾计算是新一代的分布式计算,符合互联网的“去中心化”特征。   边缘计算更具体地涉及边缘设备的计算过程,因此雾计算包括边缘计算,但是雾计算也需要将处理后的数据传输到最终目的地所需的网络。   边缘计算的安全性   业界认为边缘计算的安全性主要有两个方面,一部分人认为安全性在边缘计算环境中更好,因为数据不是通过网络传播的,而是在数据创建的地方。另一方面,有人认为边缘计算本身就不太安全,因为边缘设备可能更容易受到攻击。因此,在设计任何边缘或雾计算部署时,安全性至关重要。数据加密、访问控制和虚拟专用网络隧道的使用是保护边缘计算的重要因素。

    时间:2020-08-06 关键词: 物联网 边缘计算 云计算

  • 物联网的野心,数据中心向边缘计算的转变之路

    物联网的野心,数据中心向边缘计算的转变之路

    我们都享受着云计算带来的福利,但我们看到了云计算在逐渐的消亡,人们可能认为云计算尚未发挥其全部潜力,而且在一定程度上也是如此。但是,物联网的快速发展实际上将会导致云计算的主要作用是存储数据,而不是持续地处理数据。   目前,网络应用广泛依赖云计算服务。无论是Google搜索还是使用天气应用程序,人们都会将该请求输入到他们的移动设备中,然后将其发送到云端进行处理并传输回其移动设备。人为的输入和云处理是当前的操作模式。然而,随着物联网,节点和传感器越来越多从环境中自主收集现实世界的信息,改变了数据中心的运作方式,而在不久的未来,无人机将是可以飞行的数据中心,而军用机器人是携带武器的数据中心。   随着这种巨大的边缘能力的赶上:由于物联网技术的本质,通过云传输大量数据将变得更加雄心勃勃。考虑到如今的汽车部署大约100个CPU。对于自主驾驶汽车来说,这个数字将上升到300-400个,甚至更多。如果人们建立一个更加智能的交通系统,连接一千辆汽车,这些车辆都需要与基础设施和通信中心进行通信,这最终会出现巨大的分布式计算问题。即使使用5G技术,可以快速地将这些信息传输到云端,将其处理之后并传送回来,但这样就不可能支持实时决策。利用云计算的延迟对于实时决策来说太慢了。   在不久的将来,数据在边缘产生并在数据中心处理的旧模式将会到达极限。计算将迅速转向边缘计算。事实上,调研机构IDC预测,到2021年,43%的物联网计算将发生在边缘。   那么这将对企业的业务意味着什么?随着数以亿计的终端设备和新的应用程序和商业模式在物联网周围发展,从中心到边缘的转变对那些在早期开发的人来说是一个巨大的机会。例如,这一转变将如何改变自主车辆乘客的投保方式?即时边缘分析如何在微型购物者中为零售商带来好处?新的收入机会和商业模式的数量将随着转向边缘而呈指数级增长。   正如信任一直是控制云计算服务接受度的限制因素一样,提供安全解决方案以屏蔽物联网系统边缘的能力将成为控制这种新的中断的限制因素。例如,智能家居设备是私人信息的热点,可用于确定房屋是否空置;区块链将包含敏感的财务信息,自动车辆如果被黑客所利用,将对行人和车辆构成物理威胁。因此,边缘计算本身正在成为整体系统安全的第一道防线。   云计算将成为物联网的教学和培训中心。在这里,边缘计算设备将发展他们的模式识别技能,以及进行高级机器学习。在不久的将来,云计算将和人们仍然保持联系。所以从某种意义上说,云计算已经消亡,但将永远长存。   即将发生的变化和边缘计算所带来的巨大机遇,预示着技术将进入一个新时代。可以将世界视为一个分布式计算系统。为了引导这一变化,人们必须准备在边缘计算提供专门的处理能力,因为这是未来技术发生的地方:   在许多情况下,专用处理可以减少响应时间和网络拥塞。自主车辆将依赖于实时处理,以便在几分之一秒内做出正确的决定。   专用处理将更好地保护用户隐私,因为原始数据将不会上传到云端。   它无需建立低效率和无响应的集中式云数据中心来处理数据收集的显著增长。   专用处理在设备级别更可靠。   人们还必须加大努力,提供有效的信任,使分布式计算安全。可以轻松获得保护数据隐私和安全的组合硬件和软件安全工具,现在必须按照设计的安全和隐私原则在系统级别上进行。这样,提供物联网服务的企业将向数十亿用户发出信任信号,这些用户将享受边缘计算的优势。

