在大約30年前，當(dāng)互聯(lián)網(wǎng)進(jìn)入一個(gè)毫無防備的世界時(shí)，即使是發(fā)明家蒂姆·伯納斯·李和他在歐洲核子研究中心的同事也無法預(yù)測到隨之而來的巨變。這是自工業(yè)革命以來最偉大的技術(shù)革命?，F(xiàn)在一切又重新開始了。云、物聯(lián)網(wǎng)和人工智能的結(jié)合，正在同等程度地推動(dòng)機(jī)遇和威脅。組織內(nèi)部做出的決定將在未來幾年產(chǎn)生影響。物聯(lián)網(wǎng)-云計(jì)算連接到更廣泛的云后端的方式，以及人工智能跨整個(gè)處理鏈的集成方式，將是開啟材料創(chuàng)新和價(jià)值之門的關(guān)鍵。
在經(jīng)過多年的合理化和基礎(chǔ)設(shè)施投資擴(kuò)張之后，物聯(lián)網(wǎng)代表著電信公司的一個(gè)轉(zhuǎn)折點(diǎn)。電信公司是移動(dòng)網(wǎng)絡(luò)，其核心是將交付新的物聯(lián)網(wǎng)產(chǎn)品。一段時(shí)間以來，該領(lǐng)域的創(chuàng)新一直受到領(lǐng)先的web服務(wù)和平臺(tái)提供商、提供跨IP網(wǎng)絡(luò)通信和流媒體服務(wù)的全球OTT播放器以及更具創(chuàng)新性的硬件和應(yīng)用程序開發(fā)人員的推動(dòng)。從廣義上說，電信公司還沒有將網(wǎng)絡(luò)上的數(shù)據(jù)服務(wù)貨幣化到他們所希望的程度。在平臺(tái)和物聯(lián)網(wǎng)設(shè)備之間扮演鏈接的角色，如果它們能夠快速而智能地執(zhí)行，就有可能改變這一切。對很多人來說，這意味著要擺脫傳統(tǒng)的官僚作風(fēng)，表現(xiàn)得更像OTT選手自己。
隨著5G的出現(xiàn)，電信運(yùn)營商可以將網(wǎng)絡(luò)嵌入整個(gè)處理鏈，實(shí)現(xiàn)云與邊緣的融合。這將需要與后端存儲(chǔ)和分析平臺(tái)以及邊緣計(jì)算和邊緣硬件開發(fā)人員合作。如果成功，這些網(wǎng)絡(luò)將把自己定位為創(chuàng)新中心。物聯(lián)網(wǎng)設(shè)備往往不會(huì)因?yàn)楦W亮的模型而受到?jīng)_擊。如果這些物聯(lián)網(wǎng)設(shè)備提供由網(wǎng)絡(luò)架構(gòu)的服務(wù)，連接到云分析和存儲(chǔ)平臺(tái)，那么，如此偏向蘋果和谷歌等公司的現(xiàn)狀可能會(huì)重新平衡。
云與邊緣計(jì)算
就在不久以前，云技術(shù)似乎還不具備創(chuàng)新性。思科全球云指數(shù)預(yù)測，到2021年，云處理的市場份額將達(dá)到94%，遠(yuǎn)遠(yuǎn)落后于傳統(tǒng)的數(shù)據(jù)中心。從2016年到2021年，云IP流量將以27%的年復(fù)合增長率增長。Gartner預(yù)計(jì)，總體而言，到2023年，云計(jì)算將占企業(yè)IT主要領(lǐng)域支出的28%，高于今年的19%，達(dá)到約1.3萬億美元。微軟的Azure業(yè)務(wù)部門僅次于市場領(lǐng)頭羊AWS，目前已連續(xù)12個(gè)季度實(shí)現(xiàn)收入增長，增幅通常為90%或更高，不過最近一段時(shí)間“僅”增長了76%。
