邊緣計(jì)算賦能安防行業(yè) 云邊融合已為產(chǎn)業(yè)必然趨勢

云計(jì)算與邊緣計(jì)算是看似矛盾，實(shí)際上卻是協(xié)同、互補(bǔ)的兩種方式。安防行業(yè)也好，物聯(lián)網(wǎng)也好，只有將邊緣計(jì)算和云計(jì)算協(xié)同使用，才會發(fā)揮出最大的價(jià)值。

互聯(lián)網(wǎng)時(shí)代，核心的數(shù)據(jù)生產(chǎn)、分析，發(fā)放全部依賴云端服務(wù)器，而終端設(shè)備則只有例如PC機(jī)、手機(jī)、PAD這一類電子設(shè)備。物聯(lián)網(wǎng)這一概念的提出，則大大擴(kuò)充了終端設(shè)備的范圍，萬物互聯(lián)，任何一樣?xùn)|西經(jīng)過智能化改造都可以成為終端，都可以成為數(shù)據(jù)的來源，而正是有了這些邊緣端的設(shè)備，才促進(jìn)了邊緣計(jì)算爆發(fā)式增長。

邊緣計(jì)算賦能安防行業(yè)

2012年以前的傳統(tǒng)安防行業(yè)，簡單來說就是“視頻監(jiān)控”，以攝像機(jī)作為前端感知設(shè)備，負(fù)責(zé)數(shù)據(jù)的采集；服務(wù)器作為后端設(shè)備，負(fù)責(zé)數(shù)據(jù)的處理及分析。

邊緣計(jì)算的出現(xiàn)則將安防的智能化帶向了前端。傳統(tǒng)方式下，我們可能需要堆疊大量的GPU服務(wù)器來實(shí)現(xiàn)這些智能化的服務(wù)，而現(xiàn)在，我們可以逐步的將例如人臉的檢測、抓拍、識別，視頻的結(jié)構(gòu)化、車輛的檢測與識別放到前端攝像頭去實(shí)現(xiàn)，這樣的變化帶來的影響巨大。

首先是帶寬方面，我們不再需要將原始數(shù)據(jù)全部傳輸?shù)皆贫巳ヌ幚?，然后發(fā)送回來，而是直接邊緣端即可完成處理；第二是成本方面，大規(guī)模量產(chǎn)的前端芯片成本要遠(yuǎn)低于后臺服務(wù)器的芯片成本，同時(shí)海量服務(wù)器的運(yùn)維、散熱、機(jī)房租用等等成本更高；第三是延時(shí)方面，例如一個(gè)人臉識別，前端設(shè)備直接能夠自行處理，可以不需要將視頻傳輸回去，解析、摳圖、識別然后再把結(jié)果返回來，這難以滿足很多場景下快速響應(yīng)的需求。

當(dāng)然，安防行業(yè)的智能化與前置化的核心或者說難點(diǎn)是前端處理能力，也就是芯片。云端的處理能力，我們可以通過服務(wù)器的疊加來實(shí)現(xiàn)。但是。邊緣端的芯片則需要在保持強(qiáng)大運(yùn)算能力的同時(shí)，盡可能的降低功耗、降低成本以滿足大規(guī)模推廣需求，這是一件非常具有挑戰(zhàn)的事情。

云邊融合已為產(chǎn)業(yè)必然趨勢

盡管云計(jì)算早在2005年就已提出，且具有強(qiáng)大的運(yùn)算能力以及海量數(shù)據(jù)挖掘與分析能力。但隨著物聯(lián)網(wǎng)時(shí)代的到來，日常生活中產(chǎn)生的大量數(shù)據(jù)需要更快速的響應(yīng)及處理，這些都是云計(jì)算不能解決的問題。在網(wǎng)絡(luò)帶寬有限、網(wǎng)絡(luò)擁堵、響應(yīng)延時(shí)一系列技術(shù)的要求下，邊緣計(jì)算開始成為物聯(lián)網(wǎng)時(shí)代超越云計(jì)算的最佳“使用方法”。

不過，盡管云計(jì)算與邊緣計(jì)算是看似矛盾，實(shí)際上卻是協(xié)同、互補(bǔ)的兩種方式。也就是說，邊緣計(jì)算雖然有其明顯的優(yōu)勢，但是用邊緣計(jì)算來替代云計(jì)算也是不可行的。例如海量數(shù)據(jù)的挖掘、關(guān)聯(lián)分析，關(guān)鍵數(shù)據(jù)的存儲，多邊緣節(jié)點(diǎn)的聯(lián)動(dòng)都需要依賴云端來完成，云計(jì)算廠家布局邊緣計(jì)算，是對自身能力的一個(gè)補(bǔ)充，從而可以提供更好更完整的解決方案，也是順應(yīng)技術(shù)發(fā)展的需要。