    时间:2020-08-06 关键词: 物联网 数据中心 边缘计算 云计算

  • 物联网的下一个爆发点——边缘计算

    物联网的下一个爆发点——边缘计算

      边缘计算可以缓解负载瓶颈、延迟、容错等方面的困难,未来的应用系统应该是“大智能”放在云端,“小智能”放在边缘,中间通过MQTT或类似协议保持数据通讯。边缘计算拥有实时性好,稳定性强,适应各种网络环境,可以自主做出决策等等非常契合工业生产要求的特点。   与广义上的云服务对象相比,物联网设备的需求是有区别的。例如,物联网设备的联网是低功耗,终端并不需要太高的计算能力,况且将数据传递到数据中心,也会影响设备的反应速度。此时,有没有一种本地的解决方案更适合呢?答案就是边缘计算。   事实上,边缘计算的理念由来已久,但在应用领域却刚刚起步。随着越来越多的工作负载出现在云端,以及物联网等新技术走进生产和生活,对于本地的处理能力提出了额外的需求。而对于云计算来说,其在应对大规模业务有优势,不过这种集中化的数据处理方式在万物互联时代似乎“过时了”。   未来,79%的IoT流量将通过网关接入,50%的网络流量将来自物联网,而物联网将贡献超过500亿的连接。数据显示,到2020年物联网带来的经济附加值将达到1.9万亿美元。显然,在物联网带来的海量数据中,有相当一部分都是高价值的信息。如何利用好这部分数据,是解决方案厂商和服务商的潜在盈利点。   物联网的特点是“小、快、灵”,实时交互是体验的核心,数据预处理、低能耗、敏捷连接都是前提条件。从架构上来看,边缘计算物联网解决方案可分为传感控制层、网络层、敏捷控制器和应用层,其中网络层主要实现融合和互联,它的功能除了网络连接和管理,还包括边缘计算,进行现场处理,同时保障业务在本地实现。可以说,边缘计算不仅提供了集成计算、存储、连接的智能开放平台,还能降低安全风险。另一方面,这种计算模式也减轻了云的负担。   根据Metcalfe‘s Law,网络价值和用户数的平方是成正比的,当越来越多的人和智能的物连接在一个网络上,会让整个网络增值。在物联网数据中,至少23%以上的数据是具备分析价值的数据。   广义来看,在边缘计算演进的过程中,其中既少不了生态平台的搭建,也少不了联盟标准的制定。至于技术层面,各有各的好,关键在于能否为用户提供真正的便利。

