大多数关于技术转型的讨论都是由云主导的。直到最近，转型还意味着转向去中心化平台来处理业务生成的大量数据。然而，计算需求正在超越云的发展，软件创新的下一个飞跃是向边缘计算领域迈进。
预计到2028年，大多数企业将使用边缘计算，到2025年，超过50%的企业将在传统平台之外处理数据。超大规模企业已经报告其云业务出现下滑2023年上半年。换句话说，变化已经到来，而且速度正在加快。
为什么边缘计算很重要
工业4.0一直与自动化、连接性和机器人技术有关。这些技术正在呈指数级扩展跨行业的可能性（包括制造业等传统行业），并为日常生活质量带来巨大进步。然而，人们较少谈论的是运行这些技术背后的处理单元所需的大量电力。
随着环境破坏达到严重程度，迫切需要转向可持续的行业实践，而我们目前使用的电力中心效率不足以处理工业4.0所需的数据。
据估计，到本世纪末，除非找到更高效的解决方案，否则世界上高达20%的电力可能会用于计算，这就是边缘计算的用武之地。事实上，建立人工智能和机器学习兼容的市场到2031年，边缘计算的价值将达到760亿美元。
边缘计算的商业案例
● 即时数据处理
在当今竞争激烈的领域取得成功，根据实时数据洞察采取行动至关重要，而基于云的数据处理已经不够快了。人们越来越需要在数据创建的确切时间点进行计算，这就是边缘计算的作用。当涉及到人工智能/机器学习算法给我们的结果时，即使是几秒钟也能产生影响。
● 成本效率
将数据转移到云托管中心可能会产生巨大的运营成本，并且产生的数据越多，这些成本就越高。边缘计算消除了数据移动的需要，并且它使用的电力和网络资源比云少得多。因此，在初始设置成本之后，它成为一种更实惠的计算选项。
● 增强的安全性和控制
边缘计算标志着“机器上”计算的回归，而不是云的分散化。虽然这对一些人来说可能令人惊讶，但企业越来越多地看到保留对其数据的完全控制和建立自己的安全系统的好处。随着网络攻击不断扩散，必须将数据移动到云端会产生漏洞，而边缘计算消除了这种风险。
● 释放远程设备的潜力
边缘计算使设备和计算机能够在网络“边缘”处理数据。网络上的负载因此减少，因此，即使在连接可能不太好的远程位置，边缘计算也可以工作。因此，无论企业身在何处，企业都可以从设备中获取及时的见解，从而做出更明智的决策。
尤其是制造业，可以从边缘计算中受益匪浅。该行业的现代化早就该实现了，虽然人工智能和机器人技术是
解决方案的关键，但边缘计算为这一切的发生提供了基础。借助边缘计算，制造商可以建立智能工厂，在工厂车间接收数据洞察，而不必等待外部设施返回数据。
因此，人工智能和机器学习可以安全、迅速地部署，以补充人类的劳动和决策。例如，在汽车制造业，机器人可以接受训练，实时发现问题并做出反应，而不是等待命令。当然，这将加快制造时间表并确保每一步的准确性，从而使制造商能够满足不断增长的客户需求。
总结
技术的进步比以往任何时候都快。生成的数据量已经超过了当前业务网络的容量，边缘计算将比任何人想象的更快成为必需品。各种规模的企业现在都应该投资边缘计算设施，并开始享受更快的处理时间、更低的成本以及更高的数据安全性和自主性的好处。对于这个行业来说，这是一个激动人心的时刻，未来几年可能会改变事物运作方式的面貌。
CIBIS峰会
由千家网主办的2023年第24届CIBIS建筑智能化峰会即将正式拉开帷幕，本届峰会主题为“智慧连接，‘筑’就未来”， 将携手全球知名智能化品牌及业内专家，共同探讨物联网、AI、云计算、大数据、IoT、智慧建筑、智能家居、智慧安防等热点话题与最新技术应用，分享如何利用更知慧、更高效、更安全的智慧连接技术，“筑”就未来美好智慧生活。欢迎建筑智能化行业同仁报名参会，分享交流！
报名方式
成都站（10月24日）：https://www.huodongxing.com/event/6715336669000
西安站（10月26日）：https://www.huodongxing.com/event/3715335961700
长沙站（11月09日）：https://www.huodongxing.com/event/7715337579900
上海站（11月21日）：https://www.huodongxing.com/event/9715337959000
北京站（11月23日）：https://www.huodongxing.com/event/3715338464800
广州站（12月07日）：https://www.huodongxing.com/event/6715338767700
更多2023年CIBIS峰会信息，详见峰会官网：http://summit.qianjia.com/
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
