5G生態(tài)具備低延時(shí)、高速度的特點(diǎn),在物聯(lián)網(wǎng),特別是工業(yè)互聯(lián)網(wǎng)中的應(yīng)用更為廣泛,而邊緣計(jì)算是發(fā)展工業(yè)互聯(lián)網(wǎng)的重要輔助。
云計(jì)算已經(jīng)不足以即時(shí)處理和分析由物聯(lián)網(wǎng)設(shè)備、聯(lián)網(wǎng)汽車和其他數(shù)字平臺(tái)生成或即將生成的數(shù)據(jù),這個(gè)時(shí)候邊緣計(jì)算能夠派上用場(chǎng)。該技術(shù)擁有著應(yīng)用于諸多行業(yè)領(lǐng)域和發(fā)揮巨大作用的潛力。
目前,大數(shù)據(jù)處理已經(jīng)從以云計(jì)算為中心的集中式處理時(shí)代正在跨入以萬(wàn)物互聯(lián)為核心的邊緣計(jì)算時(shí)代。
什么是邊緣計(jì)算
邊緣計(jì)算是指在網(wǎng)絡(luò)邊緣執(zhí)行計(jì)算的一種新型計(jì)算模型,邊緣計(jì)算中邊緣的下行數(shù)據(jù)表示云服務(wù),上行數(shù)據(jù)表示萬(wàn)物互聯(lián)服務(wù),而邊緣計(jì)算的邊緣是指從數(shù)據(jù)源到云計(jì)算中心路徑之間的任意計(jì)算和網(wǎng)絡(luò)資源。
云計(jì)算中心不僅從數(shù)據(jù)庫(kù)收集數(shù)據(jù),也從傳感器和智能手機(jī)等邊緣設(shè)備收集數(shù)據(jù)。這些設(shè)備兼顧數(shù)據(jù)生產(chǎn)者和消費(fèi)者。因此,終端設(shè)備和云中心之間的請(qǐng)求傳輸是雙向的。
網(wǎng)絡(luò)邊緣設(shè)備不僅從云中心請(qǐng)求內(nèi)容及服務(wù),而且還可以執(zhí)行部分計(jì)算任務(wù),包括數(shù)據(jù)存儲(chǔ)、處理、緩存、設(shè)備管理、隱私保護(hù)等。因此,需要更好地設(shè)計(jì)邊緣設(shè)備硬件平臺(tái)及其軟件關(guān)鍵技術(shù),以滿足邊緣計(jì)算模型中可靠性、數(shù)據(jù)安全性的需求。
為什么需要邊緣計(jì)算?
1、云計(jì)算服務(wù)的不足
云計(jì)算大多采用集中式管理的方法,這使云服務(wù)創(chuàng)造出較高的經(jīng)濟(jì)效益,而在萬(wàn)物互聯(lián)的背景下,應(yīng)用服務(wù)需要低延時(shí)、高可靠性以及數(shù)據(jù)安全,而傳統(tǒng)云計(jì)算無法滿足這些需求,主要?dú)w因于3個(gè)方面:?
1)實(shí)時(shí)性.