    时间:2020-08-06 关键词: 物联网 边缘计算

  • 如何部署物联网数据,云端架构或最适宜

    如何部署物联网数据,云端架构或最适宜

      物联网的本质还是互联网,只不过终端不再是计算机(PC、服务器),而是嵌入式计算机系统及其配套的传感器。这是计算机科技发展的必然结果,为人类服务的计算机呈现出各种形态,如穿戴设备、环境监控设备、虚拟现实设备等等。只要有硬件或产品连上网,发生数据交互,就叫物联网。   从智能恒温器到健身追踪器,物联网设备在人们的日常生活中已经司空见惯。这些连接网络的设备收集,处理和共享人们周围物理世界的数据,以帮助人们的生活更轻松,更美好。   物联网数据应采用何种技术?云端或为最好的架构   同样,许多企业正在采用物联网来使用数据,从而更好地了解其运营情况,做出更明智的决策,重新定位客户参与度,并重新思考如何创造价值。例如,一家供应链管理公司在其托盘、箱子和容器中部署了传感器,跟踪货物的地理位置,环境温度和压力等环境变量。这将企业提供给客户的价值转变为从租赁托盘到优化供应链成本,这些将成为获知运输货物剩余保质期的数据。   随着低成本传感器,弹性计算和数据科学的快速发展,许多行业观察家期望企业迅速部署物联网设备。事实上,根据调研机构Gartner公司预测,企业将在2018年安装约41亿个物联网设备,到2020年最终达到75亿个。   专家预计,在这一时期内,所有这些开发项目将在全球范围内产生大约44万亿兆字节的额外的物联网数据。这使人们想到了一个核心问题:采用哪种最佳技术架构来解决这一爆炸性增长的数据趋势?这里有三个广泛的选择:本地部署,云计算,或混合架构。其答案始终取决于使用情况。   本地部署的物联网架构   本地部署的物联网架构采用边缘计算,其中在网络边缘处理数据,这个位置最接近数据源头。而根据调研机构IDC的调查,到2019年,45%的物联网设备数据将被存储,处理,并靠近边缘计算。该模式可以提供更小的性能足迹,可以帮助企业对数据进行更多的实时响应。例如,在石油钻井平台上,采用传感器可以检测故障的阀门是否产生火灾隐患。在这种情况下,企业不能承受任何延误。如果数据需要发送到卫星,在数据中心返回到通知关闭阀门之前,其响应时间可能太晚了。但是,随着更快的边缘部署,数据不必远离其数据来源。这可以减少时间延迟,并允许做出关键的决定。   此外,本地部署的架构不依赖互联网连接,如云环境。并且本地部署的架构也受到面临严重数据安全问题的企业的青睐。利用边缘计算的本地体系结构有很多意义。   云端物联网架构   云端物联网架构有利于组织管理大量的连接设备,通过内部和外部数据的组合驱动价值。例如,供应链应用程序可以从理解一个部分相对于整体聚合视图的具体视图而受益。而完整视图之外只有一组数据失去意义。例如,通过单独使用本地部署的架构,就不可能试图为资产构建的每个组件协调供应链。   此外,云计算架构在与其他物联网设备和云系统集成和交互方面提供更大的互操作性。该模型提供了更多的架构灵活性和外部数据源的利用率。云应用程序在生态系统中看到了更多的创新,其部分原因是软件开发人员重点关注大型市场。利用云计算架构的物联网部署可以更有效,因为很多具有技术创新和竞争性的产品已经可用。从本质上说,云计算架构可以使组织能够面对未来的投资回报。   混合的物联网架构   通常最好的方法是高效地结合边缘计算的大型核心数据集的处理,然后在核心处理一组简化的聚合衍生数据。例如,智能城市部署的停车传感器可以处理靠近车位的所有传感器的数据,只提供有关不同车库开放的地点和数量的汇总数据,从而为进入市区的司机提供智能寻找车位的建议。毕竟,每隔几秒就传输所有这些数据的成本可能是很昂贵的,而接近目的地的驾驶人员不一定知道停车场的那些位置是开放的。在这种情况下,采用混合架构是理想的选择。   资产优化的另一个例子是风力涡轮机的应用,风力涡轮机使用传感器在本地部署收集和分析每个涡轮机上的数据,并总体优化其总体性能。在这里,通过许多数据点可以深入了解涡轮机组件的运行状况。每个组件的健康状况汇总在一起提供了风力发电机的状况视图。最后,汇总来自所有风力发电机的数据,为风电场提供可操作的信息。在这样的情况下,应该在网络边缘处理多少数据,而将哪些数据在数据中心处理,这是一个重要考虑的架构。本地部署架构的实时响应以及云计算的全系统访问和可扩展性的组合将会得到最好的发挥。   考虑业务需求   最终,设计考虑可以为物联网系统的数据和处理架构提供知情的选择。要确定什么物联网架构最适合,请查看组织当前和计划的设备,业务目标和场景,相关流程和计划结果的范围。通过可扩展性,性能,带宽经济性和技术创新率的技术考虑评估这些业务需求。   随着物联网设备在工作和生活中的不断普及,企业不仅要考虑业务模式和部署计划,还需要考虑采用什么样的系统架构来实现物联网在其业务中的承诺。

