计算的未来在“边缘” 边缘计算将成下一场重大架构转变

  发布预测，到2020年，全球将有超过500亿个终端与设备联网，形成大量云部署。其中，超过40%的云部署将包含边缘计算，超过50%的数据需要在边缘分析、处理和储存，边缘计算作为云计算的补充和延伸，将成为另一个焦点。

  继个人计算机和互联网变革之后，云计算带来第三次IT产业高质量发展浪潮。云计算通过将数据密集型计算任务纳入大规模中心化设施，降低计算的单位成本，但这种利用互联网将所有数据传输到云计算中心做处理的模式存在很明显弊端，例如，不足以满足实时性要求，对网络环境过度依赖，很难保证用户隐私等。为此，硅谷投资者将目标瞄准边缘计算，并认为计算的未来在“边缘”，边缘计算将带来计算领域的下一场重大架构转变。

  所谓边缘计算，是将云计算的计算、存储等能力扩展到网络边缘，提供低时延、高可用和隐私保护的本地计算服务，产生更快的网络服务响应，解决云计算时延长、受网络环境制约等不足，具有云计算不能够比拟的优势。

  近几年，边缘计算大范围的应用于交通运输、医疗保健、工业制造、电网控制等领域。例如，火车或地铁上各类传感器采集的数据不再需要传输到云端数据中心，借助边缘计算即可就近诊断故障等。

  军队由于作战环境复杂多变、数据传输保密要求高等特点，加上集中式数据中心建设不完善，云计算应用大大受限，海量数据处理需求不足以满足。使用边缘计算在靠近数据源的位置做处理，可以很好地解决这一问题，展现出良好的应用前景。

  现代战争中，高效精确的战场情报是决定胜负的重要的条件，无人机侦察则是获取战场情报的重要手段。通常，无人机获取的图像通过数据链和无线网络传输到地面控制站，由情报人员进行筛选、判读和标注，获取有用信息。但这种做法不足以满足情报处理的实时性要求。另外，传回的视频大部分时长不包含目标信息，浪费战场网络带宽。将边缘计算引入无人机侦察目标识别，可较好地解决这一问题：通过在无人机上安装计算芯片，对视频进行实时处理，仅将含有目标信息的关键帧传回地面控制站，减轻网络负担和后方情报处理压力。

  另外，随着硬件小型化，这种基于边缘计算实现无人机目标识别和追踪的技术将得到进一步推广，成为下一代无人机的发展趋势。

  在军事后勤领域，无人运输车能够自主遂行物资装卸、运输投送等任务，减少人员受伤或死亡，提高运输效率和战时后勤保障水平。在行进中，无人运输车需要对行进路线周围环境进行实时监控，产生的车辆状态数据、道路地形数据等动态数据量庞大，上传云端处理不仅不足以满足实时性要求，而且存在数据被窃取和篡改风险。引入边缘计算后，无人运输车在道路行驶中可独立完成终端计算、数据处理和同步等，在复杂环境下实时做出最优驾驶决策，保障行驶安全。

  无论是战时还是平时，部队均有大量重点目标需要组织防卫。传统防卫方式是派遣哨兵进行昼夜巡逻，不仅消耗大量人力物力，而且容易遗漏情报。部署具备边缘计算能力的智能摄像头，可自动实现对入侵目标的定位、识别和报警，实现“人防+技防”有机融合，有效防卫重点要害目标安全。目前，国外已研制出一种双目行为分析摄像机，内置，在离线状态下也能对穿越警戒线、徘徊、奔跑等行为做多元化的分析和检测，可以大范围的应用于重点要害目标防卫等场景。

  未来，随技术发展，边缘计算还将大范围的应用于军事领域，与物联网、人工智能等技术一起，成为推动军事智能化发展的关键动力。

  和数据存储更接近数据生成源，以此来实现实时处理并减少对集中式云基础设施的依赖。本文将深入探讨

  发展前景 /

  实现 /

  与云边协同 /

  背景介绍 /

  、存储、应用核心能力为一体的开放平台，就近提供最近端服 务。其应用程序在

  基础 /

  分析 /

  已成为最受关注的技术趋势之一，随着所有的讨论，您可能认为是时候为您的物联网网络投资智能

  的优势 /

  华为2023年财报出炉：净利润大增144%至870亿，终端业务营收增长17.3%

  AMD Versal AI Edge自适应计算加速平台之LVDS液晶屏显示实验(5)

  I.MX6ULL-飞凌 ElfBoard ELF1板卡- 应用层更改引脚复用的方法

  3D打印遥控气垫船、微型步行机器人、变压器式实验室电源｜DF创客周刊（第77期）