邊緣計算的案例
看完這篇，你絕對知道什么是邊緣計算！
本地化數據處理和存儲對計算網絡的壓力更小。當發送到云的數據變少時，發生延遲的可能性——云端與物聯網設備之間的交互導致的數據處理延遲——就會降低。
這也讓基于邊緣計算技術的硬件承擔了更多的任務，它們包含用于收集數據的傳感器和用于處理聯網設備中的數據的CPU或GPU。
隨著邊緣計算的興起，理解邊緣設備所涉及的另一項技術也很重要，它就是霧計算。
邊緣計算具體是指在網絡的“邊緣”處或附近進行的計算過程，而霧計算則是指邊緣設備和云端之間的網絡連接。
換句話說，霧計算使得云更接近于網絡的邊緣；因此，根據OpenFog的說法，“霧計算總是使用邊緣計算，而不是邊緣計算總是使用霧計算。”
說回我們的火車場景：傳感器能夠收集數據，但不能立即就數據采取行動。例如，如果一名火車工程師想要了解火車車輪和剎車是如何運行的，他可以使用歷史累計的傳感器數據來預測零部件是否需要維修。
在這種情況中，數據處理使用邊緣計算，但它并不總是即時進行的（與確定引擎狀態不同）。而使用霧計算，短期分析可以在給定的時間點實現，而不需要完全返回到中央云。
圖示：云計算、霧計算與邊緣計算
因此，要記住的是，雖然邊緣計算給云計算帶來補充，并且與霧計算一起非常緊密地運作，但它絕不是二者的替代者。
邊緣計算的優勢
雖然邊緣計算是一個新興的領域，但是它擁有一些顯而易見的優點，包括：
·實時或更快速的數據處理和分析：數據處理更接近數據來源，而不是在外部數據中心或云端進行，因此可以減少遲延時間。
·較低的成本：企業在本地設備的數據管理解決方案上的花費比在云和數據中心網絡上的花費要少。
·網絡流量較少：隨著物聯網設備數量的增加，數據生成繼續以創紀錄的速度增加。因此，網絡帶寬變得更加有限，讓云端不堪重負，造成更大的數據瓶頸。
展開 邊緣計算網關：智能制造的“智慧大腦”
然而，智能制造的實現離不開大量的數據處理和分析，這就需要一個強大的計算平臺來支撐。邊緣計算網關應運而生，它能夠在數據產生的源頭進行實時處理和分析，為智能制造提供了強大的計算能力。
二、邊緣計算網關的概念
邊緣計算網關是一種位于網絡邊緣的設備，它能夠將分散在各個設備上的數據進行收集、處理和分析，然后將處理結果反饋給設備或者云端。邊緣計算網關的出現，使得數據處理和分析不再依賴于云端，而是可以在數據產生的源頭進行，大大提高了數據處理的效率。
三、邊緣計算網關在智能制造中的應用
在智能制造領域，邊緣計算網關的應用非常廣泛。它可以對生產線上的各種設備進行實時監控，通過收集設備的運行數據，實時分析設備的運行狀態，預測設備的故障，從而提前進行維修，避免設備的停機，保證生產的連續性。
1.從源頭獲取精準信息
在智能制造領域，數據是實現智能化的關鍵。而邊緣計算網關作為數據采集的重要工具，能夠從源頭獲取精準信息，為智能制造提供強大的數據支持。
邊緣計算網關通過與各種傳感器、設備和系統的連接，實時采集生產過程中的各種數據，如溫度、濕度、壓力、速度等。這些數據經過網關的處理和分析，可以為企業提供更加精準、實時的生產信息，幫助企業優化生產過程，提高生產效率。
2.實現數據的高效共享
隨著云計算技術的發展，越來越多的企業開始將數據上云，實現數據的高效共享。邊緣計算網關在這一過程中發揮著重要作用。
通過邊緣計算網關，企業可以將采集到的數據實時上傳至云端，實現數據的高效共享。這樣，企業可以隨時隨地查看生產數據，進行數據分析和決策。
展開 看芯片是如何幫助邊緣計算落地的
邊緣計算正在走上行業舞臺，雖然還處于發展的初期階段，但其前景受到越來越多的重視，各大芯片和系統廠商都在磨刀霍霍，期待占領市場先機。
這樣的背景下，由英特爾和華為等幾家大企業牽頭，于2016年成立了邊緣計算產業聯盟ECC，在成立初期，ECC總共有62家成員單位，2017年，有40多家新成員加入，總數超過100，而到2018年底，成員單位已經超過200家。
