从云计算到边缘超级计算的迁移

　　计算性能、软件算法、连接性和深度学习方面的最新进展正在彻底改变人机交互。例如，通过将这些创新应用于消费产品，移动设备可以提供更强大的用户体验。在交通运输中，车辆可以封装智能功能，使其更安全、更高效。无人驾驶飞行器 （UAV） 或无人机可以在不将人类置于危险之中的情况下完成对远程管道和基础设施资产的安全检查。在工业应用中，开发人员可以通过高度智能的机器人技术实现制造过程的更高水平的效率、精度和可扩展性。消费者还可以释放物联网 （IoT） 和智能家居自动化的优势，腾出时间做更多我们喜欢的事情。

　　当今物联网应用、自动驾驶汽车和工业机器人技术中传感器和摄像头的激增需要新的高性能边缘处理解决方案，以提高计算能力，同时消耗更少的能源并增强安全性和隐私性。尽管云计算已经彻底改变了我们处理和存储大型数据集的方式，但性能和带宽等一些障碍限制了自治应用程序，因为必须以最小的延迟做出基于边缘的决策。

　　随着近年来物联网技术和传感器的爆炸式增长，没有简单的方法来管理和利用数十亿连接设备不断生成的所有数据。实现人工智能 （AI） 的承诺需要访问大量传感器数据，以实现几乎即时的决策。此外，传感器和计算资源之间的直接通信对于实时决策至关重要。这些新需求正在推动行业向边缘超级计算发展，这使得数据采集和处理可以在接入网络的边缘进行，并且离最终用户更近。

　　管理数据洪流

　　考虑到大量安装了传感器的物联网设备，这些设备产生了大量的数据。据 Verizon 称，每平方公里有超过 100 万台联网设备。这些物联网设备无处不在并且数量不断增加。从我们家和办公室的安全摄像头，到个人医疗设备和农业传感器，再到我们随身携带的智能手机。Verizon 估计，在任何一天，一辆联网汽车产生的数据都超过了 Facebook 的所有数据。将当今所有连接设备、无线传感器和部署在世界各地的机器人的数据输出水平相乘，很容易看出我们正面临着数据海啸，这可能会淹没我们做出实时决策的能力。

　　不幸的是，估计有 80% 的边缘数据被浪费了，因为由于带宽、延迟、隐私或成本限制，它无法传输到云端进行处理。为了兑现人工智能和自治的承诺，我们必须从根本上提高网络和计算效率。这包括在边缘持续学习的能力，而不是依靠上传到云端的大量数据来执行深度神经网络的完全集中式训练。

　　现有的网络和云计算技术并未针对物联网设备生成的海量边缘数据进行优化。超大规模数据中心中使用的高性能、耗电的服务器笨重且成本太高，无法在边缘附近部署。系统和网络架构师已经为这一数据挑战设想了解决方案：将更多计算智能添加到边缘而不是云。随着这一趋势的巩固和扩展，计算基础设施的新增长将在数据中心域之外的网络边缘更接近最终用户。

　　据 Forrester Research 称，以下因素正在推动边缘计算的增长：

　　物联网和机器对机器 （M2M） 连接的持续扩展

　　复杂的算法和新应用，例如人工智能、机器学习、神经网络、自动驾驶汽车和虚拟/增强现实，都需要低延迟和高可靠性

　　影响云计算的带宽和连接限制

　　数据存储和传输成本上升

　　越来越分散和移动的劳动力

　　新出现的数据隐私问题和要求。

　　边缘超级计算的兴起

　　在这十年及以后，我们将看到基于边缘计算和边缘服务器技术的数据中心之外的高性能计算创新。我们将看到一种新的计算范式迅速崛起：边缘超级计算。

　　下图显示了当我们远离数据中心模型而更接近智能、计算能力强的边缘设备时计算基础设施特性的权衡。

　　随着智能边缘设备在该领域的不断激增，将高性能计算能力嵌入这些设备所需的投资和上市时间只会加快。自动驾驶汽车和工业物联网设备等实时应用将需要大量的车载计算资源。通过添加本地服务器或边缘数据中心，还可以更有效地解决带宽受限的应用程序。

　　战略和架构的转变

　　由于边缘的机器智能依赖于嵌入在设备中的各种传感器来做出实时决策，因此所需的计算能力和低延迟要大于当前数据处理基础设施（即云）能够大规模处理的能力。 这些新出现的需求正在改变数据处理的方式和地点。

　　许多数据中心正在将其部分计算资源移动到更靠近接收和发送数据的设备处。越来越多的人工智能设备用户选择在现场而不是在云端处理数据。通过在本地存储和处理数据而不是传输到云端，边缘计算增强了安全和隐私的许多方面。边缘计算还为创新开辟了新的机会，以满足对高性能、低延迟、节能物联网产品和智能自主应用日益增长的需求。

　　向边缘计算的持续转变将需要重新构想 IT 战略和架构。以下因素是新边缘超级计算范式的重要考虑因素：

　　将支持操作重新调整到边缘——将软件支持从 x86 CPU 和计算统一设备架构 （CUDA） GPU 扩展到针对边缘或嵌入式服务器优化的新架构。部署灵活的硬件架构，以利用不断发展的算法工作负载在多租户环境中运行不同类型的工作负载。

　　扩展 dev-ops - 将 dev-ops 从云扩展到边缘设备以及介于两者之间的任何地方。

　　重新确定资本分配的优先级 - 探索在部署本地边缘服务器和/或增加边缘数据中心容量方面的投资。

　　将高性能边缘处理能力添加到当今的运营架构中对于物联网和人工智能基础设施至关重要，就像过去十年扩展云计算能力一样。尽管边缘处理的许多领域都取得了进展，但在边缘部署高级算法的开发人员仍然受到资源限制。基于边缘的机器智能在改进任务和流程方面的全部潜力尚未实现。

　　开发人员必须针对优化的目标硬件定制 AI 和高性能工作负载，而不是相反。硬件应该专为这些苛刻的边缘工作负载而设计。寻求为新的应用程序挑战创建算法的开发人员需要进行实验和创新的空间。当前可用的边缘计算产品可以实现设计灵活性，但它们缺乏将想法转化为可大规模部署的市场可行应用程序的处理能力。该解决方案是边缘超级计算——一种全新的硬件和软件架构，将高性能计算与复杂的人工智能功能相结合。

　　在多个应用程序和市场中部署边缘超级计算的好处将为世界各地的人、工作场所、行业和城市带来变革。随着智能边缘设备的实时决策成为现实，我们将体验到一个我们尚未想象的可能性和无数创新的世界，这些创新将使我们的生活更安全、更有保障、更有成效。

　　审核编辑：郭婷