對于云計算來說，它是軟件即服務和移動設備的爆炸式增長。如今，世界上有超過53億的手機用戶，這意味著地球上每10個人中就有近7個人從專門為高速下載而建立的網絡服務器下載數據和信息。

即將到來的邊緣計算時代有自己的最強應用，也就是物聯網。但物聯網的需求并非以下載數據為主，而是指向相反的方向。擁有數十億設備的企業如今需要上傳大量數據，這些數據需要在盡可能接近其源頭的地方進行處理和分析，同時著眼于最小化決策延遲，減少昂貴的互聯網帶寬消耗，并確保自主權、安全性和隱私性。隨著這些驅動因素的發揮，邊緣計算和物聯網提供了一個攜手合作的解決方案。

例如計算機視覺，這是人工智能的一個領域，使計算機能夠解釋和理解數字圖像。通過分析各種情況下的流媒體視頻，人工智能模型可以提供識別針對人口統計或人員監控、識別車牌或武器等物體，以及有價值的信息，以推動改善質量控制、預測性維護和安全等結果。帶寬密集的分析是在邊緣進行的，只有關鍵事件才會被回調以觸發其他系統。

預測性維護還形成了物聯網中另一個關鍵用例的基礎，在邊緣部署人工智能來分析關鍵油氣設備的振動，如泵、壓縮機和電機。數據采樣率每秒超過1000次并不罕見，有時甚至達到8-10倍，以獲得公司預測機器故障所需的可見性。將如此多的數據連續傳輸到中央數據中心成本太高，因此在設備旁邊部署人工智能模型來實時檢查振動數據更有意義。如果模型感知到某個部件即將發生故障，則可以將信息傳輸給某人進行確認，然后發送給技術人員。

物聯網和邊緣計算將創造新產業

正如整個行業的興起都是為了利用互聯網和云計算一樣，物聯網在邊緣的興起也會帶來支持它的硬件和軟件公司的崛起。

硬件制造商和硅供應商將提供處理能力，電信公司將提供和管理連接，軟件供應商將創建物聯網框架和應用。這項任務非常復雜，因此領先的公司在開放、標準化的基礎設施之上構建產品和服務是有意義的，正如我們在IT界已經看到的那樣。

邊緣產生的大量數據也給安全和數據分析帶來了新的挑戰。軟件必須保持最新，以確保數據的準確性，在最極端的情況下，避免現場關鍵系統的完全故障，從而導致重大的生產損失，甚至危及個人安全。

邊緣計算為企業提供了一個重要的機會，可以將我們在過去十年中在云計算中獲得的經驗教訓擴展到物聯網用例融合物理和數字世界的前置環境中。通過利用邊緣技術收集和分析物聯網數據，企業可以提高運營效率，同時確保業務連續性，確保數據安全和員工安全。