边缘计算让各个领域实现AI智能,打造一个更智能的互联世界

边缘计算让各个领域实现AI智能,打造一个更智能的互联世界

什么是边缘计算？

在边缘计算参考架构2．0中，对边缘计算有这样的定义：

“边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为联接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。”

边缘处理的优势在于减少延迟，全网络覆盖，增加了隐私和安全性，并减少了与云端的通信，从而降低了成本。

神经网络－ANN

一个函数的权重加权（每个输入信号x1， x2， x3，对应的权重分别为w1， w2， w3，然后加上内部强度（用 b 表示），然后激活函数（用 a＝σ（z） 表示）

整个公式为：

w和x都是 3x1 的列向量，其中w转置后为 1x3 的行向量，因此与x相乘后为标量（实数），然后和 b 相加就得到标量 z，z被代入到激活函数 a＝σ（z） 得到神经元的输出，这里的 a 表示神经元的激活状态。σ（z）被称为激活函数。

整个神经网络分为：输入层，隐藏层，输出层。一般说L层神经网络，指的是有L个隐层，输入层和输出层都不计算在内的。

深度学习－DL

如下图， 很多点， 深度学习之后汇出的应该是如图一的趋势图， 这样x 轴任给一个点， y轴能找到对应的值。如果数据或是运算过分的话， 原有数据的每一个点都包含的话。反而没有规律了。

所以深度学习通过在输出个输入之间引入一个shortcut connection，而不是简单的堆叠网络，这样可以解决网络由于很深出现梯度消失的问题，从而可以把网络做的很深。

边缘计算的五大特性

1、边缘计算的基础－联接性

2、边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口

边缘计算拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，将更好的支撑预测性维护，资产效率与管理等创新应用；同时，作为数据第一入口，边缘计算也面临数据实时性、确定性、多样性等挑战。

3、边缘计算具有约束性

边缘计算产品需要考虑通过软硬件集成与优化，以适配各种条件约束，支撑行业数字化多样性场景。

4、边缘计算实际部署天然具备分布式特征

边缘计算支持分布式计算与存储，实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。

5、OT与ICT的融合是行业数字化转型的重要基础

边缘计算作为OICT融合与协同的关键承载，需要支持在联接、数据、管理、控制、应用、安全等方面的协同。

总结

边缘计算可以让各个领域实现AI智能，在现代数字世界建立起对多样协议、海量设备和跨系统的物理资产的实时映像，了解事物或系统的状态，应对变化、改进操作和增加价值，为实现物自主化和协作化，在网络边缘侧的智能分布式架构与平台上，融入知识模型驱动智能化能力，开发服务框架主要包括方案的开发、集成、验证和发布；部署运营服务框架主要包括方案的业务编排、 应用部署和应用市场。开发服务框架和部署运营服务框架需要紧密协同、无缝运作，支持方案快速高效开 发、自动部署和集中运营。边缘侧需要支持多种网络接口、协议与拓扑，业务实时处理与确定性时延，数据处理与分析，分布式智 能和安全与隐私保护。云端难以满足上述要求，需要边缘计算与云计算在网络、业务、应用和智能方面进行协同。边缘计算可以打造一个AI的更智能的互联世界。