    时间:2020-08-06 关键词: 物联网 传感器 边缘计算

  •  85%大型企业引用混合云,云安全是挑战

    85%大型企业引用混合云,云安全是挑战

      云安全目前有三种形态,传统的厂商云化比如说以前做防火墙,PLP等等,但是客户的环境发生了变化,以前是把机器放到IDC,现在很多人放到了云里面,以前的防火墙是硬件的防火墙,但是硬件的防火墙放到云里面没有地方放,出现了虚拟防火墙,可以部署在虚拟里面,叫传统设备云化,这里面有很多国内外的厂商去做这样的尝试,比如说现在在阿里云上面可以看到很多扫描器或者是这种主机上面的HAPS,这些都是传统设备放到云上之后一种应用的场景。   第二种比较常见的是云服务商自建,大家知道基本所有的客户考虑上云计算的第一点因素,就是云的安全性,这一点原因导致云服务商大力关注他们自身的安全性,不管是阿里也好,亚马逊也好,他们会额外提供安全的附加服务,比如说WAF等等多种多样,还有专门做云安全的服务商,这个以我们知道创宇云安全为代表,只做云安全,大家区别清云安全和安全云,这是完全两个不同的定义,所谓安全云就是说是一个云的平台是安全的云,云指技术来提供服务,这是本质上的服务。   这三种模式是可以说最常见的一种形态,不分好与坏,只是说现在比较常在的三种形态,我们知道创宇是第三种形态的代表之一,只做云安全,提供服务。作为云安全有多种多样,有做Web安全的,有做情报的,交付各种各样安全服务的。   国际数据公司(IDC)8日在北京发布预测称,到2018年85%以上的大型企业将采用混合云。计算机专家却对“云安全”提出担忧。   混合云融合公有云和私有云,是近年来云计算的主要模式和发展方向。IDC大中华区企业级研究总监周震刚说,调研数字显示,2016年至2017年,用户在公有云和私有云上的支出将超过购买服务器等传统信息技术支出。   IDC预测,到2018年时全球的行业云数量将超过450个,是现在的三倍以上;到2019年时43%的物联网数据将由边缘计算设备进行预处理,这将减轻服务器端的计算压力;到2020年时,80%的“世界500强”企业将通过行业云向客户提供数字服务。   “云计算市场的未来前景非常好。”周震刚将这个未来称为“云计算2.0时代”,他认为时代特点在于云计算资源将集中于几个平台,更多用户将会使用混合云架构。他还提到,人工智能将在云计算平台上广泛应用,并使云数据中心的运营更加有效。   赵有健表示,云数据中心所面临的安全威胁与传统的网络系统安全不同,这体现在云流量不可见,云边界不易划分。他归纳出当前云安全的四大弊端:  业内专家则对“云安全”给予更多关注,清华大学计算机科学与技术系副主任赵有健直言:“如果没有安全,‘云’没有任何生命力。”   首先,没有完备的数据模型来表示数据中心里的计算资源与私有云数据中心之间的信任关系;其次,虚拟机安全计算尚不能完全杜绝数据泄露、数据破坏和资源侵占;第三,目前还没有完备的违法行为检测和取证流程;第四,尚没有完备方法可以对虚拟机和计算平台进行云计算安全评估。   当日,清华大学旗下的高科技企业清华同方与国内企业UnitedStack有云达成了增资控股的并购意向,双方将面向教育、政府、金融、军工等行业市场提供安全、自主可控的云计算综合解决方案。   “国家信息产业需要国家队来保障,同方愿意在这方面作出自己的贡献。”同方股份有限公司首席运营官李健航说。