在11月底于北京舉行的2018年邊緣計算產業峰會上，ECC發布了邊緣計算參考架構3.0。
邊緣計算產業聯盟理事長，沈陽自動化研究所所長于海斌先生表示，隨著各界對邊緣計算認識的深入，以及聯盟對邊緣計算的理解，我們推出了邊緣計算的參考架構3.0，對邊緣計算的技術體系進行更加系統的歸納總結和梳理。為了推動邊緣計算行業的應用，聯盟又繼續發出八大測試床，至此已基本完成覆蓋智能制造、智能交通、智慧水務、智慧照明、TSN+OPC UA以及邊緣云平臺等典型領域和技術的測試床部署與發布。
芯片廠商助力邊緣計算前行
作為ECC的主要發起者，英特爾一直在芯片層面關注并推動著邊緣計算的發展。目前來看，有著巨大市場增長空間和應用場景的物聯網將是邊緣計算的主陣地，而其中具體的應用場景還在開發和探索之中。
據英特爾物聯網事業部中國區首席技術官張宇先生介紹，英特爾所提供的物聯網產品是全棧式的物聯網解決方案，里面涵蓋了計算、存儲、通信所需要的芯片。
在計算領域，該公司能夠提供從低壓、低功耗的凌動處理器，到靈活的酷睿處理器，再到高性能的至強處理器，通過一系列的產品組合來滿足不同的物聯網行業，以及不同網源對計算的要求。除了通用類型的處理器以外，人工智能的計算正在興起，因此，英特爾也提供FPGA和一些專門用于視頻加速的專用芯片。
展開 邊緣計算芯片格局分析
近日，華為和比特大陸紛紛發布了針對邊緣計算的新芯片產品。華為的Ascend系列采用達芬奇架構，其中Ascend 310功耗8W算力8TOPS正是針對邊緣計算市場。而之后比特大陸發布的BM1682和BM1880也是針對邊緣計算市場，其中BM1682功耗30W算力3TFlops針對邊緣服務器市場，而BM1880功耗3W整數算力2TOPS則是針對邊緣終端市場。人工智能結合邊緣計算已經成為最熱門的市場之一，我們今天就來分析并展望這個市場。
華為和比特大陸都紛紛在邊緣人工計算市場布局
邊緣計算新興市場
人工智能芯片市場第一個得到關注的是云端服務器市場，Nvidia的GPU以其強勁的算力掌握了大部分市場。隨著人工智能的鋪開，邊緣計算（edge computing）的概念也得到了越來越多的認可。邊緣計算相對于云計算有幾點優勢，首先是延遲較小，在云端和終端通常有幾十毫秒到幾百毫秒不等的網絡延遲，對于工業應用等對延遲有高要求的應用來說云端部署人工智能無法滿足其對于延遲的需求；其次是數據隱私，有些應用不希望把數據傳輸到云端，一方面擔心云端數據被云運營商看到，另一方面擔心數據傳輸過程中被黑客劫持；最后是可靠性，如果把人工智能部署在云端那么一旦網絡斷了在終端的人工智能程序就無法工作了，這對于要求高可靠性的應用來說難以滿足要求，但是如果把人工智能部署在邊緣就沒有這個問題。
邊緣人工智能計算中其實還包含了多個層次，一種是終端設備（如手機）上的人工智能計算，這樣的規劃把人工智能計算直接放到終端設備上，可以實現最低的延遲。然而，由于終端設備的電池容量有限或者對于散熱容忍度較低，因此在終端設備上做人工智能計算對于AI芯片的能效比提出了極高的要求，同時這樣也并非唯一的邊緣計算形態。
展開 
邊緣計算：盤點100個知識點
設備邊緣（Device Edge）
最后一公里網絡的設備端或用戶端的邊緣計算能力。通常依賴于現場的網關或類似設備來收集和處理來自設備的數據。可能還會使用用戶設備(如智能手機、筆記本電腦和傳感器)有限的備用計算和數據存儲能力來處理邊緣計算工作負載。與基礎設施邊緣不同，因為它使用設備資源。
設備邊緣云（Device Edge Cloud）
邊緣云概念的擴展，其中某些工作負載可以在設備邊緣可用的資源上運行。通常不提供類似云的彈性分配資源，但對于零延遲工作負載來說可能是最佳選擇。
分布式天線系統 (DAS) 集線器
用作許多無線電通信設備的聚合點的位置，通常用于支持蜂窩網絡。可能包含或直接連接到部署在基礎設施邊緣的邊緣數據中心。
邊緣云