隨著云計(jì)算和基于云的人工智能的集中化和虛擬化速度的加快，物聯(lián)網(wǎng)現(xiàn)在也開始分散和碎片化，因?yàn)樗鼘⒏傁嗦?lián)網(wǎng)數(shù)十億物理設(shè)備，使生活變得更容易、更自動(dòng)化。IHS Markit預(yù)計(jì)，到2030年，這類設(shè)備將達(dá)到1250億部，高于去年的270億部。英特爾預(yù)測，到2025年，物聯(lián)網(wǎng)技術(shù)的價(jià)值將高達(dá)6萬億美元。埃森哲估計(jì)，正是這種對工業(yè)的影響，到2030年可能為全球經(jīng)濟(jì)增加14萬億美元。他們將物聯(lián)網(wǎng)(物聯(lián)網(wǎng))的制造業(yè)和工業(yè)流程份額描述為“未來10年生產(chǎn)率和增長的最大驅(qū)動(dòng)力。”加速占世界產(chǎn)出近三分之二的行業(yè)的再創(chuàng)造。“物聯(lián)網(wǎng)的各種形式將推動(dòng)數(shù)據(jù)傳輸?shù)哪暝鲩L率從25%提高到50%。”它還將把處理從云轉(zhuǎn)移到邊緣。數(shù)據(jù)太多了，太不加選擇，太集中了，而且需要太長時(shí)間才能訪問。Accenture 2018年科技展望報(bào)告顯示，這種“思維互聯(lián)網(wǎng)”將智能從云端延伸到了邊緣。為了充分實(shí)現(xiàn)實(shí)時(shí)智能，企業(yè)必須將事件驅(qū)動(dòng)的分析和決策處理轉(zhuǎn)移到更接近交互和數(shù)據(jù)生成點(diǎn)的位置。在現(xiàn)實(shí)世界中傳遞情報(bào)意味著更接近網(wǎng)絡(luò)的邊緣。
不過，最重要的是，云與邊緣之爭將由人工智能的必要性決定。向云計(jì)算的轉(zhuǎn)變擴(kuò)大了大數(shù)據(jù)的覆蓋范圍，但它真正的遺產(chǎn)是人工智能的第一階段:更智能的搜索、機(jī)器學(xué)習(xí)和自然語言處理。斯蒂芬·霍金教授談到人工智能時(shí)說:“我們生活的方方面面都將被改變。”簡而言之，人工智能的成功創(chuàng)造可能是人類文明史上最大的事件。“毫無疑問，人工智能將對世界產(chǎn)生巨大的經(jīng)濟(jì)影響。埃森哲咨詢公司表示:“人工智能可能在2035年前將年經(jīng)濟(jì)增長率(基線)提高一倍，改變工作的性質(zhì)，并在人與機(jī)器之間建立一種新的關(guān)系。”
因此很明顯，云計(jì)算正在向邊緣移動(dòng);但把這看作是一種再分配，而不是一種反思。人工智能驅(qū)動(dòng)的云邊緣架構(gòu)正在找到平衡。任何處于邊緣的設(shè)備或應(yīng)用程序都無法與云的數(shù)據(jù)存儲(chǔ)和處理能力相競爭。但人工智能依賴于數(shù)據(jù)。越來越多的數(shù)據(jù)意味著越來越多的延遲。延遲和連接彈性與帶寬使用一樣，推動(dòng)了向邊緣處理的轉(zhuǎn)變。今年早些時(shí)候，《經(jīng)濟(jì)學(xué)人》的一篇文章指出:“計(jì)算將成為一場日益變化的盛宴。處理將在任何給定應(yīng)用程序的最佳位置進(jìn)行。”人工智能要想蓬勃發(fā)展，就需要云計(jì)算和以智能物聯(lián)網(wǎng)設(shè)備形式出現(xiàn)的智能邊緣計(jì)算。這將推動(dòng)云和邊緣的融合，而不是相互依賴。”
云與邊緣計(jì)算的融合
