边缘计算到底是啥,怎么就成了新风口?

2019-03-15 14:34:15 来源:极客公园
标签:

 

技术挑战、商业规则都是摆在边缘计算面前的「大山」。
 
2019 年 2 月 27 日,地平线 (Horizon Robotics) 公布获得 6 亿美金左右的投资,由 SK 中国、SK Hynix 以及数家中国一线汽车集团(与旗下基金)联合领投的 B 轮融资,本轮融资后估值达 30 亿美金。
 
地平线在发布中称:将继续向着「成为边缘人工智能芯片和计算平台的全球领导者」这一愿景不断迈进。这一包含着「边缘计算」的 300 余字野心获得了超 2 万人的关注。以「边缘计算」为关键词的百度搜索指数在 3 月 6 日一跃达到了 15032,而此前则在 1000 左右徘徊。 
 
从 2015 年在安防监控、智慧城市、智慧家居等行业实现了应用试点开始,边缘计算的这把火终于烧了起来。腾讯优图 AI 应用研究高级研究员王川南解释道,前 10 年是云计算高速发展期,通过云计算实现了本地计算资源云端化,做到按需使用、按需付费。但随着云计算的普及、场景云端化,出现了高延迟、数据量巨大、带宽不够等问题,于是边缘计算应运而生。
 
边缘计算的出现则能将计算、决策前置,获取最原始的数据,实时在边缘结点进行数据的分析和决策,同时还能将过滤后的数据传输上云,与云端形成协同效应。简而言之,边缘计算是一种在网络边缘执行计算任务的计算模型,相比于云计算模型,能够更快速、可靠、节能地响应用户需求。
 
升温的投入
王川南认为:「虽然目前边缘整体还在起步阶段,但明显能看到大量的公司在边缘侧产品研发和方案都在追加投入,不同场景下边缘类的产品不断涌现。」
 
除了地平线外,各大公司早已纷纷布局边缘计算。物联网领域中,腾讯云发布了其基于边缘计算的物联网平台 IoT Suite,阿里云能力在边缘端的拓展则是物联网边缘计算平台 Link IoT Edge。在 AI 应用领域,旷视、商汤、科大讯飞等公司纷纷推出 AI+硬件产品,通过 AI 赋能传统硬件。在车联网及自动驾驶方向更需要实时计算,减少反应延迟,在车辆本地进行实时的智能分析、决策计算已经成为了标配,特斯拉更是针对自动驾驶场景研发了 AI 芯片。
 
边缘计算是物联网的核心
 
一位相关从业者坦言,一般来说,只要做芯片相关的公司都在关注边缘计算。星翰资本创始人杨歌也表示,今年投资方向上,物联网领域将是其重点关注方向之一。而边缘计算是物联网的核心。「物联网需要每个端具有一定的智能,这就是边缘计算。」云从科技科技研究院副院长周翔对极客公园说。
 
当 AI 成为风口时,据「清科私募通」的统计数据显示,仅 2016 年到 2017 年年初就有 112 家公司获得融资。当无人机成为风口时,Hover Camera 创始人王孟秋说,每家投资机构的 portfolio 上都恨不得加上无人机。杨歌则认为,随着物联网的发展,今年与边缘计算相关的创业公司一定会增多,这是必然。
 
技术向的王川南则不认为边缘计算将会和 AI 一样成为一个过热的风口:「云边协同中边缘计算本质上是一种技术方案,是为了解决实际场景中遇到的问题而出现的,是否『过热』还是看有没有需求。云计算为物联网、智能城市的发展提供了基础设施,但仍无法满足低延迟、大数据、低带宽这一类更高的多样化的要求,而边缘计算可以有效的解决这些问题,从而大力推动了边缘计算的发展。」
 
联想之星的投资副总裁高天垚曾评价「新风口」说,资本市场从来不缺新的炒作概念,物联网、互联网金融、O2O、共享经济等等,一波接一波。「可能初衷都是好的,但过度的渲染就会导致一些泡沫,使本来不应该出现的创业者或资本进入某个领域。」
 
前行的枷锁
中国经济信息社在 2018 年 9 月发布的《2017—2018 年中国物联网发展年度报告》中提到,2017 年物联网设备达到 84 亿台,超过全球人口数量。随之而来的便是数据的快速增长, 数据统计公司 Statista 预测,在 2020 年将大约有 310 亿个物联网设备连接。
 
在这样的前提下,无论边缘计算是否能会成为下一个风口,解决边缘计算目前存在的一些问题,加速建设云网端一体化建设进程一定是必然。
 
从技术角度来说,王川南认为目前边缘计算面临着算法、架构、运维、安全性四个方面的挑战:算法侧需要针对边缘结点受限的算力进行网络模型的优化;工程侧需要针对不同的边缘设备类型设计一套 AI 多端统一的架构;边缘结点设备部署分散,如何管理分散的数以万计的终端设备,对运维的方式和效率也提出了新的挑战;同时边缘设备因为更接近数据源,数据种类和数量的激增,新兴的攻击方式尤其是针对物理设备的攻击,为设备和数据安全带了新的挑战。
 
