智能交通边缘计算系统-浙江边缘计算系统-速核电子

边缘计算

边缘计算就如同“哈姆雷特”，不同角度认识不同，这是由于边缘太过于宽泛。

在总体上边缘计算可分为云边缘和物联边缘两大类。

云边缘包括ETSI定义的多接入边缘计算MEC，也包括AWS的Outts平台等等。

物联边缘是边缘计算和IOT场景结合，包括工业边缘计算等等，浙江边缘计算系统，能提供数据分析，AI推理等实现物联到智联。

边缘计算结合5G网络，FPGA边缘计算系统，是行业的数字化和智能化转型的基础设施，也是支撑数字孪生的基础平台。

边缘设备智能化的基本要求

将计算基础架构从数据中心扩展到边缘这一主张，得到了越来越广泛的共识。诸如联邦学习之类的概念，通过共享的预测模型进行协作学习这种方式，将标准集中式机器学习(ML)方法从数据中心转移到手机——在将数据存储到云的需求中，消解了对可实现ML能力的要求。5而各种深度神经网络(DNN)，每天都在发展、以更好地赋能基于边缘的处理功能。成功地将智能带到边缘设备也带来了与传统的AI不同的商机——例如：个性化购物，基于AI的助手;或在制造设施中进行预测分析。边缘/雾计算的应用，比如：车辆的自动驾驶;需要复杂反馈机制的机器人技术的远程控制;甚至是使用ML、可更好地管理可再生能源的智能电网终端设备;以及在电网中对本地电能使用进行预测分析。对于此类应用，成功实施AI的主要决定因素包括：成本效益低功耗可重构性/灵活性尺寸

边缘计算的优点

保护隐私数据，提升数据安全性。物联网应用中数据的安全性一直是关键问题，调查显示约有 78% 的用户担心他们的物联网数据在未授权的情况下被第三方使用。云计算模式下所有的数据与应用都在数据中心，用户很难对数据的访问与使用进行细粒度的控制。随着智能家居的普及，许多家庭在屋内安装网络摄像头，智能交通边缘计算系统，如果直接将视频数据上传至云数据中心，视频数据的传输不仅会占用带宽资源，还增加了泄露用户隐私数据的风险。为此，针对现有云计算模型的数据安全问题，边缘计算模型为这类敏感数据提供了较好的隐私保护机制，一方面，用户的源数据在上传至云数据中心之前，智能边缘计算系统，首先利用近数据端的边缘结点直接对数据源进行处理，以实现对一些敏感数据的保护与隔离；另一方面，边缘节点与云数据之间建立功能接口，即边缘节点仅接收来自云计算中心的请求，并将处理的结果反馈给云计算中心。这种方法可以显著地降低隐私泄露的风险。