如果云與邊緣物聯(lián)網(wǎng)融合是解決方案，那么當(dāng)實(shí)時(shí)分析的復(fù)雜性超出了邊緣物聯(lián)網(wǎng)設(shè)備有限的處理能力，而數(shù)據(jù)量又太多，無法上傳到云端時(shí)，會(huì)發(fā)生什么情況呢?如果所分析的數(shù)據(jù)不能按需立即共享，傳感器網(wǎng)絡(luò)如何協(xié)同工作?人們?nèi)绾文軌蛟诓辉L問機(jī)器推斷所使用的實(shí)際數(shù)據(jù)的情況下進(jìn)行實(shí)時(shí)決策呢?那么不同類型的設(shè)備在邊緣能力上的不可避免的變化又是怎樣的呢?簡而言之，這些就是將人工智能應(yīng)用于低延遲實(shí)時(shí)視頻分析的現(xiàn)實(shí)挑戰(zhàn)。而視頻就是一個(gè)典型的例子，用來探索云到人工智能邊緣的架構(gòu)。
視頻分析支撐著人工智能的許多重要應(yīng)用。自動(dòng)駕駛汽車，機(jī)器人，智慧城市，安全，國防。視頻已經(jīng)占了娛樂下行流量的90%，隨著攝像頭通過蜂窩連接將內(nèi)容上行，視頻將嚴(yán)重挑戰(zhàn)網(wǎng)絡(luò)性能。實(shí)時(shí)視頻監(jiān)控的安全性尤其如此。這里的挑戰(zhàn)是保持低延遲的高分辨率。高分辨率的分析。攝像機(jī)控制和實(shí)時(shí)態(tài)勢感知的低延遲。在物聯(lián)網(wǎng)攝像頭、轉(zhuǎn)向云視頻平臺(tái)以及人工智能分析(包括面部識(shí)別、對象分類和行為分析)的快速增長的推動(dòng)下，未來4年安全及監(jiān)控視頻流量將增長7倍。
除了帶寬限制，云存儲(chǔ)實(shí)際上還有一個(gè)限制。全球目前部署的閉路電視攝像頭(大部分是SD)在一年之內(nèi)拍攝的視頻，超過了目前全球數(shù)據(jù)中心的存儲(chǔ)能力。我們不能流化和存儲(chǔ)所有的數(shù)據(jù)，即使我們想。分析不僅能提供即時(shí)的智能，還能過濾需要存儲(chǔ)的視頻，這些視頻來自可以丟棄的材料。
數(shù)十億的物聯(lián)網(wǎng)設(shè)備中，絕大多數(shù)將是無線設(shè)備，其中相當(dāng)一部分將是移動(dòng)設(shè)備:生物識(shí)別和環(huán)境傳感器、車輛、無人機(jī)、可穿戴設(shè)備和智能設(shè)備。只有蜂窩網(wǎng)絡(luò)提供了連接這些設(shè)備的范圍、彈性、規(guī)模和安全性，而這些網(wǎng)絡(luò)正在進(jìn)行重大的改革。正如NB-IoT在電池壽命和續(xù)航里程方面提供了重大改善一樣，5G提供了更低的延遲和更高的帶寬。兩者都提供了大量的設(shè)備。但無線帶寬永遠(yuǎn)是有限的資源;只有那么多的視頻生成安全攝像頭可以與數(shù)百萬的視頻消費(fèi)智能手機(jī)并行傳輸。好的架構(gòu)和軟件需要考慮無線連接，而在現(xiàn)實(shí)世界中，無線連接并不總是能夠得到保證。
邊緣AI視頻分析
當(dāng)傳輸視頻本身而不是元數(shù)據(jù)或推理時(shí)，視頻命中的主要復(fù)雜性。如果視頻是在設(shè)備上分析的，那么它是可管理的。但如果視頻需要作為實(shí)時(shí)決策樹的一部分進(jìn)行聯(lián)網(wǎng)，那就不一樣了。城市自動(dòng)駕駛汽車和城市戰(zhàn)場可能使用相同的核心視頻分析，但在非常不同的條件下。
