計算性能、軟件算法、連接性和深度學(xué)習(xí)方面的最新進(jìn)展正在徹底改變?nèi)藱C交互。例如，通過將這些創(chuàng)新應(yīng)用于消費產(chǎn)品，移動設(shè)備可以提供更強大的用戶體驗。在交通運輸中，車輛可以封裝智能功能，使其更安全、更高效。無人駕駛飛行器 （UAV） 或無人機可以在不將人類置于危險之中的情況下完成對遠(yuǎn)程管道和基礎(chǔ)設(shè)施資產(chǎn)的安全檢查。在工業(yè)應(yīng)用中，開發(fā)人員可以通過高度智能的機器人技術(shù)實現(xiàn)制造過程的更高水平的效率、精度和可擴(kuò)展性。消費者還可以釋放物聯(lián)網(wǎng) （IoT） 和智能家居自動化的優(yōu)勢，騰出時間做更多我們喜歡的事情。

當(dāng)今物聯(lián)網(wǎng)應(yīng)用、自動駕駛汽車和工業(yè)機器人技術(shù)中傳感器和攝像頭的激增需要新的高性能邊緣處理解決方案，以提高計算能力，同時消耗更少的能源并增強安全性和隱私性。盡管云計算已經(jīng)徹底改變了我們處理和存儲大型數(shù)據(jù)集的方式，但性能和帶寬等一些障礙限制了自治應(yīng)用程序，因為必須以最小的延遲做出基于邊緣的決策。

隨著近年來物聯(lián)網(wǎng)技術(shù)和傳感器的爆炸式增長，沒有簡單的方法來管理和利用數(shù)十億連接設(shè)備不斷生成的所有數(shù)據(jù)。實現(xiàn)人工智能 （AI） 的承諾需要訪問大量傳感器數(shù)據(jù)，以實現(xiàn)幾乎即時的決策。此外，傳感器和計算資源之間的直接通信對于實時決策至關(guān)重要。這些新需求正在推動行業(yè)向邊緣超級計算發(fā)展，這使得數(shù)據(jù)采集和處理可以在接入網(wǎng)絡(luò)的邊緣進(jìn)行，并且離最終用戶更近。

管理數(shù)據(jù)洪流

考慮到大量安裝了傳感器的物聯(lián)網(wǎng)設(shè)備，這些設(shè)備產(chǎn)生了大量的數(shù)據(jù)。據(jù) Verizon 稱，每平方公里有超過 100 萬臺聯(lián)網(wǎng)設(shè)備。這些物聯(lián)網(wǎng)設(shè)備無處不在并且數(shù)量不斷增加。從我們家和辦公室的安全攝像頭，到個人醫(yī)療設(shè)備和農(nóng)業(yè)傳感器，再到我們隨身攜帶的智能手機。Verizon 估計，在任何一天，一輛聯(lián)網(wǎng)汽車產(chǎn)生的數(shù)據(jù)都超過了 Facebook 的所有數(shù)據(jù)。將當(dāng)今所有連接設(shè)備、無線傳感器和部署在世界各地的機器人的數(shù)據(jù)輸出水平相乘，很容易看出我們正面臨著數(shù)據(jù)海嘯，這可能會淹沒我們做出實時決策的能力。

不幸的是，估計有 80% 的邊緣數(shù)據(jù)被浪費了，因為由于帶寬、延遲、隱私或成本限制，它無法傳輸?shù)皆贫诉M(jìn)行處理。為了兌現(xiàn)人工智能和自治的承諾，我們必須從根本上提高網(wǎng)絡(luò)和計算效率。這包括在邊緣持續(xù)學(xué)習(xí)的能力，而不是依靠上傳到云端的大量數(shù)據(jù)來執(zhí)行深度神經(jīng)網(wǎng)絡(luò)的完全集中式訓(xùn)練。

現(xiàn)有的網(wǎng)絡(luò)和云計算技術(shù)并未針對物聯(lián)網(wǎng)設(shè)備生成的海量邊緣數(shù)據(jù)進(jìn)行優(yōu)化。超大規(guī)模數(shù)據(jù)中心中使用的高性能、耗電的服務(wù)器笨重且成本太高，無法在邊緣附近部署。系統(tǒng)和網(wǎng)絡(luò)架構(gòu)師已經(jīng)為這一數(shù)據(jù)挑戰(zhàn)設(shè)想了解決方案：將更多計算智能添加到邊緣而不是云。隨著這一趨勢的鞏固和擴(kuò)展，計算基礎(chǔ)設(shè)施的新增長將在數(shù)據(jù)中心域之外的網(wǎng)絡(luò)邊緣更接近最終用戶。

據(jù) Forrester Research 稱，以下因素正在推動邊緣計算的增長：

物聯(lián)網(wǎng)和機器對機器 （M2M） 連接的持續(xù)擴(kuò)展

復(fù)雜的算法和新應(yīng)用，例如人工智能、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、自動駕駛汽車和虛擬/增強現(xiàn)實，都需要低延遲和高可靠性