萬(wàn)物互聯(lián)環(huán)境下,邊緣設(shè)備產(chǎn)生大量實(shí)時(shí)數(shù)據(jù),云計(jì)算性能正逐漸達(dá) 到瓶頸。據(jù)IDC預(yù)測(cè),到2020年,全球數(shù)據(jù)總量將大于40ZB。隨著邊緣設(shè)備數(shù)據(jù)量的增加,網(wǎng)絡(luò)帶寬正逐漸成為云計(jì)算的另一瓶頸.僅提高網(wǎng)絡(luò)帶寬并不能滿足新興萬(wàn)物互聯(lián)應(yīng)用對(duì)延遲時(shí)間的要求。
例如,波音787每秒產(chǎn)生的數(shù)據(jù)超過5GB,但飛機(jī)與衛(wèi)星之間的帶寬不足以支持實(shí)時(shí)傳輸。裝載在無人駕駛汽車上的傳感器和攝像頭實(shí)時(shí)捕捉路況信息,每秒產(chǎn)生約1GB數(shù)據(jù),根據(jù)IHS預(yù)測(cè),到2035年,全球?qū)⒂校担矗埃叭f(wàn)輛無人駕駛汽車,如何實(shí)現(xiàn)較短延時(shí)將是未來主要研究方向。為此,在接近數(shù)據(jù)源的邊緣設(shè)備上執(zhí)行部分或全部計(jì)算是適應(yīng)萬(wàn)物互聯(lián)應(yīng)用需求的新興計(jì)算模式。
2)隱私保護(hù)。
當(dāng)用戶使用電子購(gòu)物網(wǎng)站、搜索引擎、社交網(wǎng)絡(luò)等時(shí),用戶的隱私數(shù)據(jù)將被上傳至云中心。比如有人研究出一種基于運(yùn)動(dòng)追蹤的醫(yī)療體育應(yīng)用服務(wù),其包含用戶隱私數(shù)據(jù),如從路由起點(diǎn)信息可以查找到用戶的家庭地址。
隨著智能家居的普及,許多家庭在屋內(nèi)安裝網(wǎng)絡(luò)攝像頭,如果直接將視頻數(shù)據(jù)上傳至云數(shù)據(jù)中心,視頻數(shù)據(jù)的傳輸不僅會(huì)占用帶寬資源,還增加了泄露用戶隱私數(shù)據(jù)的風(fēng)險(xiǎn)。
針對(duì)現(xiàn)有云計(jì)算模型的數(shù)據(jù)安全問題,邊緣計(jì)算模型為這類敏感數(shù)據(jù)提供了較好的隱私保護(hù)機(jī)制,一方面,用戶的源數(shù)據(jù)在上傳至云數(shù)據(jù)中心之前,首先利用近數(shù)據(jù)端的邊緣結(jié)點(diǎn)直接對(duì)數(shù)據(jù)源進(jìn)行處理,以實(shí)現(xiàn)對(duì)一些敏感數(shù)據(jù)的保護(hù)與隔離;另一方面,邊緣節(jié)點(diǎn)與云數(shù)據(jù)之間建立功能接口,即邊緣節(jié)點(diǎn)僅接收來自云計(jì)算中心的請(qǐng)求,并將處理的結(jié)果反饋給云計(jì)算中心。這種方法可以顯著地降低隱私泄露的風(fēng)險(xiǎn)。
3)能耗。
針對(duì)云數(shù)據(jù)中心的能耗問題,許多研究者進(jìn)行了深入的調(diào)查研究,結(jié)果表明,到2020年美國(guó)所有數(shù)據(jù)中心的總能耗將增長(zhǎng)4%,在2020年將達(dá)到約730億千瓦時(shí)。
在我國(guó),環(huán)境360報(bào)告表明,僅我國(guó)數(shù)據(jù)中心所消耗的電能已經(jīng)超過匈牙利和希臘兩國(guó)用電的總和。
隨著在云計(jì)算中心運(yùn)行的用戶應(yīng)用程序越來越多,未來大規(guī)模數(shù)據(jù)中 心對(duì)能耗的需求將難以滿足。
在云計(jì)算中心的能耗優(yōu)化方面,現(xiàn)有的研究?jī)?nèi)容主要集中在如何提高能源使用效率和動(dòng)態(tài)資源管理策略方面,以達(dá)到減緩能耗增速、最大程度的節(jié)能。
然而,提高能效水平仍不能解決數(shù)據(jù)中心巨大能耗的問題,這一問題在萬(wàn)物互聯(lián)環(huán)境下將更加突出.為解決這一能耗難題,邊緣計(jì)算模型提出將原有云數(shù)據(jù)中心上運(yùn)行的一些計(jì)算任務(wù)進(jìn)行分解,然后將分解的計(jì)算任務(wù)遷移到邊緣節(jié)點(diǎn)進(jìn)行處理,以此降低云計(jì)算數(shù)據(jù)中心的計(jì)算負(fù)載,進(jìn)而達(dá)到降低能耗的目的。
在現(xiàn)有以云計(jì)算模型為核心的集中式大數(shù)據(jù)處理基礎(chǔ)上,亟待需要以邊緣計(jì)算模型為核心,面向海量邊緣數(shù)據(jù)的邊緣式大數(shù)據(jù)處理技術(shù),二者相輔相成,應(yīng)用于云中心和邊緣端大數(shù)據(jù)處理,解決萬(wàn)物互聯(lián)時(shí)代云計(jì)算服務(wù)不足的問題。
2、萬(wàn)物互聯(lián)的興起?
