|
新聞中心
當前位置：網(wǎng)站首頁 > 新聞中心
賦能安防行業(yè)，云邊融合乃大勢所趨
云計算與邊緣計算是看似矛盾，實際上卻是協(xié)同、互補的兩種方式。安防行業(yè)也好，物聯(lián)網(wǎng)也好，只有將邊緣計算和云計算協(xié)同使用，才會發(fā)揮出最大的價值。
互聯(lián)網(wǎng)時代，核心的數(shù)據(jù)生產(chǎn)、分析，發(fā)放全部依賴云端服務器，而終端設備則只有例如PC機、手機、PAD這一類電子設備。物聯(lián)網(wǎng)這一概念的提出，則大大擴充了終端設備的范圍，萬物互聯(lián)，任何一樣東西經(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備，才促進了邊緣計算爆發(fā)式增長。邊緣計算賦能安防行業(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”，以攝像機作為前端感知設備，負責數(shù)據(jù)的采集；服務器作為后端設備，負責數(shù)據(jù)的處理及分析。
邊緣計算的出現(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服務器來實現(xiàn)這些智能化的服務，而現(xiàn)在，我們可以逐步的將例如人臉的檢測、抓拍、識別，視頻的結構化、車輛的檢測與識別放到前端攝像頭去實現(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低于后臺服務器的芯片成本，同時海量服務器的運維、散熱、機房租用等等成本更高；第三是延時方面，例如一個人臉識別，前端設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、識別然后再把結果返回來，這難以滿足很多場景下快速響應的需求。
當然，安防行業(yè)的智能化與前置化的核心或者說難點是前端處理能力，也就是芯片。云端的處理能力，我們可以通過服務器的疊加來實現(xiàn)。但是。邊緣端的芯片則需要在保持強大運算能力的同時，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
盡管云計算早在2005年就已提出，且具有強大的運算能力以及海量數(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)需要更快速的響應及處理，這些都是云計算不能解決的問題。在網(wǎng)絡帶寬有限、網(wǎng)絡擁堵、響應延時一系列技術的要求下，邊緣計算開始成為物聯(lián)網(wǎng)時代超越云計算的最佳“使用方法”。
不過，盡管云計算與邊緣計算是看似矛盾，實際上卻是協(xié)同、互補的兩種方式。也就是說，邊緣計算雖然有其明顯的優(yōu)勢，但是用邊緣計算來替代云計算也是不可行的。例如海量數(shù)據(jù)的挖掘、關聯(lián)分析，關鍵數(shù)據(jù)的存儲，多邊緣節(jié)點的聯(lián)動都需要依賴云端來完成，云計算廠家布局邊緣計算，是對自身能力的一個補充，從而可以提供更好更完整的解決方案，也是順應技術發(fā)展的需要。
但不管是安防行業(yè)還是物聯(lián)網(wǎng)，只有將邊緣計算和云計算協(xié)同使用，才會發(fā)揮出最大的價值。
由于物聯(lián)網(wǎng)設備類型的多樣性和廣泛性，對網(wǎng)絡要求、計算存儲、運維管理等諸多方面帶來挑戰(zhàn)，而云計算在安防行業(yè)（物聯(lián)網(wǎng)）領域并非萬能，邊緣計算和云計算融合才能更好解決物聯(lián)網(wǎng)的現(xiàn)實問題。以視頻監(jiān)控的發(fā)展為例，視頻監(jiān)控數(shù)字化后將部分存儲和管理功能轉移到邊緣，隨著技術演進，既需要邊緣設備的靈活響應，又需管理復雜的采、存、算等設備，像人體這個復雜系統(tǒng)一樣，連接感知末梢與大腦有序運作的，是非常復雜的經(jīng)絡體系，而不是簡單的信息通道。
所以，云計算與邊緣計算的協(xié)同不是簡單的云＋端，更不是簡單地分成若干個所謂的“小云”再匯聚到更大規(guī)模的云，而是切實解決從端到云所帶來的應用、數(shù)據(jù)處理、管理等一系列問題。
要落地？但邊緣計算難點有待解決
盡管邊緣計算存在節(jié)省帶寬成本、節(jié)約服務器成本、存儲成本、降低響應時間等優(yōu)勢，但其在落地應用過程中仍然存在應用層面、技術層面的問題。
場景適應性。我們知道，當前還處于人工智能發(fā)展初級階段，各項應用與服務都是基于“模型訓練”得到的，并沒有達到強人工智能的階段，所以本身計算、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用場景去加速邊緣計算的落地，需要更多的技術投入、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，這些客戶具有項目運作周期長的特點，所以新技術的應用很難快速的在這些場景鋪開。
技術實力與實戰(zhàn)標準的區(qū)別。以人臉識別為例，“人臉識別”的技術是很成熟的，但是到了實際的場景中，仍然存在識別不準確、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致識別結果不好。人臉識別這項很成熟的技術尚且如此，那么到了其他應用場景，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，但是達到“解決客戶問題”這樣的標準，目前還有很多工作有待解決。
小結：
新行業(yè)的發(fā)展必然伴隨著新的需求出現(xiàn)，而技術的突破則能夠帶來新的產(chǎn)品和解決方案。
巨頭布局邊緣計算是必然趨勢，未來云和端缺一不可，但是由于邊緣計算面向的還是某個具體應用場景，且AI的應用場景會比互聯(lián)網(wǎng)以及移動互聯(lián)網(wǎng)時代要豐富得多?？梢灶A見的是，在未來人工智能時代，邊緣端將會有大量機會，也將出現(xiàn)有多家AI芯片廠商共存的局面。我們一起期待！
|
