开源实践联盟通信 2021年 09月25日

边缘计算5大典型应用场景

企业该在哪里使用边缘计算、又该如何使用边缘计算?在本文中,专家们将从常见的边缘计算应用场景出发,聊聊从预测设备故障到改进远程办公体验的那些事儿。

全球咨询公司Bain & Company指出,COVID-19疫情带来的远程办公转变有望推动边缘计算的快速普及,这是因为“流量模式的急剧变化暴露出原有网络基础设施的致命弱点,企业也因此更加坚定技术投入的决心。”

但在行动之前,IT领导者需要首先了解边缘计算对企业的价值所在。

要部署新兴技术,最重要的是找到理想的业务案例。在企业考量边缘计算投资时,也应结合自身业务实际寻求更具针对性的高价值应用场景。

IDC全球基础设施实践研究总监Dave McCarthy表示,“边缘计算的多样性,直接决定着边缘计算解决方案的多样性。”例如,涉及无线连接物联网设备的边缘计算应用场景,可能需要通信服务商提供多接入边缘计算(MEC)网络解决方案,确保为边缘节点用户提供必要的服务与计算功能。另一方面,关注重工业应用场景的企业,则更重视现场边缘计算解决方案的部署需求。

虽然多数企业还没有准备好大规模部署边缘计算,但或多或少在为后续的成功实施进行规划。McCarthy指出,“我看到很多企业将基础设施现代化作为边缘计算的第一步,也就是从远程或分支机构处着眼,并使用软件定义基础设施及云原生工作负载替换旧有系统。这一切将为新的边缘计算应用场景提供必要基础。”

数字化转型与边缘计算的融合前沿

已经完成基础设施现代化的企业则开始向数字化转型迈进,这些计划同样受益于边缘位置生成的实时数据。

管理咨询与研究公司Everest Group副总裁Yugal Joshi表示,与其他一些单纯靠需求驱动的企业技术领域不同,边缘计算的应用场景迄今为止仍主要由供应商所主导。Joshi指出,“随着技术供应商的持续创新,边缘计算的应用场景在不断发展。随着硬件、软件与云供应商构建起更合适、可持续且可靠的边缘功能,种种新兴应用场景正不断涌现。”

正如Red Hat云平台团队洞见总监Stu Miniman所言,“如果有人还在争论混合云和多云谁更胜一筹,边缘计算的普及已经基本给出了答案——着眼于数据与应用程序的所在位置,它们未来会出现在许多不同的地点。在与电信企业、公有云服务商或者其他典型企业客户沟通时,各方对于边缘计算的讨论思路往往大相径庭。在谈到Kubernetes与云原生生态系统时,各类技术驱动解决方案都在争夺话语权并努力攫取市场收益。虽然电信巨头已经将他们的NFV(网络功能虚拟化)解决方案引入边缘计算讨论,但企业客户也有很多其他选择。边缘计算将成为整体分布式混合环境中的重要组成部分,用户则需要与供应商紧密合作、确保边缘计算不致沦为仅仅承载特定技能集合的技术孤岛。”Joshi指出,“边缘计算的基本原理并没有太大变化,其中的关键问题在于降低延迟并减少网络传输流量。”

企业目前主要向哪些方向投资边缘计算?下面来看看五大典型应用场景。

场景一 预测性维护

Joshi提到,预测性维护用例已经表现得相当强劲。高价值资产一旦发生故障,往往会给企业带来巨大损失;在这方面,边缘计算解决方案显得特别受欢迎。在全球石油与天然气行业,管道数字化与边缘数据/分析的专业知识开始结合,帮助企业主动管理管道、解决缺陷并预防故障。

以往需要数周才能完成的结果与报告,现在可以在几秒钟内实现交付。在石油与天然气行业中,钻探管道故障可能会引发高昂的财务与环境成本。另外,长期腐蚀还会造成严重的环境问题。结合现场数据(来自摄像头)与过往经验,采用边缘计算与机器学习分析系统能够提醒操作员关注可能发生的潜在故障。

场景二 远程劳动力支持

新冠疫情导致各类企业迅速转向远程办公,员工开始广泛分散在不同地区、国家甚至全球各地。这类场景,也成为边缘计算的另一种完美用例。

CompTIA公司技术分析高级总监Seth Robinson表示,“远程办公热潮正是应用边缘计算的良好场景。”随着企业中的远程员工们更多分布在广泛的地理区域内,企业自然需要考虑这些员工如何访问业务系统。采用包括边缘计算在内的相应新兴方案,有望在提高生产力的同时增强系统弹性。

正如Frost & Sullivan在报告中提到,“企业正根据疫情压力下的现实因素重新评估长期网络需求,边缘计算已经成为网络架构中的必要支柱,用于维护良好的分布态势并高效利用网络边缘中不断增加的设备与传感器终端。”

边缘计算具有独特的优势,并在支持分布式劳动力方面带来突出的实践价值,具体包括减少跨网络移动的数据总量、增强计算灵活性与密度、降低数据延迟并解决由数据地理定位决定的监管要求等。

场景三 零售/商业优化

Joshi表示,电子商务优化是另一个广受关注的领域。随着更多B2C与B2B组织在新冠疫情压力之下拓展数字销售能力,边缘计算能够带来更低的延迟与更好的可扩展性。这一点在需求剧烈波动时体现得尤其明显。同样的,实体零售商在诸多方面感受到了将边缘计算与物联网相结合带来的巨大价值,具体应用场景包括库存管理、客户体验、非接触式结账与不见面配送、需求感知以及仓库管理等等。

场景四 联邦学习

SAS公司物联网副总裁Jason Mann解释道,“将AI技术嵌入至物联网端点、网关及其他设备时,边缘AI也将就此诞生。”从智能手机与智能扬声器、到汽车传感器、再到安保摄像头,边缘AI将为各类物联网装置提供功能支持。

根据IDC公司McCarthy的介绍,AI已经成为边缘计算领域“最常见的工作负载”。

Joshi表示,“现在使用边缘计算配合AI推动联邦学习也是个大热点。”联邦学习是一类AI框架,其模型开发被分布在数百万台移动设备之上。联邦学习有望成为基于物联网的智能应用方案的重要前提。正如Airtel公司首席数据科学家Santanu Bhattacharya博士在博文中给出的解释:模型开发、训练与评估完全在边缘设备上进行,其无法直接访问或标记原始用户数据,因此能够在使用真实数据训练/重新训练模型的同时保持数据隐私。

场景五 医疗创新

在新冠疫情爆发之前,医疗保健行业中的边缘计算投资已经有所增加;而疫情的来临推动更多医疗机构采取远程医疗与医疗设备转移等方式对患者进行居家观察。结合媒体的先前报道,不少新型医疗方案的实现都离不开边缘计算强有力的延迟控制支持。在生死攸关的时刻,医疗机构得以在本地存储并处理数据,而不再依赖于集中式云服务。如此一来,临床医师就能更直接地访问重要医疗数据(例如MRI或CT扫描结果),或者提取来自救护车或急诊室的信息,更快开展诊断与治疗。

《数字化转型方略》杂志 《数字化转型方略》杂志