傳感器、智能手機(jī)、可穿戴設(shè)備以及智能家電等設(shè)備將成為萬(wàn)物互聯(lián)的一部分,并產(chǎn)生海量數(shù)據(jù),而現(xiàn)有云計(jì)算的帶寬和計(jì)算資源還不能高效處理這些數(shù)據(jù)。?
傳統(tǒng)云計(jì)算模型,源數(shù)據(jù)由生產(chǎn)者發(fā)送至云端,終端用戶、智能手機(jī)、個(gè)人電腦等數(shù)據(jù)消費(fèi)者向云中心發(fā)送使用請(qǐng)求。?云計(jì)算利用大量計(jì)算資源來處理數(shù)據(jù),?但萬(wàn)物互聯(lián)環(huán)境下,傳統(tǒng)云計(jì)算模型不能有效滿足萬(wàn)物互聯(lián)應(yīng)用的需求,它將邊緣設(shè)備端海量數(shù)據(jù)發(fā)送到云端,造成網(wǎng)絡(luò)帶寬負(fù)載和計(jì)算資源浪費(fèi);傳統(tǒng)云計(jì)算模型的隱私保護(hù)問題將成為萬(wàn)物互聯(lián)架構(gòu)中云計(jì)算模型的障礙;萬(wàn)物互聯(lián)架構(gòu)中大多數(shù)邊緣設(shè)備節(jié)點(diǎn)的能源是有限的,并且無線傳輸模塊的能耗較大。
3、從數(shù)據(jù)消費(fèi)者到生產(chǎn)者
在云計(jì)算模型中,邊緣終端設(shè)備通常作為數(shù)據(jù)消費(fèi)者(如用智能手機(jī)觀看在線視頻),如今智能手機(jī)也可生產(chǎn)數(shù)據(jù),從數(shù)據(jù)消費(fèi)者到生產(chǎn)者角色的轉(zhuǎn)變要求邊緣設(shè)備具有更強(qiáng)的計(jì)算能力,如人們通過社交軟件分享照片及視頻。?微信朋友圈和騰訊 QQ空間每天上傳的圖片高達(dá)10億張;騰訊視頻每天播放量達(dá)20億次.這些圖片和視頻數(shù)據(jù)量較大,上傳至云計(jì)算中心過程會(huì)占用大量帶寬資源.為此,在源數(shù)據(jù)上傳至云中心之前,可在邊緣設(shè)備執(zhí)行預(yù)處理,以減少傳輸?shù)臄?shù)據(jù)量,降低傳輸帶寬的負(fù)載.此外,若在邊緣設(shè)備處理個(gè)人身體健康數(shù)據(jù)等隱私數(shù)據(jù),用戶隱私會(huì)得到更好地保護(hù)。
邊緣計(jì)算的優(yōu)勢(shì)
邊緣計(jì)算模型將原有云計(jì)算中心的部分或全部計(jì)算任務(wù)遷移到數(shù)據(jù)源的附近執(zhí)行.根據(jù)大數(shù)據(jù)的3V 特點(diǎn),即數(shù)據(jù)量(volume)、時(shí)效性(velocity)、多樣性(variety),通過對(duì)比云計(jì)算模型為代表的集中式大數(shù)據(jù)處理(如圖)和以邊緣計(jì)算模型為代表的邊緣式大數(shù)據(jù)處理(如圖)時(shí)代不同數(shù)據(jù)特征來分析邊緣計(jì)算模型的優(yōu)勢(shì)。
集中式大數(shù)據(jù)處理時(shí)代,數(shù)據(jù)的類型主要以文本、音視頻、圖片以及結(jié)構(gòu)化數(shù)據(jù)庫(kù)等為主,數(shù)據(jù)量維持在 PB級(jí)別,云計(jì)算模型下的數(shù)據(jù)處理對(duì)實(shí)時(shí)性要求不高。