    时间:2020-08-06 关键词: 物联网 混合云 边缘计算

  • 华为的边缘计算之道:EC-IoT加速行业数字化变革

    华为的边缘计算之道:EC-IoT加速行业数字化变革

      华为   华为技术有限公司是一家生产销售通信设备的民营通信科技公司,于1987年正式注册成立,总部位于中国深圳市龙岗区坂田华为基地。   华为是全球领先的信息与通信技术(ICT)解决方案供应商,专注于ICT领域,坚持稳健经营、持续创新、开放合作,在电信运营商、企业、终端和云计算等领域构筑了端到端的解决方案优势,为运营商客户、企业客户和消费者提供有竞争力的ICT解决方案、产品和服务,并致力于使能未来信息社会、构建更美好的全联接世界。2013年,华为首超全球第一大电信设备商爱立信,排名《财富》世界500强第315位。   边缘计算   边缘计算是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间,或处于物理实体的顶端。而云端计算,仍然可以访问边缘计算的历史数据。   EC-IoT   华为为EC-IoT合作伙伴提供完整的开发测试指导,便于合作伙伴基于边缘计算和云管理的开放能力,自主开发创新应用,实现全流程的产业服务及商业模式创新,引领行业数字化转型,释放产业创新巨大潜能。   EC-IoT是基于边缘计算构建的物联网解决方案,通过提供开放的边缘计算能力和云管理能力与合作伙伴开放集成。      边缘计算能力开放主要基于边缘计算网关开放的容器/VM等平台,客户基于基础服务API开发自定义APP,并实现在边缘计算网关的灵活部署,就近提供智能联接和数据处理业务,让不同类型的应用和数据在网络边缘处理,实现业务实时、业务智能、数据聚合与互操作、安全与隐私保护等关键智能服务,有效提升业务的智能决策效率。   云管理能力的开放通过开放北向接口,提供丰富的开放接口和通用协议与不同合作伙伴的行业应用系统开放对接,构建广泛的行业适应性,开发更多契合行业场景,深度定制化物联网应用。   华为的边缘计算之道:EC-IoT加速行业数字化变革   16年年底,由华为、英特尔、ARM、中科院沈阳自动化所、软通动力等六家单位联合发起的边缘计算产业联盟(ECC)正式成立。在2017华为全联接大会上,华为网络研发部总裁,边缘计算联盟副理事长刘少伟表示,目前联盟已经扩大到116家单位,边缘计算也从集中于在行业数字化扩散到公有云服务,成为当下业界最热的几个话题之一。   刘少伟认为,边缘计算火热背后的价值在于架起IT和OT的桥梁。   “过去的IT技术所带来的是一个虚拟世界,而传统的OT厂商所涉及的OT领域是个物理世界。物理世界受限于位置、距离、供电、体积、空间等非常多的限制,如果希望变得智能化,向数字化转型,就需要把虚拟世界的技术拿过来。而边缘计算就是其中最重要的节点和桥梁,连通虚拟世界和物理世界之间的沟壑。”   