13518219792
边缘计算，让园区充满“智慧”
边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。传统云端集中化的数据中心，因为距离终端设备和用户较远，数据往返延时大，网络拥塞等问题较为明显， 边缘计算的出现完美的解决了这些问题 。
2018 年以来，边缘计算来势汹涌，大有和云计算分庭抗礼的架势。各个公有云厂商最近都将边缘计算放在重要位置，业界和媒体上边缘计算被提到的频率已经超过云计算。从各方面分析，边缘计算一年内处理的数据量就将超过云端，将成为主要的计算和存储节点。除了传统的数据上云，数据分析，远程监控等，边缘计算的核心竞争力之一是本地计算和分析的能力，尤其是综合运用各种 AI 和大数据技术，即智能边缘计算。
随着越来越多厂商重视和进入这个领域，预计 2019 年智能边缘计算将成为业界最热门领域。业内人士预判，边缘计算有可能是继 AI 之后的下一个风口。
Gartner 公布 2019 十大技术趋势，边缘计算位列其中。 Gartner 认为从云到边缘 (Cloud to the Edge) 被视为未来科技发展重要趋势， Gartner 预测 2017 年 10% 的企业数据产生在云和数据中心之外，到 2022 年这一比例将超过 50% 。边缘计算之所以能快速发展，主要是由以下几个因素：
近年来 AI 技术的成熟，也变成推动边缘计算的另一股力量。当这些边缘设备的运算分析能力越来越强，现在开始也有更多厂商将机器学习、甚至是深度学习的能力带进设备内，使得现在的边缘设备也能做到云端能做的事，应用也越来越广了。除了 AI 技术外，包括 AI 芯片、 GPU 、网络以及专为边缘设备构建的 AI 开发工具、框架及分析平台也极大地推动了边缘计算的发展。
边缘计算可广泛应用于在智慧园区、工业制造、商超、车联网等领域。例如自动驾车、无人机、增强现实（ AR ） / 虚拟现实（ VR ）以及机器人等，这些崭新应用特别强调实时的影像分析及辨识处理能力，对于网络的低延迟和高带宽要求极高，需要在数十毫秒甚至微秒时间内就要反应，然而透过因特网传输往返云端，至少需要上百毫秒才能反应过来，所以这种类型的应用，就很适合采用 “ 边云协同 ” 的边缘计算架构。通过在边缘侧实现数据的智能预分析与深度学习，云端模型训练与进一步的大数据处理等，将海量数据本地消化，避免大量数据回传带来的带宽浪费和时延。
华为云智能边缘平台 IEF 服务联动边缘和云端的数据，满足客户对边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求，同时，在云端提供统一的设备 / 应用监控、日志采集等运维能力，为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案，帮助客户轻松构建智能边缘。
IEF 服务自从 2018 年 4 月上线以来，持续在多个领域深耕探索。其中就包括德邦快递与华为云联手，共同探索新型智慧物流园区的建设，依托 IEF 服务为基础构建的边云协同架构，共同打造云上的智慧物流园区。小编这次将重点探讨一下智慧园区场景下的边云协同解决方案与内在的价值。
当前园区监控的现状主要集中在 “ 看 ” 与 “ 存 ” ，对于监控视频的分析与态势感知能力较弱。基于 IEF 服务构建的边云协同解决方案实现从 “ 人防 ” 到 “ 技防 ” 的智能化升级，可以帮助客户提升园区运营效率，提高园区住户体验：
1 、低时延：本地快速处理摄像头码流上传图片，降低人脸识别的时延；
2 、智能化：对监控视频智能分析，实时感知入侵、人流量大等异常事件，降低园区人力成本；
3 、管理便捷：边缘应用全生命周期管理，可以做到无缝升级；
4 、模型自学习：自动训练，算法扩展性好，并且完成自学习闭环（从样本收集、训练到推理的完整闭环）；
5 、成本省：可以利旧园区已有 IPC 摄像头，通过边云协同，改成为智能摄像头，节省成本。
那么从技术层面讲，智能边缘平台 IEF 到底是如何赋予智慧园区 “ 智慧 ” 的呢？
首先需要将园区内的所有摄像头接入到边缘服务器，通过 IEF 服务可以将各种云端的视频分析算法下沉到边缘服务器。摄像头采集到的视频流可以直接灌入到位于边缘服务器中的视频分析算法中，边缘视频分析算法可对视频流直接进行处理，无需把视频流数据上传到公有云。这样一来既可以减少带宽成本，又可以提高处理的实时性。
此外，该方案有别于传统的智能摄像头方案，传统智能摄像头中的视频分析算法是固化的，而使用边缘云服务，可以灵活使能算法，具有很强的扩展性。真正提升摄像头的 “ 软 ” 实力！
想了解更多边缘计算内容，欢迎访问华为云学院（ /tupian/20230522/ ）