萬(wàn)物互聯(lián)背景下的邊緣式大數(shù)據(jù)處理時(shí)代,數(shù)據(jù)類型變得更加復(fù)雜多樣,其中萬(wàn)物互聯(lián)設(shè)備的感知數(shù)據(jù)急劇增加,原有作為數(shù)據(jù)消費(fèi)者的用戶終端已變成了具有可產(chǎn)生數(shù)據(jù)的生產(chǎn)者終端,并且邊緣式大數(shù)據(jù)處理時(shí)代,數(shù)據(jù)處理的實(shí)時(shí)性要求較高,此外,該時(shí)期的數(shù)據(jù)量已超過 ZB級(jí).針對(duì)此,邊緣式大數(shù)據(jù)處理時(shí)代,由于數(shù)據(jù)量的增加以及對(duì)實(shí)時(shí)性的需求,需將原有云中心的計(jì)算任務(wù)部分遷移到網(wǎng)絡(luò)邊緣設(shè)備(如圖的邊緣云)上,以提高數(shù)據(jù)傳輸性能,保證處理的實(shí)時(shí)性,同時(shí)降低云計(jì)算中心的計(jì)算負(fù)載。
邊緣式大數(shù)據(jù)處理時(shí)代的數(shù)據(jù)特征催生了邊緣計(jì)算模型.然而,邊緣計(jì)算模型與云計(jì)算模型并不是非此即彼的關(guān)系,而是相輔相成的關(guān)系,邊緣式大數(shù)據(jù)處理時(shí)代是邊緣計(jì)算模型與云計(jì)算模型的相互結(jié)合的時(shí)代,二者的有機(jī)結(jié)合將為萬(wàn)物互聯(lián)時(shí)代的信息處理提供較為完美的軟硬件支撐平臺(tái)。
邊緣計(jì)算在各行各業(yè)的應(yīng)用
隨著傳感器價(jià)格和計(jì)算成本的持續(xù)下降,更多的“東西”將被連接到互聯(lián)網(wǎng)。
隨著更多的聯(lián)網(wǎng)設(shè)備變得可用,邊緣計(jì)算將在各行各業(yè)中得到越來越多的應(yīng)用,尤其是在云計(jì)算效率低下的一些領(lǐng)域。
我們已經(jīng)開始看到該技術(shù)在多個(gè)不同的行業(yè)領(lǐng)域產(chǎn)生影響。
“當(dāng)我們把云的威力下沉到設(shè)備(即邊緣)時(shí),我們可帶來實(shí)時(shí)地響應(yīng)、分析和行動(dòng)的能力,尤其是在網(wǎng)絡(luò)條件有限或者缺乏網(wǎng)絡(luò)的地區(qū)……它還處于初期發(fā)展階段,但我們正開始看到這些新功能能夠應(yīng)用于解決全球范圍的一些重大挑戰(zhàn)?!薄④浭紫夹g(shù)官凱文·斯科特(Kevin Scott)
從自動(dòng)駕駛汽車到農(nóng)業(yè),以下幾個(gè)行業(yè)將會(huì)從邊緣計(jì)算的潛力中獲益。
交通運(yùn)輸
邊緣計(jì)算技術(shù)最顯而易見的潛在應(yīng)用之一是交通運(yùn)輸——更具體地說,是無人駕駛汽車。
自動(dòng)駕駛汽車裝備了各種各樣的傳感器,從攝像頭到雷達(dá)到激光系統(tǒng),來幫助車輛運(yùn)行。
如前所述,這些自動(dòng)駕駛汽車可以利用邊緣計(jì)算,通過這些傳感器在離車輛更近的地方處理數(shù)據(jù),進(jìn)而盡可能地減少系統(tǒng)在駕駛過程中的響應(yīng)時(shí)間。雖然無人駕駛汽車還不是主流趨勢(shì),但公司們正在未雨綢繆。
今年早些時(shí)候,汽車邊緣計(jì)算聯(lián)盟(AECC)宣布將啟動(dòng)以聯(lián)網(wǎng)汽車解決方案為重點(diǎn)的項(xiàng)目。
“聯(lián)網(wǎng)汽車正迅速地從豪華車型和高端品牌擴(kuò)張到大批量的中端車型。汽車行業(yè)將很快達(dá)到一個(gè)臨界點(diǎn),屆時(shí)汽車所產(chǎn)生的數(shù)據(jù)量將超過現(xiàn)有的云、計(jì)算和通信基礎(chǔ)設(shè)施資源?!薄狝ECC主席兼總裁村田兼一(Kenichi Murata)
該聯(lián)盟的成員包括DENSO Corporation、豐田汽車、AT&T、愛立信、英特爾等公司。
不過,不僅僅是自動(dòng)駕駛汽車會(huì)產(chǎn)生大量的數(shù)據(jù)并需要實(shí)時(shí)處理。飛機(jī)、火車和其他的交通工具也是如此——不管它們有沒有人類駕駛。