位于基礎設施邊緣的類云功能，包括從用戶角度訪問彈性分配的計算、數據存儲和網絡資源。通常作為集中式公有或私有云的無縫擴展運行，由部署在基礎設施邊緣的微型數據中心構建。有時也稱為分布式邊緣云。
邊緣計算
邊緣計算，是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。通過縮短設備與為其服務的云資源之間的距離，并減少網絡跳數，邊緣計算緩解了當今互聯網的延遲和帶寬限制，從而迎來了新的應用類別。邊緣計算處于物理實體和工業連接之間，或處于物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據。
邊緣數據中心
與傳統的集中式數據中心相比，邊緣數據中心能夠盡可能靠近網絡邊緣的地方。盡管單獨使用規模較小，但能夠執行與集中式數據中心相同的功能。由于高度分布式的物理位置產生的獨特約束，邊緣數據中心通常采用自主操作、多租戶、分布式和本地彈性以及開放標準。邊緣指的是這些數據中心通常部署的位置。
展開 邊緣計算的100個術語
邊緣節點
一種計算節點，例如單個服務器或一組計算資源，作為邊緣計算基礎設施的一部分運行。通常位于運行在基礎設施邊緣的邊緣數據中心內，因此比集中式數據中心中的云節點在物理上更接近其目標用戶。
邊緣增強應用（Edge-Enhanced Application）
一種能夠在集中式數據中心運行的應用程序，但在使用邊緣計算運行時有性能(通常是在延遲方面)或功能優勢。這些應用程序可以改編自集中式數據中心的現有應用程序，或者可能不需要更改。
邊緣原生應用（Edge-Native Application）
原生構建的利用邊緣計算能力的應用程序。邊緣原生應用程序利用云原生原則，同時考慮到邊緣在資源限制、安全性、延遲和自主性等領域的獨特特征。邊緣原生應用程序以利用云并與上游資源協同工作的方式開發。
霧計算
一種早期的邊緣計算概念，它規定了計算和數據存儲資源以及應用程序及其數據位于用戶和云之間的最佳位置，目標是提高性能和冗余。霧計算一詞最初是由思科創造的，作為邊緣計算的替代品，但如今已被棄用。
展開 邊緣計算將驅動微型服務器需求成長，有助推升內存用量
未來隨著數據中心建設的普及，以及2020年之后5G的落實，針對邊緣計算的微型服務器應用(Micro Server)將會在未來3-5年顯著成長，帶動相關零部件與內存的使用量明顯增加。
英特爾與AMD將推新平臺，2019年單機搭載容量維持20%年成長
截至目前為止，x86架構服務器解決方案仍為市場主流，英特爾Purley平臺的滲透率已于今年第一季底提升至約五成；另一方面，AMD也已大量轉移至14納米節點的產品，逐漸放大相關制程的投片量，進而取代舊有產品線。
至于ARMv8與RISC架構，現階段僅維持小批量規模的接單生產（build to order），并以數據中心市場為主，預期在2020年前仍難與x86服務器抗衡。2020年之后隨著微型服務器的滲透率提高，將替這兩類架構創造切入點。
從新產品規劃來看，英特爾的Cascade Lake仍會沿用14納米第三代制程，但預計要到明年下半年之后才會陸續成為市場主流。AMD新解決方案則會轉進7納米制程，除主要產品線在今年已陸續轉移至新的EPYC產品線，預期AMD Rome平臺服務器處理器在明年下半年后有機會問世。
DRAMeXchange指出，新平臺的轉換將有機會推動服務器搭載容量的提升，預估2019年單機搭載Server DRAM的容量仍將維持兩成的成長。
來源：全球半導體觀察
展開 感知+邊緣計算，智能傳感器將成“香餑餑”
“在物聯網的三個層面(感知層、傳輸層、應用層)中，感知層作為網絡層傳輸數據的源頭、應用層計算數據的基礎，起到了至關重要的作用。感知層是物聯網的基礎，它由各種各樣的傳感器組成。可以說，沒有傳感器，沒有各種各樣的智能傳感器，就沒有物聯網產業。”陜西省物聯網聯盟理事長、西安中星測控有限公司總經理谷榮祥告訴《中國電子報》記者。
