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?nèi)藱C交互。例如，通過將這些創(chuàng)新應用于消費產(chǎn)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。無人駕駛飛行器（UAV）或無人機可以在不使人類處于危險之中的情況下完成對遠程管道和基礎設施資產(chǎn)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(shù)實現(xiàn)更高水平的制造過程的效率、精度和可擴展性。消費者還可以釋放物聯(lián)網(wǎng) （IoT） 和智能家居自動化的好處，騰出時間做更多我們喜歡的事情。

當今物聯(lián)網(wǎng)應用、自動駕駛汽車和工業(yè)機器人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主應用程序，因為基于邊緣的決策必須以最小的延遲做出。

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)十億連接設備持續(xù)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)，以便幾乎即時做出決策。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)采集和處理能夠在接入網(wǎng)絡的邊緣進行，并且更接近最終用戶。

管理數(shù)據(jù)洪流

考慮一下大量安裝的裝有傳感器的物聯(lián)網(wǎng)設備，這些設備會產(chǎn)生大量數(shù)據(jù)。據(jù)Verizon稱，每平方公里有超過一百萬臺連接設備。這些物聯(lián)網(wǎng)設備無處不在，而且數(shù)量還在不斷增長。從我們家庭和辦公室的安全攝像頭，到個人醫(yī)療設備和農(nóng)業(yè)傳感器，再到我們隨身攜帶的智能手機。Verizon估計，一輛聯(lián)網(wǎng)汽車在任何一天產(chǎn)生的數(shù)據(jù)都比Facebook的所有數(shù)據(jù)都要多。將這一數(shù)據(jù)輸出水平乘以當今部署在世界各地的所有連接設備、無線傳感器和機器人，很容易看出我們正面臨著一場數(shù)據(jù)海嘯，這些數(shù)據(jù)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，這些數(shù)據(jù)無法傳輸?shù)皆贫诉M行處理。為了實現(xiàn)人工智能和自主性的承諾，我們必須從根本上提高網(wǎng)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(shù)據(jù)上傳到云端來執(zhí)行深度神經(jīng)網(wǎng)絡的完全集中訓練。

現(xiàn)有的網(wǎng)絡和云計算技術(shù)沒有經(jīng)過優(yōu)化，無法處理物聯(lián)網(wǎng)設備生成的大量邊緣數(shù)據(jù)。超大規(guī)模數(shù)據(jù)中心中使用的高性能、高功耗服務器笨拙且成本太高，無法部署在邊緣附近。系統(tǒng)和網(wǎng)絡架構(gòu)師已經(jīng)設想了應對這一數(shù)據(jù)挑戰(zhàn)的解決方案：將更多的計算智能添加到邊緣而不是云中。隨著這一趨勢的鞏固和擴大，計算基礎設施的新增長將更接近數(shù)據(jù)中心領域之外的網(wǎng)絡邊緣的最終用戶。

根據(jù)Forrester Research的數(shù)據(jù)，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)擴展

復雜的算法和新的應用，如人工智能、機器學習、神經(jīng)網(wǎng)絡、自動駕駛汽車和虛擬/增強現(xiàn)實，所有這些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

日益分散和移動的員工隊伍

新的和正在出現(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，我們將看到建立在邊緣計算和邊緣服務器技術(shù)基礎上的數(shù)據(jù)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。

當我們從數(shù)據(jù)中心模型轉(zhuǎn)向智能、計算能力強大的邊緣設備時，計算基礎設施特征的權(quán)衡。

隨著智能邊緣設備在該領域的不斷激增，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速。自動駕駛汽車和工業(yè)物聯(lián)網(wǎng)設備等實時應用將需要大量的車載計算資源。通過添加本地服務器或邊緣數(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(shù)據(jù)處理基礎設施（即云）能夠大規(guī)模處理的能力。這些新興需求正在改變數(shù)據(jù)處理的方式和位置。

許多數(shù)據(jù)中心正在將其部分計算資源移近接收和發(fā)送數(shù)據(jù)的設備。越來越多的人工智能設備用戶選擇在現(xiàn)場而不是在云中處理數(shù)據(jù)。通過在本地存儲和處理數(shù)據(jù)而不是傳輸?shù)皆?，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、節(jié)能的物聯(lián)網(wǎng)產(chǎn)品和智能自主應用日益增長的需求。

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)一設備架構(gòu) （CUDA） GPU 擴展到針對邊緣或嵌入式服務器優(yōu)化的新架構(gòu)。部署靈活的硬件架構(gòu)，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)運維從云擴展到邊緣設備以及介于兩者之間的任何位置。

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

將高性能邊緣處理功能添加到當今的運營架構(gòu)中，對于物聯(lián)網(wǎng)和人工智能基礎設施來說，與過去十年中擴展云計算能力一樣重要。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(xiàn)。

開發(fā)人員必須為優(yōu)化的目標硬件定制 AI 和高性能工作負載，而不是相反。硬件應專為這些要求苛刻的邊緣工作負載而構(gòu)建。尋求為新的應用挑戰(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(chǎn)品可以實現(xiàn)設計靈活性，但它們?nèi)狈⑾敕ㄞD(zhuǎn)化為可以大規(guī)模部署的市場可行應用程序的處理能力。解決方案是邊緣超級計算——一種全新的硬件和軟件架構(gòu)，將高性能計算與復雜的人工智能功能相結(jié)合。

在多個應用程序和市場中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(chǎn)生變革。隨著智能邊緣設備的實時決策成為現(xiàn)實，我們將體驗到一個充滿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、更高效。

審核編輯：郭婷