但不管是安防行業(yè)還是物聯(lián)網(wǎng)，只有將邊緣計(jì)算和云計(jì)算協(xié)同使用，才會發(fā)揮出最大的價(jià)值。

由于物聯(lián)網(wǎng)設(shè)備類型的多樣性和廣泛性，對網(wǎng)絡(luò)要求、計(jì)算存儲、運(yùn)維管理等諸多方面帶來挑戰(zhàn)，而云計(jì)算在安防行業(yè)（物聯(lián)網(wǎng)）領(lǐng)域并非萬能，邊緣計(jì)算和云計(jì)算融合才能更好解決物聯(lián)網(wǎng)的現(xiàn)實(shí)問題。以視頻監(jiān)控的發(fā)展為例，視頻監(jiān)控?cái)?shù)字化后將部分存儲和管理功能轉(zhuǎn)移到邊緣，隨著技術(shù)演進(jìn)，既需要邊緣設(shè)備的靈活響應(yīng)，又需管理復(fù)雜的采、存、算等設(shè)備，像人體這個(gè)復(fù)雜系統(tǒng)一樣，連接感知末梢與大腦有序運(yùn)作的，是非常復(fù)雜的經(jīng)絡(luò)體系，而不是簡單的信息通道。

所以，云計(jì)算與邊緣計(jì)算的協(xié)同不是簡單的云＋端，更不是簡單地分成若干個(gè)所謂的“小云”再匯聚到更大規(guī)模的云，而是切實(shí)解決從端到云所帶來的應(yīng)用、數(shù)據(jù)處理、管理等一系列問題。

要落地？但邊緣計(jì)算難點(diǎn)有待解決

盡管邊緣計(jì)算存在節(jié)省帶寬成本、節(jié)約服務(wù)器成本、存儲成本、降低響應(yīng)時(shí)間等優(yōu)勢，但其在落地應(yīng)用過程中仍然存在應(yīng)用層面、技術(shù)層面的問題。

場景適應(yīng)性。我們知道，當(dāng)前還處于人工智能發(fā)展初級階段，各項(xiàng)應(yīng)用與服務(wù)都是基于“模型訓(xùn)練“得到的，并沒有達(dá)到強(qiáng)人工智能的階段，所以本身計(jì)算、識別及分析能力對場景的依賴性較大，所以我們需要更多的應(yīng)用場景去加速邊緣計(jì)算的落地，需要更多的技術(shù)投入、資金及人力的投入。

改造成本。傳統(tǒng)安防的客戶主要是公安、政法委這一類，這些客戶具有項(xiàng)目運(yùn)作周期長的特點(diǎn)，所以新技術(shù)的應(yīng)用很難快速的在這些場景鋪開。

技術(shù)實(shí)力與實(shí)戰(zhàn)標(biāo)準(zhǔn)的區(qū)別。以人臉識別為例，“人臉識別“的技術(shù)是很成熟的，但是到了實(shí)際的場景中，仍然存在識別不準(zhǔn)確、識別不出來、識別效果不好等，例如人是低著頭的、光照會發(fā)生變化、攝像頭拍攝角度問題這些不可控因素都會導(dǎo)致識別結(jié)果不好。人臉識別這項(xiàng)很成熟的技術(shù)尚且如此，那么到了其他應(yīng)用場景，例如要做安全帽的識別、做車輛亂停的識別、做水尺的識別、集裝箱識別，這些理論上，只要數(shù)據(jù)量足夠充分都可以發(fā)掘，但是達(dá)到”解決客戶問題“這樣的標(biāo)準(zhǔn)，目前還有很多工作有待解決。

小結(jié)：

新行業(yè)的發(fā)展必然伴隨著新的需求出現(xiàn)，而技術(shù)的突破則能夠帶來新的產(chǎn)品和解決方案。

巨頭布局邊緣計(jì)算是必然趨勢，未來云和端缺一不可，但是由于邊緣計(jì)算面向的還是某個(gè)具體應(yīng)用場景，且AI的應(yīng)用場景會比互聯(lián)網(wǎng)以及移動(dòng)互聯(lián)網(wǎng)時(shí)代要豐富得多?？梢灶A(yù)見的是，在未來人工智能時(shí)代，邊緣端將會有大量機(jī)會，也將出現(xiàn)有多家AI芯片廠商共存的局面。我們一起期待！