在谈到在边缘计算上的进展时,刘少伟表示,华为目前正在做面向中国和欧洲的TSN工业现场网络测试床,以及边缘计算开发测试云,并在工业无线、数据集成、SDN、安全等关键领域展开技术布局,将持续地投入技术研究。      华为网络研发部总裁,边缘计算联盟副理事长刘少伟   EC-IoT实践:威派格与华为联手构建智慧水务   在此次沟通会上,上海威派格智慧水务股份有限公司作为用户代表,介绍了与华为在边缘计算上的合作成果。   据悉,威派格与华为联手打造基于EC-IoT的智慧水务解决方案,以“深度开放边缘计算+云管理”,构建了智慧水务行业物联网。   “从2012年开始,我们开始尝试向物联网化、平台化转型,把传统设备和老旧设备进行物联网化改造和管理,不光针对小区的设备,还涉及了整个城市的加压泵站、水厂、管网、水质在线监测。目前,经过一系列向工业物联网的战略投入,我们也从传统的制造业变成了水务行业的科技型物联网企业。”上海威派格智慧水务股份有限公司副总经理杨峰表示。   从传统水务向智慧水务转型的过程中,威派格所面临最大的困难是各种传统仪器仪表如何实现数据标准化和数据整合。   “不同的水表厂都会各自搭建自己的软件,采集自己标准的数据,光在这个层面上就形成了数据烟囱。还有像水质分析仪、流量计等各种各样的仪器仪表,做的都不一样。幸好,与华为合作的边缘网关帮助我们解决了这一痛点,实现了东西向的打通。现在,上传的数据完全是按照威派格定义好的标准数据,从底层就开始数据的标准化,再到上层解析,数据管理就变得非常容易。”      上海威派格智慧水务股份有限公司副总经理杨峰   此外,EC-IoT还解决了智慧水务中水表的故障诊断难题。   “水表故障诊断所面临的问题是,如果把所有的设备数据都上传到云端再进行分析的话,解析时间会比较长,成本也会比较高。由于海量的数据都要上传到云端,也对网络提出了很高的要求。利用边缘计算,现在尽量把分析和计算放在边缘层,分析完故障后,再把故障结果上传,云端存储的数据量就非常小。”   在万物互联时代,安全态势将更为严峻,而对于智慧水务来说,如何灵活构建安全策略是另一大关键。   “目前传统的解决方案在安全策略构建上不够灵活,尤其在异构化的网络下,如何保障从云端到设备终端的安全?这时,边缘网关EC-IoT就发挥了它的价值,把很多安全策略植入里面,跟底层形成互动,实现安全的下控。”   可以看到,在智慧水务领域,EC-IoT承担起了不可或缺的角色,从安全、连接、故障诊断,把整个城市所有跟供水相关的包括水厂制水、管网输配水、龙头终端的加压设备,以及水质在线监测,这些数据全部整合在一起,在云端对数据完成分析、应用和管理。   “如果没有这样一个强有力的边缘网关做支撑,那我们面临的会是异构化的底层,不管是在故障诊断还是数据解析上,都存在很多的障碍。接下来,威派格还在继续与华为紧密合作,在整个行业继续深入推广这些应用成果。也许在未来,只要你拧开水龙头用水,就会涉及到我们的合作成果。” 杨峰指出。