例如,飛機(jī)制造商龐巴迪(Bombardier)的C系列飛機(jī)就裝備了大量的傳感器來迅速檢測(cè)發(fā)動(dòng)機(jī)的性能問題。在12小時(shí)的飛行中,飛機(jī)產(chǎn)生了多達(dá)844 TB的數(shù)據(jù)。邊緣計(jì)算支持對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理,因此該公司能夠主動(dòng)處理引擎問題。
醫(yī)療保健
如今,人們?cè)絹碓较矚g佩戴健身追蹤設(shè)備、血糖監(jiān)測(cè)儀、智能手表和其他監(jiān)測(cè)健康狀況的可穿戴設(shè)備。
但是,要真正地從所收集的海量數(shù)據(jù)中獲益,實(shí)時(shí)分析可能是必不可少的——許多的可穿戴設(shè)備直接連接到云上,但也有其他的一些設(shè)備支持離線運(yùn)行。
一些可穿戴健康監(jiān)控器可以在不連接云的情況下本地分析脈搏數(shù)據(jù)或睡眠模式。然后,醫(yī)生可以當(dāng)場(chǎng)對(duì)病人進(jìn)行評(píng)估,并就病人的健康狀況提供即時(shí)反饋。
但在醫(yī)療保健領(lǐng)域,邊緣計(jì)算的潛力遠(yuǎn)不局限于可穿戴設(shè)備。
不妨想想,快速的數(shù)據(jù)處理能夠給遠(yuǎn)程患者監(jiān)控、住院患者護(hù)理以及醫(yī)院和診所的醫(yī)療管理帶來多大的好處。
醫(yī)生和臨床醫(yī)生將能夠?yàn)榛颊咛峁└臁⒏玫淖o(hù)理,同時(shí)患者所生成的健康數(shù)據(jù)也多了一層安全保護(hù)。醫(yī)院病床平均有20個(gè)以上的聯(lián)網(wǎng)設(shè)備,會(huì)產(chǎn)生大量的數(shù)據(jù)。這些數(shù)據(jù)的處理將直接發(fā)生在更靠近邊緣的地方,而不是將保密數(shù)據(jù)發(fā)送到云端,因此能夠避免數(shù)據(jù)被不當(dāng)訪問的風(fēng)險(xiǎn)。
如前所述,本地化數(shù)據(jù)處理意味著大范圍的云端或網(wǎng)絡(luò)故障不會(huì)影響業(yè)務(wù)運(yùn)轉(zhuǎn)。即使云操作中斷,這些醫(yī)院的傳感器也能獨(dú)立地正常運(yùn)行。
制造業(yè)
智能制造有望從現(xiàn)代工廠大量部署的傳感器中獲得洞見。
由于能夠減少滯后,邊緣計(jì)算可能會(huì)使得制造流程能夠更快速地做出響應(yīng)和變動(dòng),能夠?qū)崟r(shí)地應(yīng)用數(shù)據(jù)分析得出的洞見和實(shí)時(shí)行動(dòng)。這可能包括在機(jī)器過熱之前將其關(guān)閉。
一家工廠可以使用兩個(gè)機(jī)器人來完成同樣的任務(wù),兩個(gè)機(jī)器人裝有傳感器,并連接到一個(gè)邊緣設(shè)備上。邊緣設(shè)備可以通過運(yùn)行一個(gè)機(jī)器學(xué)習(xí)模型來預(yù)測(cè)其中一個(gè)機(jī)器人是否會(huì)操作失敗。
如果邊緣設(shè)備斷定機(jī)器人很可能會(huì)出現(xiàn)故障,它就會(huì)觸發(fā)行動(dòng)來阻止或減慢機(jī)器人的運(yùn)轉(zhuǎn)。這會(huì)使得工廠能夠?qū)崟r(shí)地評(píng)估潛在的故障。
如果機(jī)器人能夠自己處理數(shù)據(jù),它們也可能變得更加自給自足和反應(yīng)靈敏。
邊緣計(jì)算應(yīng)該支持更快地從大數(shù)據(jù)中更多的洞見,以及支持將更多的機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到業(yè)務(wù)運(yùn)營(yíng)中。
