边缘计算和AIoT

物联网技术架构的基本思路是分层分工，感测层主要取得数据和建立对物理硬件的控制，数据通过网络层和计算平台连接，计算则在云端完成。但是随着物联网应用场景的丰富，设备规模的扩大，以及芯片技术的发展，边缘计算概念开始得到认可。所谓边缘计算，就是利用设备端和邻近网关的计算能力处理和存储数据，减少和云端的数据传输，从而实现更快速的应用响应。除了速度的提升，边缘计算还能够大幅减少云计算和数据传输成本。比如针对一个大型的视频监控网络，如果摄像头将所有的视频流数据都传输到云端，云端算力要求和成本将会非常高。而如果在摄像头设备内部实现必要的视觉计算(比如识别异常)，整个物联网系统的效率将大大提高。再例如广泛应用的人脸认证和识别系统，如果不能依赖本地的设备计算能力，十亿用户的高频度使用将会让云平台不堪重负。

上面两个例子显示了边缘计算往往和人工智能应用相关，设备侧往往完成的是模式识别类的人工智能算法，因此往往需要专门芯片的助力。Nvidia公司推出的Jetson系列模块就是专门为边缘计算场景而服务的。这些芯片模块被安装在机器人、自动驾驶汽车等边缘设备上，所以这组技术产品也被称为“自主机器”。因为物联网和这些人工智能应用的结合，因此，这套技术方案也常被称为AIoT。

应用领域

如果把2012年前后作为基于云计算的物联网平台技术发展开端的年份，仅仅八年左右的时间，物联网应用领域已经发展得非常广泛。只是我们身在其中，享受它带来的便利，并不一定能够感知它的存在。这个高速发展过程很大程度上受益于基础云计算服务和大数据技术栈的同步发展。

在消费应用领域，个人穿戴设备已经从手表、手环发展到耳环戒指这样的杂项。在智能家居领域，我们可见的家电、门锁、照片、开关、音箱等都已经是互联网设备。在个人和家庭领域，物联网技术竞争已经不再重要，竞争的焦点已经迁移到内容生态和用户网络效应。在这些领域，苹果、谷歌和国内的华为、小米等已经牢牢占据了领先地位。小米生态链重点指的就是依托米家体系的一群消费电子产品企业。

在工业、农业、交通运输、能源和社会管理领域，物联网的应用场景更为广泛。我们的街道上已经密布了各种摄像头，这些摄像头通过专门网络构筑了天眼系统;我们头顶上的电力传输网络和用电单位终端也已经完成了智能电网改造;矿场和工地上也都布满了各种安全监控设备。这些都是最近十年来重大的IT投资。预计未来十年这样的建设和更新依然不会结束。

（编辑：揭阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!