美国韦恩州立大学的施巍松教授团队则在 2016 年提出了边缘计算面临着的六种挑战:可编程性、命名、数据抽象、 服务管理、隐私及安全、性能指标优化。
 
不仅有技术挑战,还有商业规则
 
「对于普通用户来讲,安全性是最先需要关注的问题。」 一位相关从业者说。在此之前,亚马逊 Echo 就因违规录取用户对话,引起了全球对物联网中隐私权利的探讨。
 
边缘计算模型可以在网络边缘完成一部分数据处理工作, 相比于云计算模型, 可以避免用户隐私在传输链路上或云计算中心被窃取。但正如王川南所说,目前攻击者窃取物联网设备上的信息并不困难,而网络边缘的高度动态性也增加了网络的脆弱性。
 
可喜的是,有学术论文指出目前在可编程性、命名、服务管理和隐私安全问题上,学界及业界已经取得了相关成果。相关统计显示,计算机领域顶级会议 ICDCS 在 2015 年、2016 年和 2017 年收录的边缘计算方向的文章比例分别为 6.7%、9.3% 和 12.7%。的确,逐年攀升的研究成功学界将指向更好的解决方案。
 
除了这些问题外,边缘计算落地还要受到商业规则的限制。杨歌感到很遗憾,他认为由于相同的原因,目前很多学术成果真正运用到商业中的比例非常低。这兴许也解释了为什么边缘计算首先在安防、自动驾驶领域落地。一位投资人称,边缘计算得到真正的发展也需要搭载整个能够赋予其 B 端能力的行业,就像同是高瓴投资的地平线与百丽进行了「联姻」。
 
在融资公告中,地平线最后写到:以人工智能赋能万物,让每个人的生活更安全,更美好。目前看来,这两个愿景最终成为现实还面临漫漫长路。
 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

继续阅读
MIT研发自动驾驶新AI,可像人类一样使用直觉

麻省理工学院的研究人员正在开发一种能够通过基于GPS的地图自我学习的AI系统,它使用与人类相同的直觉学习方式。

人工智能+机器视觉让自动驾驶识别驾驶员意图
人工智能+机器视觉让自动驾驶识别驾驶员意图

本篇文章提出了一种利用深度神经网络来检测视频序列中信号的方法,采用该方法对超过一百万帧视频资源进行实验,实验结果表明,采用该方法,每帧的精度都很高。

利用传感器系统或将有望改善自动驾驶,实现正确导航和定位

麻省理工学院的一个科学家团队正在研究一种利用GPS之类的地图和可视化数据的方法,使自动驾驶汽车能够学习人类的驾驶模式,并将学到的知识应用到以前从未见过的复杂规划路线中。

Mobileye、德尔福科技和特斯拉 有望于今年达成L4及以上的自动驾驶布局

一张图就能了解各大厂商L4及以上级别自动驾驶布局。

负面消息不断,特斯拉股价狂跌

一季度的财报显示,特斯拉当季亏了7亿美元,只交付了6.3万台汽车,比上个季度少了31%。

更多资讯
上海滩造芯从无到有,究竟经历了怎样的曲折发展?

中国人并不缺乏研发、制造芯片半导体的智慧与才能,只是在很长一段时间内,经济转轨和技术设备封锁给芯片半导体产业的发展带来了不小的困难。在未来很长的一段时间里面,中国的芯片半导体产业依旧无法摆脱特殊经济环境带来的困扰。

王志军:芯片发展至关重要,将更大范围更深层次地融入全球集成电路产业生态体系

近日工业和信息化部副部长王志军接受了新闻媒体联合采访时就我国芯片现状作出了分析解答。

台积电宣布7纳米 EUV 已达量产要求,下一代5纳米工艺或将2020年进行量产?

对半导体行业来说,制程工艺可谓是关键中的关键。对芯片来说,密度更大、更先进的制程工艺有助于提升发热控制,换言之甚至能做到提升性能但功耗却减少。目前字面上最先进的制程工艺是台积电和三星的7纳米工艺,但这还不是终点。

在半导体封装行业,先进封装究竟面临怎样的挑战?国内市场发展又会如何?

先进封装正扮演着越来越重要的角色。作为一种对14纳米/7纳米先进工艺节点的互补,先进封装有着比摩尔定律的等比例缩小(scaling)更实惠、成本更低、性能更优的特点,现在,大多数高性能芯片提供商更乐意选择先进封装来提升芯片性能。

寄云科技紧抓三大关键助力企业走向高端制造

ECS2019中国电子通信与半导体CIO峰会在深圳举行,工业互联网服务商寄云科技出席本次峰会。总裁时培昕博士在会上做了《半导体工业互联网实践之道》的汇报,分享了寄云科技紧抓QCD三大制造核心指标,在包括电子等高端制造领域落地工业互联网平台应用,并实现产能、良率和设备可用性等多个关键突破,让在座的半导体制造行业人士眼前一亮。

电路方案