從本質(zhì)上講，自動(dòng)駕駛汽車是一個(gè)連通性的蜂巢，接入一個(gè)由信息和數(shù)據(jù)處理組成的云架構(gòu):實(shí)際駕駛條件;需要評估和改進(jìn)的行為和學(xué)習(xí);預(yù)測維修的機(jī)械健康檢查;旅行路線和時(shí)間。對道路及其周圍環(huán)境(包括交通、行人和固定物體)進(jìn)行大量但并非完全基于視頻的處理，必須在汽車本身中進(jìn)行。5G帶來了延遲、帶寬和容量方面的進(jìn)步，這將支持許多新的應(yīng)用程序，包括汽車應(yīng)用程序，但實(shí)時(shí)、安全關(guān)鍵的應(yīng)用程序始終需要在本地執(zhí)行。一輛自動(dòng)駕駛汽車絕對有必要安全高效地完成規(guī)定的旅程。任何在本地或云中執(zhí)行的視頻和其他數(shù)據(jù)的進(jìn)一步處理都是次要的。
在軍事方面，戰(zhàn)地2.0非常不同。在一個(gè)參數(shù)不斷變化和不確定的競技場中，直接的前線決策將是勝利還是失敗。但有一件事是肯定的，現(xiàn)代戰(zhàn)爭將越來越網(wǎng)絡(luò)化和分布式。而戰(zhàn)場，無論是城市還是偏遠(yuǎn)地區(qū)，無論是國外還是國內(nèi)，都不以可靠的互聯(lián)互通而聞名。它們受制于受到破壞的基礎(chǔ)設(shè)施、物理攻擊和網(wǎng)絡(luò)攻擊，并受到大量數(shù)據(jù)過載的影響。戰(zhàn)場物聯(lián)網(wǎng)(IoBT)設(shè)想無限數(shù)量的機(jī)器捕捉無限數(shù)量的數(shù)據(jù)，人工智能做出較低層次的決策，過濾智能以進(jìn)行更廣泛的云處理或更高層次的人類決策。按體積計(jì)算，傳輸?shù)拇蟛糠謹(jǐn)?shù)據(jù)將是視頻:克服帶寬限制和延遲成為IoBT工作的先決條件。
在城市前沿，先進(jìn)的安全城市監(jiān)控介于兩者之間。大量的穩(wěn)態(tài)分析仍然處于前沿，但對于更先進(jìn)的系統(tǒng)來說，確實(shí)需要將實(shí)際的視頻網(wǎng)絡(luò)化，以便進(jìn)行進(jìn)一步的分析，當(dāng)然，還需要進(jìn)行人工審核和更高層次的決策。在對事件的實(shí)時(shí)響應(yīng)中，在執(zhí)法中，在公共安全方面，控制室中的人以及支持他們的云處理需要實(shí)時(shí)訪問關(guān)鍵的可視化數(shù)據(jù)。專用邊緣處理可以過度簡化或固定。隨著系統(tǒng)的學(xué)習(xí)和發(fā)展，它的外圍節(jié)點(diǎn)也應(yīng)該這樣做。這也從集群中釋放了物質(zhì)價(jià)值。
智能分布式架構(gòu)
要為實(shí)時(shí)視頻提供完整的云邊緣架構(gòu)，必須限制實(shí)時(shí)低延遲移動(dòng)所需的數(shù)據(jù)量。處于邊緣的系統(tǒng)應(yīng)該位于可以在線或離線模式操作的分布式體系結(jié)構(gòu)中。分布式體系結(jié)構(gòu)不僅僅是一個(gè)結(jié)構(gòu)，它還需要經(jīng)過實(shí)際驗(yàn)證和適應(yīng)。對于實(shí)時(shí)傳輸和處理，需要對數(shù)據(jù)進(jìn)行集中和調(diào)整。邊緣系統(tǒng)和中央系統(tǒng)需要同步工作?？捎脦捫枰行Ч芾?。