傳感器種類繁多，據有關機構最新統計，全球的傳感器種類已經超過2.2萬種，因此物聯網對傳感器的要求也不能一概而論。麥克傳感器股份有限公司總經理王剛告訴記者：“傳感器種類如此之多，物聯網應用場景如此豐富，對各個門類的傳感器提出的要求肯定不一樣，但是從中不難看出業內對傳感器的共性需求，即智能化、小型化、微功耗和低成本。”
他進一步解釋說，傳感器在感知末端不再僅僅是一個轉換元件，必須與MCU集成，能對采集信息進行加工和處理，按照一定的策略對信息進行采集、加工、判斷、傳輸，同時達到一定的標準，以滿足傳感器的互換性;小型化無需多言，要求其能藏身設備當中或不被人察覺;部署位置和應用的多樣性，要求傳感器需要自帶電源或者盡可能少消耗電源，所以微功耗是物聯網傳感器的必備要求;物聯網的海量連接超出大眾想象，只有低成本的傳感器才可能進行大規模的應用和部署。
谷榮祥特別強調了智能傳感器的重要性，他告訴記者，2017年11月，工信部正式下發了《智能傳感器產業三年行動指南(2017—2019年)》，特別指出了智能傳感器作為與外界環境交互的重要手段和感知信息的主要來源，是集成傳感芯片、通信芯片、微處理器、驅動程序、軟件算法等于一體的系統級產品，市場應用正呈現爆發式增長態勢，已成為決定未來信息技術產業發展的核心與基礎之一。智能傳感器不僅是簡單地感知，更重要的是包括了智能處理，即感知+邊緣計算。
展開 新版本5G智慧課堂，你所不知道的現代教學
3、 如何支持5G邊緣計算
5G邊緣計算，是指在靠近數據源頭的一側，采用網絡、計算、存儲、應有核心能力為一體的開放平臺，就近提供服務。因此邊緣計算具備了降低帶寬壓力、低延遲、高經濟性、高可靠性、高安全性。如今邊緣計算已迭代更新到邊緣AI計算概念。通過更全面的人工智能網絡，解決更復雜的網絡數據傳輸。
由于智慧課堂上課時，老師提問需實時回答問題，課堂中的具有強互動性，對于教學設備的互動響應要求非常高，需要時延小于30毫秒內，如果只是接入網、承載網、核心網側保持了低時延，仍然無法發揮出5G邊緣計算的優勢。這需要基站到終端用戶側的數據傳輸同樣保持低延遲。
品速5G路由器可解決以上問題
品速5G路由器能夠在幾毫秒內完成基站到用戶之間的數據進行傳輸，配合5G邊緣計算，有效節省智慧課堂的海量數據，同時保證數據的安全性。因此品速5G路由器，能確保充分發揮5G邊緣計算優勢。
4、 如何支持全班同時上網
由于一個班級正常人數在40~60之間，每個人按一臺數字設備計算，至少需同時40~60設備聯網。因此需要一臺能夠在基站與終端用戶之間，為人多提供WiFi信號的網絡設備。
品速5G路由器可解決以上問題
品速5G路由器支持最大32臺設備連接，僅需兩臺設備，即可支持60人班級智慧課堂的正常開展，極大減低教室組網成本。
總結：通過5G科技改變傳統教育模式，數字化學生們的學習場景，將學習內容具象化，提高教育高質量發展。品速5G賦能教育變革，打破傳統教育授課模式，引領智慧課堂落地，為教育行業高質量發展貢獻力量。
展開 ChatGPT服務器，深度拆解（2023）
3、邊緣服務器：高數據密度和帶寬限制下保證低時延
邊緣計算在云計算的基礎上引入邊緣層。邊緣計算是在靠近物或數據源頭的網絡邊緣側，為應用提供融合計算、存儲和網絡等資源。在體系架構上，邊緣計算在終端層和云層之間引入邊緣層，從而將云服務擴展到網絡邊緣。其中終端層由物聯網設備構成，最靠近用戶，負責收集原始數據并上傳至上層進行計算；邊緣層由路由器、網關、邊緣服務器等組成，由于距離用戶較近，可以運行延遲敏感應用，滿足用戶對低時延的要求；云層由高性能服務器等組成，可以執行復雜計算任務。
邊緣計算較云計算在實時性、低成本和安全性等方面有優勢：
1）實時性：邊緣計算將原有云計算中心的計算任務部分或全部遷移到與用戶距離更近的網絡邊緣進行處理，而不是在外部數據中心或云端進行，因此提高了數據傳輸性能，保證了處理的實時性。