影響云計算的帶寬和連接限制

數(shù)據(jù)存儲和傳輸成本上升

越來越分散和移動的勞動力

新出現(xiàn)的數(shù)據(jù)隱私問題和要求。

邊緣超級計算的興起

在這十年及以后，我們將看到基于邊緣計算和邊緣服務(wù)器技術(shù)的數(shù)據(jù)中心之外的高性能計算創(chuàng)新。我們將看到一種新的計算范式迅速崛起：邊緣超級計算。

下圖顯示了當(dāng)我們遠(yuǎn)離數(shù)據(jù)中心模型而更接近智能、計算能力強的邊緣設(shè)備時計算基礎(chǔ)設(shè)施特性的權(quán)衡。

隨著智能邊緣設(shè)備在該領(lǐng)域的不斷激增，將高性能計算能力嵌入這些設(shè)備所需的投資和上市時間只會加快。自動駕駛汽車和工業(yè)物聯(lián)網(wǎng)設(shè)備等實時應(yīng)用將需要大量的車載計算資源。通過添加本地服務(wù)器或邊緣數(shù)據(jù)中心，還可以更有效地解決帶寬受限的應(yīng)用程序。

戰(zhàn)略和架構(gòu)的轉(zhuǎn)變

由于邊緣的機器智能依賴于嵌入在設(shè)備中的各種傳感器來做出實時決策，因此所需的計算能力和低延遲要大于當(dāng)前數(shù)據(jù)處理基礎(chǔ)設(shè)施（即云）能夠大規(guī)模處理的能力。 這些新出現(xiàn)的需求正在改變數(shù)據(jù)處理的方式和地點。

許多數(shù)據(jù)中心正在將其部分計算資源移動到更靠近接收和發(fā)送數(shù)據(jù)的設(shè)備處。越來越多的人工智能設(shè)備用戶選擇在現(xiàn)場而不是在云端處理數(shù)據(jù)。通過在本地存儲和處理數(shù)據(jù)而不是傳輸?shù)皆贫?，邊緣計算增強了安全和隱私的許多方面。邊緣計算還為創(chuàng)新開辟了新的機會，以滿足對高性能、低延遲、節(jié)能物聯(lián)網(wǎng)產(chǎn)品和智能自主應(yīng)用日益增長的需求。

向邊緣計算的持續(xù)轉(zhuǎn)變將需要重新構(gòu)想 IT 戰(zhàn)略和架構(gòu)。以下因素是新邊緣超級計算范式的重要考慮因素：

將支持操作重新調(diào)整到邊緣——將軟件支持從 x86 CPU 和計算統(tǒng)一設(shè)備架構(gòu) （CUDA） GPU 擴(kuò)展到針對邊緣或嵌入式服務(wù)器優(yōu)化的新架構(gòu)。部署靈活的硬件架構(gòu)，以利用不斷發(fā)展的算法工作負(fù)載在多租戶環(huán)境中運行不同類型的工作負(fù)載。

擴(kuò)展 dev-ops - 將 dev-ops 從云擴(kuò)展到邊緣設(shè)備以及介于兩者之間的任何地方。

重新確定資本分配的優(yōu)先級 - 探索在部署本地邊緣服務(wù)器和/或增加邊緣數(shù)據(jù)中心容量方面的投資。

將高性能邊緣處理能力添加到當(dāng)今的運營架構(gòu)中對于物聯(lián)網(wǎng)和人工智能基礎(chǔ)設(shè)施至關(guān)重要，就像過去十年擴(kuò)展云計算能力一樣。盡管邊緣處理的許多領(lǐng)域都取得了進(jìn)展，但在邊緣部署高級算法的開發(fā)人員仍然受到資源限制?；谶吘壍臋C器智能在改進(jìn)任務(wù)和流程方面的全部潛力尚未實現(xiàn)。

開發(fā)人員必須針對優(yōu)化的目標(biāo)硬件定制 AI 和高性能工作負(fù)載，而不是相反。硬件應(yīng)該專為這些苛刻的邊緣工作負(fù)載而設(shè)計。尋求為新的應(yīng)用程序挑戰(zhàn)創(chuàng)建算法的開發(fā)人員需要進(jìn)行實驗和創(chuàng)新的空間。當(dāng)前可用的邊緣計算產(chǎn)品可以實現(xiàn)設(shè)計靈活性，但它們?nèi)狈⑾敕ㄞD(zhuǎn)化為可大規(guī)模部署的市場可行應(yīng)用程序的處理能力。該解決方案是邊緣超級計算——一種全新的硬件和軟件架構(gòu)，將高性能計算與復(fù)雜的人工智能功能相結(jié)合。

在多個應(yīng)用程序和市場中部署邊緣超級計算的好處將為世界各地的人、工作場所、行業(yè)和城市帶來變革。隨著智能邊緣設(shè)備的實時決策成為現(xiàn)實，我們將體驗到一個我們尚未想象的可能性和無數(shù)創(chuàng)新的世界，這些創(chuàng)新將使我們的生活更安全、更有保障、更有成效。

審核編輯：郭婷