    时间:2020-08-05 关键词: 华为 数字化 边缘计算

  • Intel发布AI计算盒:一站式解决方案

    Intel发布AI计算盒:一站式解决方案

    近日,Intel推出了一款全新的“Intel AI计算盒参考设计”,一个包括硬件平台、软件开发工具、实用案例一站式解决方案。 此外,同时公布了Intel中国AI生态合作伙伴算法方案集萃,主要面向视觉技术领域、智能边缘市场,适用于城市管理、零售、工业、教育等不同行业的智能化升级。 AI人工智能、ML深度学习是当下最火爆的话题之一,也是最有前景的应用领域之一。市调机构麦肯锡预测,到2030年,AI有望带来13万亿美元的商业机会。 同时,随着汽车、互联网、教育等各行各业对于视频数据分析需求的激增,智能与边缘计算也在借助AI与视觉技术快速融合,货架分析、文本识别、热力图、车辆检测识别、缺陷检测等应用场景从中获益匪浅。 而这一切,都需要强大的算力作为基础支撑,而随着行业形势的变化,无论本地计算还是云计算,都无法完全满足需求,边缘计算得以迅速崛起,Intel也从中看到了巨大的发展机遇,一个新的智能边缘时代正在到来。 在Intel看来,AI如果要在边缘应用上获得成功,有三个基本的要素:最核心的就是算力,高性能、低成本的运算模式必须有硬件平台支撑;第二,要有相应的算法,而且要与生活和应用结合,才可以真正落地到边缘计算;第三,需要生态合作伙伴,把算力算法做成解决方案,投入到实际应用中。 为此,Intel不久前提出了全新的物联网战略,包含三个组成部分:第一,为物联网定制高性能的计算、加速芯片;第二,促进边缘计算负载整合的技术发展方向,抓住网络、器件边缘计算的良好机遇;第三,专注于计算机视觉。 为实现上述战略,Intel在开发者工具和生态环境方面进行了大量的投入, AI计算盒参考设计就是Intel在中国本土的又一次尝试,重点发展能力型合作伙伴,协调生态关系,实现真正的智能边缘进化,并凭借产品领导力、创新方案推动力、生态构建力推动智能边缘、AI、5G的融合创新。 针对边缘计算不同应用场景对算力需求的灵活多变,以及使用不同神经网络模型的特点,Intel AI计算盒搭配了一系列软硬件的组合,可帮助开发人员、客户灵活选择,优化部署,缩短开发时间及成本,支持多元的计算需求和不同的应用场景。 在硬件层面,Intel AI计算盒基于Intel高性能CPU、核显CPU、x86架构算力,确保完全兼容多样化的企业级应用软件,同时可提供凌动、酷睿、至强等不同的处理器选择,方便控制功耗和成本,还能提供提供VPU为AI加速的多种搭配方案,扩展灵活。 在软件层面,Intel提供了一个完整的软件栈,以加速智能边缘的开发。 在底层,AI计算盒拥有针对Intel硬件优化的底层库,以提升性能,包括媒体处理Media SDK、深度学习推理工具 OpenVINO工具套件、算法库、算子级优化的库和编程接口。 在此之上,AI计算盒还支持G-streamer、 FFMPEG等不同的媒体框架,并提供IPC输入、解码/VPP、转码、RAID存储、视频分析、拼接/显示、特征匹配等基于视频场景优化的管道,更易于使用和集成。 而在应用层,AI计算盒还可提供接近实际应用的参考示例,从而实现快速原型开发,缩短上市时间。 本次发布会上,Intel还携手小钴科技、科沃斯、云图睿视等十余家合作伙伴,共同打造了“Intel AI生态合作伙伴算法方案集萃”,包括15家伙伴的60多种算法,全面展现了智能边缘在市场与技术方面的发展趋势,可以开阔开发者的思路,建立自己的解决方案,加速AI部署。 有了这套算法方案集萃,在算法层面,SV(软件开发商)可对不同应用场景的软件、算法进行快速定制和场景化,加速整个产品定义、算法研发、AIoT整体解决方案的落地速度。 此外,Intel还与ODM/OEM、SI厂商合力,在目标检测、活体检测、缺陷检测、视频结构化等多方面深度合作,共同驱动智慧商超、智慧城市、智慧医疗、智能检测等多领域的创新发展。 据了解,Intel还将继续推进物联网合作伙伴计划,推出从原型到生产加速智能边缘的解决方案,共建AI-on-IA生态。