最終目標(biāo)是,挖掘?qū)崟r(shí)產(chǎn)生的海量數(shù)據(jù)的巨大價(jià)值,防止安全隱患,并減少工廠車間機(jī)器運(yùn)轉(zhuǎn)中斷的情況。
農(nóng)業(yè)和智能農(nóng)場(chǎng)
邊緣計(jì)算非常適合應(yīng)用于農(nóng)業(yè),因?yàn)檗r(nóng)場(chǎng)經(jīng)常處于偏遠(yuǎn)的位置和惡劣的環(huán)境中,可能存在帶寬和網(wǎng)絡(luò)連接方面的問題。
現(xiàn)在,想要改善網(wǎng)絡(luò)連接的智能農(nóng)場(chǎng)需要在昂貴的光纖、微波連接或者擁有一顆全天候運(yùn)行的衛(wèi)星上進(jìn)行投資;而邊緣計(jì)算則是一種合適的、具有成本效益的替代方案。
智能農(nóng)場(chǎng)可以使用邊緣計(jì)算來監(jiān)測(cè)溫度和設(shè)備性能,以及自動(dòng)讓各種設(shè)備(比如過熱的泵)減緩運(yùn)轉(zhuǎn)或者關(guān)閉。
能源和電網(wǎng)控制
邊緣計(jì)算或許在整個(gè)能源行業(yè)都尤其有效,尤其是在石油和天然氣設(shè)施的安全監(jiān)測(cè)方面。
例如,壓力和濕度傳感器應(yīng)當(dāng)受到嚴(yán)密監(jiān)控,不能在連接性上出差錯(cuò),尤其是考慮到這些傳感器大多位于偏遠(yuǎn)地區(qū)。如果出現(xiàn)異常情況——比如油管過熱——卻沒有被及時(shí)注意到,那就可能會(huì)發(fā)生災(zāi)難性的爆炸。
邊緣計(jì)算的另一個(gè)好處是能夠?qū)崟r(shí)檢測(cè)設(shè)備故障。通過電網(wǎng)控制,傳感器可以監(jiān)控從電動(dòng)汽車到風(fēng)力發(fā)電廠的一切設(shè)施所產(chǎn)生的能源,有助于相應(yīng)作出決策來降低成本和提高能源生產(chǎn)效率。
其他行業(yè)領(lǐng)域的應(yīng)用
其他可以利用邊緣計(jì)算技術(shù)的行業(yè)包括金融業(yè)和零售業(yè)。這兩個(gè)行業(yè)都使用大型的客戶和后端數(shù)據(jù)集來提供從選股信息到店內(nèi)服裝擺放的各種信息,可以從減少對(duì)云計(jì)算的依賴中獲益。
零售可以使用邊緣計(jì)算應(yīng)用程序來增強(qiáng)顧客體驗(yàn)。如今,許多零售商都在致力于改善店內(nèi)體驗(yàn),優(yōu)化數(shù)據(jù)收集和分析的方式對(duì)它們而言絕對(duì)很有意義——尤其是考慮到許多零售商已經(jīng)在嘗試使用聯(lián)網(wǎng)的智能顯示屏。
此外,很多人使用店內(nèi)平板電腦所生成的銷售點(diǎn)數(shù)據(jù),這些數(shù)據(jù)會(huì)被傳輸?shù)皆贫嘶驍?shù)據(jù)中心。借助邊緣計(jì)算,數(shù)據(jù)可以在本地進(jìn)行分析,從而減少敏感數(shù)據(jù)泄漏的風(fēng)險(xiǎn)。
當(dāng)前邊緣計(jì)算應(yīng)用雖然尚屬探索起步期,但在很多領(lǐng)域都已得到應(yīng)用。其中包括自動(dòng)駕駛、安防前端智能化、工業(yè)級(jí)低時(shí)延應(yīng)用、VR/AR即時(shí)對(duì)戰(zhàn)類游戲、遠(yuǎn)程醫(yī)療等。5G時(shí)代的多元化應(yīng)用催生了邊緣計(jì)算的快速發(fā)展,傳統(tǒng)的數(shù)據(jù)中心將向邊緣側(cè)延伸,邊緣計(jì)算將加速ICT融合落地。邊緣計(jì)算市場(chǎng)規(guī)模萬(wàn)億可期,將成為與云計(jì)算平分秋色的新興市場(chǎng)。
審核編輯:黃飛
?
評(píng)論
查看更多