躲在你身边的边缘计算,早就改变了你的日常

早上出家门,抬手刷脸,小区门一秒弹开。

掏出手机拍夜景,按下快门,两秒就出了一张降噪干净的成片。

你会不会觉得,这都是AI的功劳?当然是,但不全是。悄悄托着这些流畅体验的,就是今天要说的——边缘计算。

很多人听这名,觉得是刚出来的高科技概念,跟自己没关系。

错了。你已经用了它好几年了。

为什么云计算搞不定的事,要找边缘计算?

先给你掰明白这个事,不用讲术语。我们现在用的大部分智能服务,最早都是靠云计算撑起来的。什么是云计算?就是你的设备产生数据,打包传给千里之外的大机房,人家算完了再把结果传给你。

存东西,算大模型,干这种对延迟要求不高的活,云计算没问题。但有些场景,真的等不起。

你直播的时候卡成PPT,为什么?大部分情况就是数据来回跑的路上堵了。自动驾驶要刹车,信号传给云,云算完再发回来刹车指令,这一圈几百毫秒过去了,车早就撞上去了。

云计算与边缘计算数据传输路径对比图
云计算与边缘计算数据传输路径对比图

那怎么办?把计算挪到离数据产生地更近的地方啊。这个“更近的地方”,就是所谓的“边缘”。

你的手机本身就是边缘,小区基站就是边缘,工厂门口的监控摄像头本身带的芯片就是边缘,楼下奶茶店的点单终端也是边缘。说白了,原来要跑上千公里去大机房算的东西,现在在家门口就算完了,直接给结果。

延迟直接砍到几毫秒以内。这不就快了吗?

你没察觉到的边缘计算,已经藏在哪些地方?

说实话,你今天至少用了十次以上边缘计算,只是你没发现。

开头说的刷脸开门,要是把你的人脸图像传到百里之外的云去比对,就算网络不堵,开门也得等个三五秒,谁受得了?现在大部分小区的门禁,都是把人脸特征存在本地的门禁设备里,直接比对,一秒开,这就是典型的边缘计算应用。

再说手机的AI拍照。你拍夜景,那原始raw文件好几十M,要是传给云去降噪修图,你举着手机等半分钟,手都酸了,还拍什么?现在都是手机自己的AI芯片在本地就算完了,一两秒出片,这不就是边缘计算?

智能手机AI夜景边缘计算处理流程图
智能手机AI夜景边缘计算处理流程图

还有智能音箱。你有没有发现,就算家里断网了,你喊“打开灯光”还是能用?这就是唤醒指令和控制指令都存在音箱本地,断网也能跑,还是边缘计算的功劳。

哦对,还有你刷短视频,为什么滑下一个视频几乎秒开?因为热门内容早就缓存在你城市附近的边缘节点了,不用去远在千里的核心机房拉,当然快。

很多人吐槽智能设备隐私不安全,边缘计算其实反而能解决这个问题。你的人脸、语音这些敏感数据,不用全传到云上去,就在本地处理完就删了,只留需要的结果,隐私风险一下子就降下来了。这不比把所有数据都打包传云安全?

别被营销忽悠,边缘计算不是来取代云计算的

别被营销忽悠,边缘计算不是来取代云计算的
别被营销忽悠,边缘计算不是来取代云计算的

现在一讲新技术,就总有一帮人吹“XX取代XX”,说边缘计算要取代云计算了。

扯。

说白了,边缘和云计算就是分工不同,谁也代替不了谁。边缘干的就是那些要求低延迟、需要保护隐私、单个设备数据量不大但设备多的活。那大模型训练、用户长期数据存储、上亿用户的行为分析这种活,还是得云计算来干,边缘那点算力根本扛不住。

举个例子,你刷短视频,平台给你推什么内容,这个是大模型在云计算那边算出来的。但你滑视频不卡、开播不延迟,这个就是边缘节点的活。缺了哪个都不行。

不过话说回来,现在确实有不少人拿边缘计算当割韭菜的幌子。有些工业设备,本来就是本地控制,换个包装盒印上“边缘计算解决方案”,价格就能翻一倍。有些家用摄像头,本来就是本地存录像,非说自己是“边缘智能摄像头”,涨好几百块。买的时候可得睁大眼睛。

还有一个误区,不是什么活都要往边缘塞。有些小公司,一共没几台设备,本来用云用得好好的,非听人忽悠搞什么本地边缘节点,花了几十万,成本上去了,体验还没原来好,纯属瞎折腾。

未来边缘计算肯定会越来越普及,这个我信。现在我们身边的智能设备越来越多,一个大城市里几百万个摄像头、几十万个智能充电桩、几亿台手机,每天产生的数据量比十年前全年都多。要是所有数据都往云传,别说带宽扛不住,就算扛得住,成本也高得离谱。把大部分基础计算放在边缘,只传需要的结果,省带宽,省成本,还快,这不是顺理成章的事吗?

说白了,边缘计算从来不是什么飘在天上的未来概念。它就是为了解决我们日常用智能设备的痛点,一点点长出来的技术。

下次你刷脸一秒开门,拍夜景一秒出片,刷视频从来不卡,你可以想想——哦,原来那个躲在背后干活的,就是边缘计算啊。

作者|科技

排版|科技

审核|小准

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:躲在你身边的边缘计算,早就改变了你的日常
文章链接:https://www.lfdjt.com/p/keji/a/5934.html