2023 年最适用于边缘计算项目的 7 种硬件设备，Orange Pi榜上有名

 

 

边缘计算概述

“边缘”究竟是什么，根据您的参考框架可能会有很大的不同。边缘计算可以是简单的内容交付网络（CDN），为静态文件提供服务以降低加载时间；也可以是将应用程序部署在多个区域数据中心；还可以是使用现代无服务器框架和服务将处理转移到离用户更近的硬件上，甚至是将功能直接推送到用户的设备上。

 

使用边缘计算的主要原因在于延迟、成本和可靠性之间的权衡。延迟会让用户感到沮丧，因此开发人员希望尽可能减少延迟。如果要为现场设备使用蜂窝或卫星数据，带宽也会很昂贵，因此对于数据量大的任务，尽可能在设备上完成是合理的。

 

对于可靠性极其重要而网络连接又无法保证的关键应用，边缘计算可以通过在本地完成工作而不是依赖云中的处理能力来确保设备正常运行。

 

以下是边缘计算的几个常见示例：

·监控摄像头图像识别

·自动驾驶汽车

·工业制造异常检测

·工业监控

 

 

国外专业网站最近评审了2023 年最适用于边缘计算项目的 7 种硬件设备，究竟哪些产品榜上有名呢？现在就让我们来一起看看：

 

1.Nvidia Jetson

Nvidia制造的Jetson 系列芯片专为需要在边缘执行人工智能任务而不是依赖数据中心 GPU 的边缘计算工作负载而设计。应用案例包括具有人工智能视觉功能的机械臂、可执行流分析的摄像头以及在收集到的传感器数据上运行的高级机器学习模型。

 

Nvidia 通过提供各种软件工具与 Jetson 硬件配合使用来创建统一的开发堆栈，从而使开发变得更加容易。Jetson 提供用于原型或业余项目的开发套件，如果您计划将所构建的产品商业化，还可以批量购买芯片。

 

 

2.Particle

对于无法使用 WiFi 或以太网的边缘或物联网项目，Particle 系列是一个不错的选择。Particle 提供全球通用的 SIM 卡，可让设备使用蜂窝数据传输数据。

 

除硬件外，使用 Particle 的另一个好处是，Particle 提供了一个完整的物联网云平台，这使得将不同系统集成在一起比自行构建要容易得多。Particle 还提供大量 API、软件开发工具包（SDK）以及与第三方工具的集成。

 

 

3.谷歌 Coral 

如果你的项目涉及任何类型的机器学习，谷歌的 Coral 芯片是一个不错的选择。所有 Coral 设备都采用了谷歌定制的张量处理单元（TPU），专门用于机器学习工作负载。Coral 提供专为快速原型设计的设备和可用于生产的设备，适用于希望将使用原型板创建的内容商业化的情况。

 

Coral 制造的一款很酷的设备是 USB 加速器，它可以与本视频提到的其他一些设备结合使用，为它们提供额外的动力，以高效运行机器学习模型。

 

4.树莓派

说到开始一个物联网或边缘计算类项目，Raspberry Pi 可能是最知名的产品。Raspberry Pi 的主要卖点在于它对初学者的可用性、生态系统和社区。几乎任何你想尝试的任务都可能有指南或教程来帮助你，而且还有许多库和第三方硬件来加快开发速度。

 

在过去几年里，Raspberry Pi 真正的缺点是，由于芯片短缺，几乎找不到 Raspberry Pi。据该公司称，这一问题在 2023 年下半年得到解决。

 

5.香橙派

香橙派设备与树莓派有不少重叠之处。与 Raspberry Pi 相比，Orange Pi 的主要优点是以相同或更低的价格获得更好的硬件性能。而Orange Pi最近的产品Orange Pi 5系列以及Orange Pi AIpro更是非常适用于边缘计算。

 

Orange Pi 虽然没有树莓派那么大的社区或第三方生态系统，但这些问题可以通过使用某些型号的 Orange Pi 设备来缓解，而且这些设备与许多为 Raspberry Pi 设计的外设兼容。

 

 

6.Odroid

Odroid是Hardkernal开发的一系列单板计算机，非常适合边缘计算。Odroid 被认为类似于 Raspberry Pi，在某些领域的应用非常合理。与Raspberry Pi 相比，使用 Odroid 的一些好处是可以为某些Odroid型号添加外部 RAM，而且一般来说，在处理能力和配置方面有更多选择。

 

通常提到的一个缺点是，与Raspberry Pi 用户友好的生态系统相比，Odroid 在设置和使用外围设备时被认为更难操作。

 

7.英特尔 NUC

英特尔 NUC本质上是迷你PC，由于外形小巧，是边缘计算的绝佳选择。这些设备将大量计算能力装入小巧的封装中，非常适合空间有限的环境。

 

它们的设计便于扩展和升级，可以轻松访问内存和存储等组件。对于边缘计算来说，NUC 的另一个优点是耗电量相对较低，这在用电紧张的情况下非常重要。一个潜在的缺点是，与本视频中的其他一些设备相比，它们往往没有那么多的端口，也不支持开箱即用的外围设备。这是否是一个问题取决于你的使用情况。

 

英特尔 NUC 大规模用于边缘计算的一个例子是 Chick-Fil-A，该公司发布了一系列广受欢迎的博文，介绍他们如何使用英特尔 NUC 硬件在每家门店部署 Kubernetes。

 

除了本视频介绍的设备外，物联网或边缘计算还有其他多种选择，它们都有各自的优缺点。您选择哪种方案取决于您特定项目的要求，以及您希望优化成本而非便利性和开发速度的程度。