2）低帶寬成本：終端產生的數據無需遠距離傳輸至云端，避免帶寬成本。同時，邊緣計算機制中，邊緣層可對終端產生數據進行預處理，從而降低云計算中心的計算負載。
3）安全性：邊緣計算在本地設備和邊緣層設備中處理大部分數據而不是將其上傳至云端，減少實際存在風險的數據量，避免數據泄露危險。
4、AI服務器：更適合深度學習等AI訓練場景
AI服務器采取GPU架構，相較CPU更適合進行大規模并行計算。通用服務器采用CPU作為計算能力來源，而AI服務器為異構服務器，可以根據應用范圍采用不同的組合方式，如CPUGPU、CPUTPU、CPU其他加速卡等，主要以GPU提供計算能力。從ChatGPT模型計算方式來看，主要特征是采用了并行計算。對比上一代深度學習模型RNN來看，Transformer架構下，AI模型可以為輸入序列中的任何字符提供上下文，因此可以一次處理所有輸入，而不是一次只處理一個詞，從而使得更大規模的參數計算成為可能。
展開 英特爾物聯網的三大戰略
他們現在推出了一些基于ATOM的多核產品（類似Denverton產品線）產品，將其應用到如電信網絡邊緣上，把數據中心技術降到以ATOM為核心的層次。在這里又涉及了他們所聚焦的邊緣計算的問題。
按照英特爾的預估，由于帶寬的限制，將來將有45%的計算會發生在邊緣，大部分數據都是在邊緣產生的，是分布式的計算。且這個計算在過去一年多里面產生的影響力超過了所有人的預期。在他們看來，這個技術在未來的物聯網發展過程中產生的作用也是非常大的。歸根到底，是由三個因素決定的：
第一，物理法則，比如說在醫療領域，我們必須要照顧我們的病人。所以我們必須要讓機械，它能夠在短期內產生一些成果。這是經濟上的原則；
第二，經濟法則，有時候我們用云，大家把數據放在云上，但我們并不能夠把所有的數據都放在云上，我們承擔不起的。
第三，土地法則。因為它涉及到政府和安全。
通俗來說，就是我們平時所說的延遲、帶寬和安全三點，推動我們重視邊緣計算。Thomas Lantzsch在接受半導體行業觀察采訪的時候甚至提到，他們在邊緣已經有了一些“聰明”的設備。它們僅憑“聰明”來產生數據。隨著數據越來越多，邊緣處理器的性能越來越強，他認為在未來我們將看到一些新產品會開始在邊緣進行學習，在邊緣會出現訓練，打破現有的只在云端訓練的格局。
為了更好地將其他技術與邊緣計算結合，英特爾在今年五月還推出了一款名為OpenVINO的工具包，旨在方便地將計算機視覺和深度學習推理能力應用到邊緣計算。據了解，OpenVINO提供了一組優化功能和一個運行時引擎，能充分利用英特爾在不同人工智能加速器上的技術，允許開發人員在最適合他們需求的體系結構上運行他們的模型，無論是在CPU、FPGA、Movidius VPUs還是其他處理器。
展開 
華為發布昇騰310芯片：開啟AI新時代
來源：中央財經視頻
算力是人工智能時代一大制約因素
人工智能時代意味著海量的數據，這也就需要超強的計算能力。昇騰310芯片是業界面向邊緣計算場景最強算力的AI SoC（系統級芯片）。閻力大表示，“當前最典型的幾種邊緣計算場景是安防、自動駕駛和智能制造。無論是哪一種邊緣計算場景，都對空間、功耗、算力提出了苛刻的約束條件。”
昇騰310芯片可以實現高達16Tops的現場算力，支持同時識別包括車、人、障礙物、交通標志在內的200個不同的物體；一秒鐘內可處理上千張圖片。
無論是在急速行駛的汽車上，還是在高速運轉的生產線上；無論是復雜的科學研究，還是日常的教育活動，昇騰310可以為各行各業提供高效算力。
閻力大提到，算力、算法和數據既是人工智能的基礎，也是制約人工智能發展的瓶頸。
伴隨半導體、光纖、網絡、計算機、移動通訊、云計算等基礎科學和應用技術的進步，以AlphaGo戰勝圍棋世界冠軍為標志性事件，人工智能迎來了新一輪的產業發展周期。
未來3年發展100萬AI開發者
