随着物联网的发展,基于云计算因为信息传输延时、数据传输量大、数据安全性等方面的因素,需要将一些计算、数据处理在边缘侧处理,因而边缘计算、雾计算在需求的驱动下,成为物联网发展的热点。

 

但在边缘侧,包括类似中控处理的功能(比如 MES 系统,或者本地安装的应用系统),也包括终端处理的功能(比如机器人控制系统、一些重要的由 PLC 控制的设备),还包括一些微型终端设备,这些终端本身处理能力不强,需要与周边系统协作(如一些传感器、控制器)。

 

边缘侧的计算还未完善,出现了边缘计算、雾计算等概念,因为不同机构对边缘计算、雾计算的定义不同,也很难区分边缘计算与雾计算的具体差异,所以在 CIO 时代学院【原北大 CIO 班】讲授物联网课程时,我喜欢用边缘侧计算来作为边缘计算、雾计算的统称。

 

 

边缘侧计算智能的三种机制

边缘计算有三种智能机制:

 

1、通过智能学习获得的智能。

 

在边缘侧有一些具有灵活功能的设备,在没有具体应用场景时,并没有智能;而在使用中,通过具体机器学习云端的控制经验,通过机器学习获得这个设备的应对机制,获得智能。

 

2、已经了解机理机制,将机理机制形成应对的智能

 

比如传统的自动化原理,自动控制算法已经融入到边缘的设备上,这种智能是通过机理机制获得的。

 

3、多种微终端,通过迭代获得智能

 

未来在终端,需要通过附近的边缘侧的多个设备协同,形成群体智能。

 

三种机制的技术实现路线

对于通过智能学习获得的智能,更多的需要云边协同。

 

而对于机理机制的智能,则实现路径需要通过构建边缘侧的开发生态,典型的如物联网操作系统来实现,通过物联网操作系统,构建开发者生态,丰富边缘侧的应用。

 

对于多种伪终端的协同协作,未来的技术路线,则有可能通过区块链技术,构建基于区块链的去中心化的决策机制。