边缘计算解决的难题有哪些?

  最早了解边缘计算,是2012年在IBM的物联网生态图中看到的7层技术架构中包含一层边缘计算(Edge Computing),当时虽然不理解什么是边缘计算,但也开始关注边缘计算。

  在物联网发展早期,无疑云计算受到广泛的关注,在单纯利用云计算的智能遇到一些问题之后,行业才意识到边缘计算的重要性。所以在2016年底,才有了边缘计算联盟的成立。

  

边缘计算解决的难题有哪些?

 

  边缘计算需要明确行业范围

  最近研究了一下边缘计算产业联盟白皮书,发现边缘计算产业联盟对行业范围非常不明确!在白皮书中,提到的行业相关的内容有以下几段:

  今天,我们从航空业的预测性维护、公共事业领域的电梯智能运营、能源行业的智能抄表和物流行业的全流程跟踪等行业数字化应用中,可以深刻感受到:“物”的智能互联将无所不在,制造、能源、公共事业、交通、健康、农业等行业都将受到影响并发生深刻改变。当前以中国制造2025、北美的工业互联网和欧洲的工业4.0位代表的产业规划于实时正式这一趋势的直接体现。

  预测性维护、能效管理、智能制造是比较典型的行业应用场景。

  如果从物联网生态而言,边缘计算属于物联网技术的一层的话,边缘计算应用的行业范围应该与物联网的一致。而物联网既包括ToB场景,也包括ToC场景。边缘计算联盟的行业范围,没有明确表述,但举的范例集中在ToB场景,而没有一个ToC场景,这样容易让人误解边缘计算仅仅是ToB场景。

  

边缘计算解决的难题有哪些?

 

  其实ToC的场景有很多也需要边缘计算:

  智能家居行业:家中有非常多的智能家居的设备,智能家居不同产品之间互动场景的定义,需要边缘计算。这个边缘计算或者是个网关、或者是个中控系统,设备之间的互联互通、场景控制需要通过云计算与边缘计算协同。

  可穿戴设备:未来可穿戴设备大规模普及,每个人可能随身携带几个或者几十个可穿戴的设备,这些可穿戴设备之间是否需要联动?什么设备做这些设备的联动?如何让这些可穿戴设备协同?以每个人为中心的场景也需要边缘计算。

  车联网:每部车上都有大量的设备,汽车设备之间的协同,车与其他车之间的协同,车与人的协同;也需要通过边缘计算实现。

  我建议边缘计算联盟在定义边缘计算的时候,一方面要完善边缘计算应用行业,另外一方面也需要阐述一下与物联网的关系。

  边缘计算需要解决的痛点需要更加具体

  在边缘计算联盟白皮书中,有如下描述:

  在行业数字化转型的趋势下,智能互联的网络边缘侧面临如下挑战:

  联接的海量与异构

  业务的实时性

  应用的智能性

  数据的优化

  安全与隐私保护

  其实白皮书提到的边缘侧面临的挑战还需要进一步归纳整理,并具体化。

  比如联接的海量与异构:对工业而言网络运维管理、灵活扩展和可靠性保障是巨大难点。

  但对于家居和可穿戴设备而言,如果一个没有IT背景的人,使用了智能家居系统之后,再买一个设备,这个设备如何融入到智能家居系统中?

  如果智能家居的边缘计算可以实现:新买的这个系统装到家里,插上电,就可以使用,不需要用户配置网络,不需要用户配置场景。这个能够实现吗?而要实现这个功能,边缘计算需要解决以下的难题:

  1、网络自动链接;

  2、设备联网后,设备知道设备自己的属性,根据属性,可以寻找到周围可以共同搭建场景的设备;

  3、需要自动感知与自身配合的设备的位置,并根据位置配置场景;

  4、新设备通过智能学习实现场景配置的迭代。