AI芯片領域公司眾多，華為昇騰系列AI芯片的一個獨特優勢是采用了華為開創性的統一、可擴展的架構。該架構實現了從極致的低功耗到極致的大算力場景的全覆蓋，可以做到一次開發適用于所有場景的部署、遷移和協同，大大提升了軟件開發的效率。
此前，華為發布了全棧全場景的AI解決方案。全棧意味著為AI應用開放者提供強大的算力和開發平臺，全場景意味著覆蓋所有場景。
上個月華為聯合奧迪展示了L4級無人駕駛的路測，汽車上配備了華為的MDC車載計算單元。根據測算，支持L4級無人駕駛這樣非常復雜的邊緣計算場景時，310芯片組一共也僅消耗200瓦的能耗。
展開 AI賦能邊緣網關：開啟智能時代的新藍海-龍興物聯網關專家
<p>在數字化轉型的浪潮中，AI與邊緣計算的結合正掀起一場深刻的產業變革。邊緣網關作為連接物理世界與數字世界的橋梁，在AI技術的加持下，正從簡單的數據采集傳輸節點，進化為具備智能決策能力的邊緣計算單元。這一變革不僅帶來了技術架構的革新，更為產業發展開辟了新的增長空間。</p><p>傳統邊緣網關受限于計算能力和算法支持，往往只能完成數據采集和簡單處理，大量原始數據需要回傳云端處理，導致響應延遲和帶寬壓力。AI技術的引入徹底改變了這一局面。通過在邊緣網關集成AI芯片和算法模型，使其具備了實時數據分析、智能決策和自主控制能力。在工業質檢場景中，搭載AI算法的邊緣網關能夠實時識別產品缺陷，將檢測效率提升300%以上，準確率達到99.9%。</p><p>這一技術革新正在創造巨大的商業價值。在智慧城市領域，AI邊緣網關可以實現交通流量實時分析、違章行為智能識別；在工業互聯網中，能夠實現設備預測性維護、生產工藝優化；在智慧能源領域，可完成電力負荷精準預測、故障快速定位。據市場研究機構預測，到2025年，AI邊緣網關市場規模將突破千億美元，年復合增長率超過60%。</p><p>產業新機遇已經顯現。對于硬件制造商，需要開發更高性能、更低功耗的AI邊緣計算平臺；對于算法企業，要研發更輕量化、更精準的邊緣AI模型；對于系統集成商，則要構建完整的邊緣智能解決方案。這個萬億級的新市場，正在等待更多創新者的加入。</p><p>在這場AI與邊緣計算融合的產業革命中，把握技術趨勢、深耕應用場景的企業將贏得先機。隨著5G網絡的普及和AI算法的持續優化，AI邊緣網關將在更多領域展現其價值，推動產業智能化升級，創造新的商業奇跡。</p>
展開 科普干貨 | 物聯網架構和技術協議
當數據在傳感器或網關的源端處理和存儲時，就會發生邊緣計算，而且只有在需要額外處理時，網絡才會使用云。有些終端設備并不總是將數據發送回云，而是使用邊緣計算在源端存儲和處理數據。這有助于為最終用戶提供更實時的體驗，也有助于確保網絡安全。
在功率或帶寬受到限制時，邊緣計算尤其有用。使用傳感器在網絡邊緣對數據流實施有用處理可以降低功耗，并更有效地使用帶寬。邊緣計算不會將可識別身份的信息發送至云，而是在源端存儲和處理，這有助于保護用戶的隱私。隨著物聯網技術不斷發展，延遲逐漸成為更大的問題，邊緣計算將變得更加普及，以實現實時處理。
審視物聯網架構
一些物聯網應用已經成熟，比如無線控制家用恒溫器或使用手機打開車門。但未來，物聯網的潛在應用將更加廣泛，規模也更大。這些未來應用將需要能夠在后臺進行大量數據傳輸和處理的物聯網架構平臺。
這種物聯網平臺/架構由幾個內部連接層組成（參見圖 1-1）。
我們來詳細了解一下物聯網平臺各連接層中的各個組件：
傳感器和執行器：物聯網傳感器和執行器用于測量溫度、聲音、濕度和振動等。
物聯網網關：
網關在本地網絡和英特網之間傳送數據。首
云基物聯網平臺：通過網關傳輸的數據存儲在云基物聯網平臺或公司的數據中心，并在那里進行處理。然后，可利用這些數據執行智能操作和制定決策。
展開 千尋馳觀亮相公路行業權威年會，開啟2023全國路測第一站
千尋馳觀將持續迭代，推動機器視覺、時空智能、邊緣計算等技術與道路養護行業的深度融合。
點此查看北斗如何助力精細化公路養護決策。
