本文发自VentureBeat，原题为“Edge computing: View from Future Compute 2022”，作者Jack Vaughan，经朋湖网作者王姿蝶编译整理，供业内参考。

现在，承担着目前现有云计算方法的工作边缘计算架构被推上聚光灯中央。

它似乎正在倡导者希望能够利用边缘计算来减少发送到云端的数据量，提升响应速度，并尽可能的节省企业云计算账单上显示的“神秘项目”。

但是，将运行时的人工智能处理从云端转移到边缘的常见方式在边缘端使用图形处理器单元（GPU）进行人工智能处理时也会产生成本。

正如“Future Compute 2022关于Edge智能实现”会议上所看到的，现在，Edge仍是有许多方面有待更进的领域。

那么，人工智能需要花多少钱？

据大众市场零售商负责产品工程的高级副总裁Nancy King称，Target Corp.在随着新冠肺炎疫情扰乱了常规运营的情况出现，其边缘方法获得了许多人接纳。

“本地物联网传感器数据以新的方式用于帮助管理库存。”她告诉Future Compute与会者，我们将原始数据发送回我们的数据中心，用于公共云，但通常我们试图在边缘进行处理。而在那里，数据更容易立即获得。

King说，两年前，随着新冠肺炎封锁的上升，Target经理开始逐步处理来自冰柜的传感器数据，用以指导中央规划人员了解库存过剩或短缺的情况。Edge能够让他们有机会在不堵塞网络的情况下更快地响应。

但是，人工智能处理器成本问题似乎不仅限于云端，随即她又指出了对在商店中运行GPU密集型人工智能模型上的成本问题。

King表示，随着边缘人工智能的实现，“计算成本下降的速度不够快。”此外，她说，“有些问题不需要深度人工智能。”

01

边缘编排

Blumofe告诉VentureBeat，边缘计算方法将不断发展，这些方法与软件容器技术的使用密切相关。而边缘工作流程的编排需要协调到不同的组件。对此，内容交付巨头Akamai的执行副总裁兼首席技术官Robert Blumofe表示，这是逐步迈向边缘的另一个原因。

在Blumofe的估计中，边缘不是一个二进制边缘/云方程。现场和中级处理也将是混合的一部分。

“归根底，你需要做的许多计算都可以在现场进行，但不会突然发生。将要发生的事情是，数据将离开场所，移动到边缘，移动到中间，移动到云端，”他说。“所有这些层都必须协同工作，以安全和高性能支持现代应用程序。”

而支持处于边缘开发人员的举措在Akamai最近以9亿美元收购云服务提供商Linode方面发挥了不小的作用。

Akamai的Linode操作最近发布出新分布式数据库支持，这是至关重要的。因为随着新边缘架构的出现，数据库区域需要发生变化，架构师将平衡边缘和云数据库选项。

02

平衡和重新平衡

事实上，边缘计算的早期工作在实际实现上更倾向于原型。

航空航天和工业4.0精密控制制造商Moog的首席技术官George Small表示，实施者必须预测一个学习期来用以平衡和重新平衡跨地点的处理类型。

小型石油索具是必须快速处理积累的时间尺度数据的，但并非所有数据都需要发送到数据中心。

建筑师必须牢记不同流程在不同时间范围内运行的想法。“你最终可能会在当地做高度密集的工作，”他说，“然后只将重要信息推向[云端]。”

而这种操作方式在物联网或工业物联网应用程序中往往意味着边缘实现者需要着重考虑将紧密的嵌入式边缘需求与松散的云分析和记录系统事件系统相结合。

“调和这两个世界是建筑挑战之一。”对此Small表示，虽然边缘学习仍在继续，但“感觉不会太远。”

03

可以解释的人工智能

大部分学习过程涉及边缘人工智能或边缘智能，同时将机器学习置于过多的现实设备中。

不过，这种边缘也涉及人类。

根据达尔文人工智能首席执行官兼麻省理工学院边缘会议主持人谢尔顿·费尔南德斯的说法，许多设备最终是由该领域的人员进行管理的，这些人对于人工智能决策的信心至关重要。

他告诉VentureBeat：“随着设备变得更加强大，人类可以在边缘做更多的事情。”

但这些不能是“黑匣子”系统。Fernandez表示，他们需要向“以人类理解补充该活动”的工人提供解释，他的公司寻求支持“XAI”的替代方法来创造“可解释的人工智能”。

在边缘，做工作的人需要了解系统将某些东西归类为有问题的原因。“然后，”他说，“他们可以决定同意或不同意。”

与此同时，他表示，人工智能处理的用户现在可以从常规CPU到强大的GPU和特定于边缘的AI IC等一系列硬件中进行选择。事实证明，在数据所在位置附近进行操作是一个绝佳的一般性规则。

“如果你在没有硬核计时的情况下进行简单的视频分析，CPU就已足够。而我们正在学习的与生活中的任何事情一样，几乎没有硬性和快速的规则，”Fernandez表示，这取决于你的申请。