关于边缘计算，企业需要知道的4件事

关于边缘计算，企业需要知道的4件事

边缘计算是IT领域最重要的发展趋势之一。根据IDC的数据，到2023年，超过一半的新企业IT基础设施将处于边缘。Gartner预测，到2025年，75%的企业生成数据将在传统数据中心或云之外创建和处理。

然而，尽管发生了这一重大转变，许多IT和业务领导者仍处于定义边缘如何补充其整体云战略的早期阶段。根据Hewlett Packard Enterprise的独家研究，通过试点项目和概念验证，许多企业刚刚开始意识到边缘计划的潜力。

为了能更好地在边缘之旅中前进，本文定义了四个需要牢记的重要因素。

因素一：云和边缘是互补的

关于边缘的一个常见误解是，其将以某种方式取代云计算。实际上，边缘和云应该携手并进。智能策略假设去中心化边缘和集中云之间的同步。借助云，无论是公共云、混合云还是私有云，都拥有一个平台来集中所有数据，并在整个企业需要的时候随时随地利用这些数据。

边缘使企业可以通过速度和洞察力最大化数据的价值。借助边缘，企业可以将数据发送到云端并快速检索，或者更好的是，企业可以在创建数据的地方利用数据。这为从实时分析、物联网(IoT)设备和快速决策中获得优势的应用和用例创造了增量价值。企业可以使用实时数据在现场做出对时间敏感的决策。也可以将传输原始数据的成本降至最低，并启用出于安全性、合规性或其他原因无法将数据发送出去的应用程序和用例。

因素二：许多创新用例源自物联网的融合和集成

虽然边缘用例多种多样，但好处始终集中在创造运营效率和速度上，从而推动新的变革性商业模式，以实现竞争差异化。这些用例包括监控和阈值警报、预测性维护和机器对机器自动化、远程学习和培训，以及住院和家庭健康监测。根据Grand View research的数据，这种可能性是无穷无尽的，预计2021年至2028年的复合年增长率将达到38.4%，从而推动对边缘计算技术的需求。

因素三：边缘创新需要有凝聚力的数据战略来扩展

成功的边缘策略始于管理数据和基础设施的统一计划。在数据中心之外生成的大量数据是加速边缘计算需求的关键因素。并非所有的数据都可以或应该被存储和转发。如果没有一个全面的数据策略，企业将面临数据捕获速度迅速超过业务洞察能力的风险。

一个重要因素是利用能够从创建到删除整体管理数据的解决方案。这意味着使用自动化和以数据为中心的策略，消除孤岛，并统一数据生命周期中的工作流。无论数据位于何处——从数据中心到边缘再到云。

因素四：网络是成功边缘战略的核心

减少延迟和提高弹性的需求是边缘计算兴起的一个重要因素。现在，随着物联网的发展和向更多IT基础设施的转移，网络的作用变得更加重要，重点关注有线和无线网络，以及速度、容量、带宽、吞吐量、弹性和减少延迟等因素。

更多支持边缘的应用程序和用例将需要实时处理和分析数据，以解决性能问题并限制与带宽相关的成本。随着越来越多的应用程序利用机器学习和人工智能在边缘和边缘之间传递价值，对网络性能和带宽的关注在未来会变得更加明显。

成功的边缘计算需要经过深思熟虑的架构和实施规划，由于边缘的去中心化性质，这变得更加复杂。由于收集和分析数据的网站众多，以及决策的即时性，很难创建一个万能的模型。

-----------------------------------------------------------

峰会预告

由千家智客联合千家品牌实验室共同策划举办的2022年第23届中国国际建筑智能化峰会，将于2022年11月8日至12月8日期间，分别在西安、成都、北京、上海和广州五大城市隆重举行。

本届峰会主题为“数智赋能，碳索新未来”，届时我们将携手全球知名建筑智能化品牌及专家，共同分享AI、云计算、大数据、IoT、智慧城市、智能家居、智慧安防等热点话题与最新技术应用，并探讨如何打造“更低碳、更安全、更稳定、更开放”的行业生态，助力“双碳”目标的实现。欢迎建筑智能化行业同仁报名参会，分享交流！

报名方式

西安站（11月08日）：https://www.huodongxing.com/event/4638585444400

成都站（11月10日）：https://www.huodongxing.com/event/5657854318600

上海站（11月23日）：https://www.huodongxing.com/event/3638582473900

北京站（11月25日）：https://www.huodongxing.com/event/4638577546900

广州站（12月08日）：https://www.huodongxing.com/event/2638587914600

更多2022年峰会信息，详见峰会官网：http://summit.qianjia.com/

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。