    时间:2020-08-04 关键词: Intel 人工智能 cpu处理器 边缘计算

  • 物联网下一个阶段的突破点,边缘计算和人工智能必不可少

    物联网下一个阶段的突破点,边缘计算和人工智能必不可少

      在物联网的发展过程中,人工智能会是必要的技术,边缘计算技术的也不可或缺,早在之前英特尔就已经把人工智能运用在边缘计算领域。英特尔认为只有两者的共同发展,物联网才可以迎来新机。   在去年的这个时候,由华为、英特尔、ARM 等在内的6家业内最顶尖企业或组织在北京成立了“边缘计算联盟”。据介绍,历经短短一年的发展现已拥有154家成员单位,包括来自智能制造、智慧城市、能源电力和ICT行业的领军企业,以及相关领域研究院所和大专院校。   “从我对整个技术趋势判断来看,物联网的发展有两个非常重要点:一个是边缘计算,另一个是人工智能。我们认为这两方面相互之间的协同会推动整个物联网技术今后快速的发展,最终实现物联网发展的三个阶段,从互联到智能,从智能到自治。”这是今年11月30日,在第二届边缘计算产业峰会上,英特尔中国区物联网事业部首席技术官张宇对记者表达的观点。   也是在去年的这个时候,由华为、英特尔、ARM 等在内的6家业内最顶尖企业或组织在北京成立了“边缘计算联盟”。据介绍,历经短短一年的发展现已拥有154家成员单位,包括来自智能制造、智慧城市、能源电力和ICT行业的领军企业,以及相关领域研究院所和大专院校。   “边缘计算”顾名思义就是强调本地和终端侧的计算能力。其实更早之前,产业界认为未来的技术都将在云端进行,终端侧更多承担采集与传输数据的功能。不过,最近两年大家再次意识到,终端侧依然是需要足够强和高效的计算才能实现真正的智能化。   也正是看到了一点,华为、英特尔、ARM 等业内领导者功能发起成立“边缘计算联盟”。各自根据分工分别分担行业应用域、数据域、网络链接、传感、芯片、工业制造。这其中英特尔作为核心成员,是其中唯一具备端到端的整体解决方案商在联盟中的角色十分关键。   在此次峰会上,英特尔展示了过去一年的主要成果。其中,最引人关注的产品之一是英特尔联合沈阳自动化研究所展示边缘计算测试床——智能机器人。据悉,这台机器人目的是验证基于深度学习的机器视觉方案在实际系统中的工作效果。该系统由英特尔® 实感™ 技术实现3D 视频采集,基于英特尔至强平台完成物体的检测与识别,结果将控制机器人的手臂完成物体抓取的操作。   这个方案中可以看出,目前英特尔已经将人工智能技术运用到边缘计算领域。而边缘计算+ 人工智能也是本次大会讨论的热点。   在峰会主题演中,英特尔中国区物联网事业部首席技术官张宇博士专门就网络边缘实现智能化做了讲解。他表示,网络边缘实现智能化是驾驭数据洪流的关键环节之一,也是物联网未来发展的重要趋势。而随着人工智能如火如荼的发展,海量数据需要快速有效地分析和提取洞察,这也大大加强了对于边缘计算的需求。   在说道公司的优势时,张宇表示,英特尔是可以提供了端到端的、业界领先的人工智能全栈解决方案,包括:涵盖至强处理器、至强融核处理器、英特尔®Nervana™神经网络处理器和FPGA、网络以及存储技术等领先而完整的硬件平台,以及多种软件工具及函数库,优化开源框架。值得一提的是,对于边缘计算而言如何平衡功耗和计算力所面临的一大挑战,凭借Movidius领先的单瓦计算能力,英特尔可以为业界提供低功耗、高性能的边缘计算解决方案。   相比PC 市场的统一化方案,物联网的形态千奇百怪,而且涉及各行各业。细分与垂直是才是解决问题的策略。在英特尔看来,边缘计算与人工智能技术也要根据不同行业的特点进行优化。   目前英特尔物联网部门在中国关注的重点在安防和监控、零售、交通、工业这四大领域。根据不同行业特点,英特尔也推出不同方案。例如,安防和监控领域海康、大华等厂商都引入了英特尔的Movidius的产品,可以在前端做实时的人脸检测、人流检测。   张宇表示,人工智能是一个比较通用的技术,但是真正用到垂直行业时,每个垂直行业都有自己特定的需求,因为使用场景不一样,需要检测的物体特征不一样,所以这里就会有一些专用的算法,它们针对用户场景专门进行相关优化。而英特尔除了提供通用芯片外,还在很多垂直行业领域和合作伙伴一起根据特定的垂直行业的需求开发一些新的技术。   从本届边缘计算产业峰会上看,英特尔所提出边缘计算叠加人工智能已经成为产业界的一个共识,通过亮相技术的结合,将会为各种细分垂直行业提供真正有差异化价值的产品,这也将加速物联网智能时代的到来。

    时间:2020-08-04 关键词: 物联网 人工智能 边缘计算

首页  上一页  1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章

技术子站

更多

项目外包