Мы официально вошли в эпоху Edge Computing?
Это слово на улице. Глобальная рыночная информационная фирма IDC ожидает, что глобальные вычислительные расходы увеличатся в совокупном годовом темпе роста (CAGR) на 13,8%, что к 2028 году приблизится к 380 миллиардам долларов. Между тем, лидеры из розничной торговли в энергию раскручивают вычисления в качестве истинной «изменяющей игры» и «трансформирующей» силы. Edge Computing имеет большую перспективу для удаленных промышленных применений от производства до телекоммуникации.
Что вызывает весь шум?
Edge Computing — это распределенная вычислительная модель, где обработка и хранилище данных приближаются к источнику данных (т. Е. «Край») вместо отдаленных облачных серверов.
Благодаря низкому задержке, высоким требованиям обработки данных в новой отрасли, таких как Интернет вещей (IoT) и генеративного искусственного интеллекта (Genai), компании вкладывают инвестиции в Edge Computing, надеясь извлечь выгоду из обещанного времени отклика архитектуры, снижения полосы пропускания и улучшения реагирования.
В последнее время Edge AI тоже присоединяется к разговору.
Подмножество краевых вычислений, Edge AI относится к развертыванию моделей ИИ непосредственно на локальных устройствах вместо облака. Перемещая эту обработку на край, идея состоит в том, чтобы уменьшить как задержку, так и зависимость от подключения к Интернету. Edge AI также вносит интересные преимущества для улучшения конфиденциальности и безопасности данных.
Почему Edge Computing крадет центр внимания
Edge Computing и Edge AI все чаще формируют отраслевые дискуссии. Даже еще в 2023 году, когда написал свои прогнозы о будущем «Форбс», Брюс Корнфельд, главного сотрудника по маркетингу и продукции Stormagic, даже зашел так далеко, что утверждает, что «запуск всех приложений в облаке больше не является вариантом из -за затрат, задержки и ограничений времени безотказной работы».
В разных отраслях, от автомобильной до здравоохранения, команды с нетерпением обращают свое внимание на Edge Computing, чтобы извлечь выгоду из обработки в реальном времени, снижения задержки и более низких затрат на пропускную способность. Между тем, для разработок искусственного интеллекта Edge AI набирает обороты как привлекательный вариант, который может обещать более низкие затраты, более быстрые операции и лучшую безопасность данных.
Подумайте: с традиционными облачными центрами данные должны перемещаться на удаленные серверы для обработки. Это не только замедляет операции и приводит к более высокой задержке, но и создает возможности для кражи данных и других кибератак на этом пути. Но, обрабатывая данные локально, Edge AI эффективно снижает воздействие угроз несанкционированного доступа.
Кроме того, вы могли бы даже утверждать, что Edge AI более доступно; Локальная обработка данных означает меньший трафик данных, меньшее хранилище данных и в конце дня, менее дорогостоящее потребление энергии.
Не ожидайте, что облачные вычисления уйдут еще
Edge Computing и Edge AI не без проблем.
Во -первых, чтобы пожинать преимущества Edge AI, вы должны быть готовы принять высокие затраты на строительство и управление распределенной инфраструктурой.
Кроме того, что предлагает Edge Computing в срок от низкой задержки и более слабых сроков отклика, он теряет необработанную вычислительную мощность. По этой причине для приложений, которые нуждаются в высокой производительности и мощной обработке данных в масштабе, облачные вычисления все еще выходят вперед.
Но некоторые люди говорят, что вам не нужно выбирать между вычислениями по краям и облачными вычислениями.
Edge и Cloud Computing: лучше вместе
Несмотря на предсказания, что краевые вычисления будут более или менее отказаться от облачных вычислений, исследование указывает на обратное.
Фактически, согласно исследованию Гонконгского университета науки и технологий и Microsoft Research Asia, растущий спрос на Edge AI фактически способствует увеличению потребления облака.
Как сообщает VentureBeat, «крайний вывод представляет только последний шаг в сложном трубопроводе AI, который в значительной степени зависит от облачных вычислений для хранения данных, обработки и обучения модели».
Другими словами, несмотря на свои многочисленные преимущества, для большинства приложений Edge Computing является лишь одной частью уравнения; Во многих случаях облачные вычисления все еще необходимы для обработки тяжелой подъема (например, крупномасштабную обработку данных и долгосрочное хранилище).
Исследование подчеркивает парадоксальный характер Edge AI и облачных вычислений: «По мере того, как эти системы становятся более сложными, они фактически увеличиваются, а не снижают зависимость от облачных ресурсов».
Edge Computing, кажется, не выдвигает облачные вычисления, но вместо этого вызывает его обратно для большего.
Что за туман?
Гонконгский университет науки и технологии и Microsoft Research Asia не единственные, кто вызывает растущее трение между краевыми вычислениями и облачными вычислениями — сторонники туманных вычислений намного впереди.
Cisco, первоначально представленная Cisco, является концепцией, которая «предоставляет уровень вычислительных, хранения и сетевых услуг между конечными устройствами и« на местах »и центрах данных облачных вычислений», согласно сообщению в блоге Cisco, написанном Maciej Kranz, ныне генеральным менеджером Pure Storage, а затем вице -президентом Cisco.
Идея заключается в том, чтобы FOG Computing служил расширением облачных вычислений, распределения данных, хранения, вычислений и приложений между источниками данных и облаком, чтобы получить резкую задержку с краевыми вычислениями, не отказавшись от превосходной мощности обработки Cloud Computing.
Тем не менее, вычисления FOG остаются на ранних стадиях, а отсутствие стандартизации и общей сложности делают его по-прежнему неподходящим для широкого распространения развертывания.
Путь вперед: Edge Plus облачные вычисления
Если Edge Computing превосходит облачные вычисления по задержке и отзывчивости в реальном времени, но не может совпадать со всеми его вычислительными возможностями, то вопрос не в том, какая модель лучше-но как их использовать вместе.
Микс может выглядеть примерно так:
Для приложений, где низкая задержка и безопасность являются критическими, а непрерывное подключение сомнительно, Edge Computing должен взять на себя лидерство. Но при работе с большими рабочими нагрузками, которые требуют интенсивных вычислений и крупномасштабного анализа данных, лучше опираться на облачные вычисления. Таким образом, вы можете получить скорость и отзывчивость, не жертвуя необработанной силой обработки.
Например, McKinsey утверждает, что будущее автономных транспортных средств будет зависеть как от краев, так и на облачных вычислениях, с навигацией и другими приложениями с высокой задержкой, действующими в облаке, и в большем количестве критически важных систем, таких как экстренные тормозные системы, обрабатываемые локально.
Аналогичным образом, Edge AI может занять центральное место в приложениях здравоохранения для поддержки мониторинга и контроля устройств IoT в реальном времени, но облачные вычисления вступят в анализ агрегированных данных.
Может показаться, что мы вступаем в эпоху Edge Computing, но это не значит, что занавес упускается на облачных вычислениях. Мы просто вступаем во второй акт.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом.
