計算性能、軟件算法、連接性和深度學習的最新進展正在徹底改變人機交互。例如，通過將這些創(chuàng)新應用于消費產品，移動設備可以提供更強大的用戶體驗。在運輸中，車輛可以封裝智能功能，使其更安全，更高效。無人機（UAV）或無人機可以在不使人類面臨風險的情況下完成對遠程管道和基礎設施資產的安全檢查。在工業(yè)應用中，開發(fā)人員可以通過高度智能的機器人技術實現更高水平的制造流程效率、精度和可擴展性。消費者還可以釋放物聯網（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。

傳感器和攝像頭在當今物聯網應用、自動駕駛汽車和工業(yè)機器人中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。盡管云計算已經徹底改變了我們處理和存儲大型數據集的方式，但一些障礙（例如性能和帶寬）限制了自主應用程序，因為必須以最小的延遲做出基于邊緣的決策。

隨著近年來物聯網技術和傳感器的爆炸式增長，沒有簡單的方法來管理和利用數十億連接設備不斷生成的所有數據。實現人工智能（AI）的承諾需要訪問大量的傳感器數據，以實現幾乎即時的決策。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重要。這些新需求正在推動行業(yè)向邊緣超級計算邁進，這使得數據采集和處理能夠在接入網絡的邊緣進行，并且更接近最終用戶。

管理數據洪流

考慮一下大量安裝的充滿傳感器的物聯網設備，這些設備會產生大量數據。根據Verizon的說法，每平方公里有超過一百萬臺連接的設備。這些物聯網設備無處不在，并且數量還在不斷增長。從我們家中和辦公室的安全攝像頭，到個人醫(yī)療設備和農業(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，一輛聯網汽車產生的數據都比Facebook的所有數據都要多。將當今全球部署的所有連接設備、無線傳感器和機器人的數據輸出水平相乘，很容易看出我們正面臨著一場數據海嘯，這些數據可能會淹沒我們做出實時決策的能力。

不幸的是，估計有80%的邊緣數據被浪費了，因為由于帶寬、延遲、隱私或成本限制，這些數據無法傳輸到云中進行處理。為了實現人工智能和自主性的承諾，我們必須從根本上提高網絡和計算效率。這包括在邊緣持續(xù)學習的能力，而不是依靠令人眼花繚亂的數據上傳到云來執(zhí)行深度神經網絡的完全集中訓練。

現有的網絡和云計算技術沒有經過優(yōu)化，無法處理物聯網設備生成的大量邊緣數據。超大規(guī)模數據中心中使用的高性能、耗電服務器非常笨拙且成本太高，無法部署在邊緣附近。系統(tǒng)和網絡架構師已經設想了應對這一數據挑戰(zhàn)的解決方案：向邊緣而不是云添加更多的計算智能。隨著這一趨勢的鞏固和擴展，計算基礎設施的新增長將出現在更接近數據中心領域之外的網絡邊緣的最終用戶。

根據福雷斯特研究公司的說法，以下因素正在推動邊緣計算的增長：

持續(xù)擴展物聯網和機器對機器 （M2M） 連接

復雜的算法和新應用，如人工智能、機器學習、神經網絡、自動駕駛汽車和虛擬/增強現實，都需要低延遲和高可靠性

影響云計算的帶寬和連接限制

數據存儲和傳輸成本的上升

日益分散和移動的員工隊伍

新的和正在出現的數據隱私問題和要求。

邊緣超級計算的興起

在這十年及以后，我們將看到建立在邊緣計算和邊緣服務器技術背后的數據中心之外的高性能計算的創(chuàng)新。我們將看到一種新的計算范式的迅速崛起：邊緣超級計算。

下圖顯示了隨著我們遠離數據中心模型并更接近智能、計算能力強大的邊緣設備時計算基礎結構特征的權衡。

隨著智能邊緣設備在現場的不斷涌現，將高性能計算功能嵌入這些設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)物聯網設備等實時應用將需要大量的車載計算資源。還可以通過添加本地服務器或邊緣數據中心來更有效地解決帶寬受限的應用程序。

戰(zhàn)略和架構的轉變

由于邊緣的機器智能依賴于嵌入在做出實時決策的設備中的各種傳感器，因此所需的計算能力和低延遲大于當前數據處理基礎設施（即云）能夠大規(guī)模處理的計算能力和低延遲。這些新興需求正在改變數據處理的方式和地點。

許多數據中心正在將其部分計算資源移動到更靠近接收和發(fā)送數據的設備。越來越多的AI設備用戶選擇在現場而不是在云中處理數據。由于數據在本地存儲和處理，而不是傳輸到云端，因此邊緣計算增強了安全性和隱私性的許多方面。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、高能效物聯網產品和智能自主應用不斷增長的需求。

向邊緣計算的持續(xù)轉變將需要重新構想IT戰(zhàn)略和架構。以下因素是新的邊緣超級計算范例的重要考慮因素：

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

擴展開發(fā)運維 - 將開發(fā)運維從云端擴展到邊緣設備以及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器和/或增加邊緣數據中心容量方面的投資。

對于物聯網和人工智能基礎設施而言，將高性能邊緣處理功能添加到當今的運營架構中，與過去十年中不斷擴展的云計算功能一樣重要。盡管在邊緣處理的許多領域取得了進展，但在邊緣部署高級算法的開發(fā)人員仍然受到資源限制。基于邊緣的機器智能在改進任務和流程方面的全部潛力尚未實現。

開發(fā)人員必須針對優(yōu)化的目標硬件定制 AI 和高性能工作負載，而不是相反。硬件應專門針對這些要求苛刻的邊緣工作負載而構建。尋求為新的應用程序挑戰(zhàn)創(chuàng)建算法的開發(fā)人員需要實驗和創(chuàng)新的空間。目前可用的邊緣計算產品可能具有設計靈活性，但它們缺乏將想法轉化為可以大規(guī)模部署的市場可行應用程序的處理能力。該解決方案是邊緣超級計算 - 一種全新的硬件和軟件架構，將高性能計算與復雜的AI功能相結合。

跨多個應用程序和市場部署邊緣超級計算的好處將對世界各地的人們、工作場所、行業(yè)和城市產生變革性影響。隨著智能邊緣設備的實時決策成為現實，我們將體驗到一個充滿我們尚未想象的可能性的世界，以及無數的創(chuàng)新，這些創(chuàng)新將使我們的生活更安全，更有保障，更高效。

審核編輯：郭婷