伟大的计算迁移：从云计算到边缘超级计算

　　当人们和设备面临每一毫秒都至关重要的数据海啸时，边缘超级计算是当今日益互联的世界的实时处理解决方案。

　　计算性能、软件算法、连接性和深度学习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。在运输中，车辆可以封装智能功能，使其更安全，更高效。无人机（UAV）或无人机可以在不使人类面临风险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更高水平的制造流程效率、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。

　　传感器和摄像头在当今物联网应用、自动驾驶汽车和工业机器人中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，但一些障碍（例如性能和带宽）限制了自主应用程序，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的传感器数据，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迈进，这使得数据采集和处理能够在接入网络的边缘进行，并且更接近最终用户。

　　管理数据洪流

　　考虑一下大量安装的充满传感器的物联网设备，这些设备会产生大量数据。根据Verizon的说法，每平方公里有超过一百万台连接的设备。这些物联网设备无处不在，并且数量还在不断增长。从我们家中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比Facebook的所有数据都要多。将当今全球部署的所有连接设备、无线传感器和机器人的数据输出水平相乘，很容易看出我们正面临着一场数据海啸，这些数据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，这些数据无法传输到云中进行处理。为了实现人工智能和自主性的承诺，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，而不是依靠令人眼花缭乱的数据上传到云来执行深度神经网络的完全集中训练。

　　现有的网络和云计算技术没有经过优化，无法处理物联网设备生成的大量边缘数据。超大规模数据中心中使用的高性能、耗电服务器非常笨拙且成本太高，无法部署在边缘附近。系统和网络架构师已经设想了应对这一数据挑战的解决方案：向边缘而不是云添加更多的计算智能。随着这一趋势的巩固和扩展，计算基础设施的新增长将出现在更接近数据中心领域之外的网络边缘的最终用户。

　　根据福雷斯特研究公司的说法，以下因素正在推动边缘计算的增长：

　　持续扩展物联网和机器对机器 （M2M） 连接

　　复杂的算法和新应用，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的上升

　　日益分散和移动的员工队伍

　　新的和正在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，我们将看到建立在边缘计算和边缘服务器技术背后的数据中心之外的高性能计算的创新。我们将看到一种新的计算范式的迅速崛起：边缘超级计算。

　　随着智能边缘设备在现场的不断涌现，将高性能计算功能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。还可以通过添加本地服务器或边缘数据中心来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做出实时决策的设备中的各种传感器，因此所需的计算能力和低延迟大于当前数据处理基础设施（即云）能够大规模处理的计算能力和低延迟。这些新兴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。越来越多的AI设备用户选择在现场而不是在云中处理数据。由于数据在本地存储和处理，而不是传输到云端，因此边缘计算增强了安全性和隐私性的许多方面。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、高能效物联网产品和智能自主应用不断增长的需求。

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

　　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，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。

　　扩展开发运维 - 将开发运维从云端扩展到边缘设备以及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。

　　对于物联网和人工智能基础设施而言，将高性能边缘处理功能添加到当今的运营架构中，与过去十年中不断扩展的云计算功能一样重要。尽管在边缘处理的许多领域取得了进展，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。硬件应专门针对这些要求苛刻的边缘工作负载而构建。寻求为新的应用程序挑战创建算法的开发人员需要实验和创新的空间。目前可用的边缘计算产品可能具有设计灵活性，但它们缺乏将想法转化为可以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AI功能相结合。

　　跨多个应用程序和市场部署边缘超级计算的好处将对世界各地的人们、工作场所、行业和城市产生变革性影响。随着智能边缘设备的实时决策成为现实，我们将体验到一个充满我们尚未想象的可能性的世界，以及无数的创新，这些创新将使我们的生活更安全，更有保障，更高效。

　　审核编辑：郭婷