分布式架構(gòu)的一個(gè)例子是邊緣監(jiān)視分析中基于人工智能的人工檢測。在所有與安全和監(jiān)控相關(guān)的分析中，一個(gè)重要的百分比將受益于人類檢測的上升。現(xiàn)場有沒有人，藏著，跑著，爬著，爬著，走著?是否存在由其他因素甚至環(huán)境干擾引起的錯(cuò)誤警報(bào)?可以部署這樣的系統(tǒng)，然后在邊緣進(jìn)行迭代改進(jìn)。但隨著分析技術(shù)的進(jìn)步，“那么”這個(gè)問題會(huì)越來越多地被問到。我們認(rèn)識(shí)這個(gè)人嗎?他們在干什么?是否有不良行為的標(biāo)志?有異常嗎?其中一些要求與更廣泛的體系建立聯(lián)系。讓場景成為一個(gè)擁擠的公共空間，任何分析都會(huì)變得更加復(fù)雜。需要一個(gè)從邊緣到中心的處理鏈來管理工作負(fù)載。然后是集群:一個(gè)由多個(gè)傳感器組成的系統(tǒng)比其各個(gè)部分的總和更有能力。這意味著智能連接。
智能邊緣設(shè)備要想利用大數(shù)據(jù)的力量和規(guī)模，直播視頻需要網(wǎng)絡(luò)之間和網(wǎng)絡(luò)之間的智能連接、實(shí)時(shí)。這是Edge-AI真正的愿景。不是急于用新一代人工智能硅和專用gpu來裝備尖端設(shè)備和傳感器，而沒有考慮到未來的發(fā)展。分布式處理旨在平衡高效的邊緣應(yīng)用程序和容量更高的中心，其構(gòu)建的目的是提供低延遲，支持對實(shí)時(shí)數(shù)據(jù)進(jìn)行瞬間決策。許多物聯(lián)網(wǎng)視頻設(shè)備也將是移動(dòng)的，由于移動(dòng)傳感器的幀與幀之間的場景變化，視頻編解碼器將承受額外的壓力。5G即將到來，但對于網(wǎng)絡(luò)挑戰(zhàn)的規(guī)模而言，它不是萬能藥。服務(wù)質(zhì)量和服務(wù)的廣泛性將是優(yōu)先考慮的問題。解決方案需要容忍擁塞和覆蓋問題。云和edge之間的聯(lián)網(wǎng)必須設(shè)計(jì)為解決方案的體系結(jié)構(gòu)。
每個(gè)云
我們現(xiàn)在處于支持人工智能應(yīng)用的IoT-cloud架構(gòu)開發(fā)的最早期階段。它們中的大多數(shù)都不會(huì)接觸視頻，它們所做的操作將被剪切、分析和處理。然而，在實(shí)時(shí)且不可預(yù)測的應(yīng)用程序(包括安全性、防御和公共安全)中，將需要對核心分布式體系結(jié)構(gòu)進(jìn)行調(diào)整。
有很多關(guān)于人工智能在下一代所能達(dá)到的現(xiàn)實(shí)自主水平的文章?？梢钥隙ǖ氖?，可能性的藝術(shù)依賴于智能連接。邊設(shè)備。優(yōu)勢分析。云。中心應(yīng)用程序和分析。這就是新一波物聯(lián)網(wǎng)業(yè)務(wù)應(yīng)用的架構(gòu)。因此，電信公司在這個(gè)生態(tài)系統(tǒng)中占有獨(dú)特的地位，它將依賴于蜂窩網(wǎng)絡(luò)的質(zhì)量和彈性，同時(shí)也尊重其局限性。
現(xiàn)在一切都取決于執(zhí)行。物聯(lián)網(wǎng)和人工智能領(lǐng)域獎(jiǎng)項(xiàng)的絕對規(guī)模將以前所未有的規(guī)模甄別贏家和輸家，必然會(huì)出現(xiàn)合理化和整合。但對于那些排名靠前的公司來說，它們有可能推出將持續(xù)一代人的粘性收入模式。如果問題是邊緣還是云脊髓按，答案是肯定的。然而接下來的問題是如何做到這一點(diǎn)。
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。