邊緣計算的增長一直是許多行業的熱門話題。智能基礎設施的價值意味著整體運營效率、安全性甚至能提高收益。但是，并非所有工作負載都需要，甚至不應該部署在邊緣。

企業在開發和部署人工智能應用程序時結合使用邊緣計算和云計算。人工智能培訓通常在云端或數據中心進行。當客戶評估在哪里部署 AI 應用進行推理時，他們考慮諸如延遲、帶寬和安全要求等方面。

邊緣計算專為具有低延遲要求的實時、始終在線解決方案量身定制。始終在線的解決方案是傳感器或其他不斷工作或監控其環境的基礎設施。“常開”解決方案的例子包括用于防損的網絡攝像機、用于手術支持的 ERs 中的醫學成像或工廠中的裝配線檢查。許多客戶已經接受了用于 AI 應用的邊緣計算。閱讀他們如何創造更智能、更安全的空間。

當客戶評估他們的人工智能策略和邊緣計算對他們的業務有意義時，他們必須考慮的因素有很多，以確保優化部署。這些考慮因素包括延遲、可擴展性、遠程管理、安全性和恢復能力。

減少延遲

大多數人都熟悉將計算機應用于數據的想法，而不是相反。這有許多優點。其中最重要的是延遲。企業不會浪費時間將數據發送回數據中心或云，而是實時處理數據，并立即生成智能 i NSight 。

例如，部署人工智能防損解決方案的零售商不能等待數秒或更長時間才能從其系統返回響應。他們需要對異常行為發出即時警報，以便能夠立即對其進行標記和處理。類似地，為倉庫設計的 AI 解決方案需要即時響應，以檢測工人何時在錯誤的位置或未佩戴適當的安全設備。

擴展性

創建智能空間通常意味著公司希望在數萬到數千個地點運行人工智能。這種規模的一個主要挑戰是移動和處理信息的云帶寬有限。帶寬上限通常會導致更高的成本和更小的基礎設施。通過邊緣計算解決方案，數據收集和處理在局域網上進行，帶寬與局域網（ LAN ）相連，具有更廣泛的可擴展性。

遠程管理

當擴展到數百個遠程位置時，組織必須解決的關鍵問題之一是如何管理所有邊緣系統。雖然今天一些公司試圖雇傭熟練的員工或承包商來處理邊緣位置的供應和維護，但大多數公司很快意識到他們需要集中管理以擴大規模。邊緣管理解決方案使 it 能夠輕松地提供邊緣系統、部署 AI 軟件和管理所需的持續更新。

安全性

與數據中心的傳統安全策略相比，邊緣計算的安全模型幾乎完全顛覆了。雖然組織通常可以維護其數據中心系統的物理安全性，但邊緣系統幾乎總是可供更多人自由訪問。這需要物理硬件安全過程以及能夠保護這些邊緣設備上的數據和應用程序安全的軟件安全解決方案。

彈力

E邊緣系統通常由很少或沒有熟練的 IT 專業人員來管理，以在發生崩潰時提供幫助。因此，邊緣管理需要能夠自行修復問題的彈性基礎設施，以及在需要人工干預時安全的遠程訪問。在系統出現故障時遷移應用程序并自動重新啟動這些應用程序是許多云原生管理解決方案的核心功能，使邊緣計算環境的持續管理變得無縫。

推動客戶將其計算系統移動到更靠近遠程位置數據源的位置有許多好處。客戶需要考慮邊緣計算是如何與傳統上依賴的數據中心或云計算不同的，并投資于提供、保護和管理這些環境的新方式。

關于作者

Amanda Saunders 在 NVIDIA 負責 Edge 和企業計算解決方案集團的 Edge AI 產品營銷。她為醫院、商店、倉庫、工廠等帶來了智能的邊緣計算解決方案。除了從事 edge 解決方案之外， Amanda 還在 NVIDIA 擔任銷售和營銷角色，與 AI 、數據科學、虛擬 GPU 和許多不同行業合作。

審核編輯：郭婷