边缘计算:您需要了解的一切

当提及在线存储或数据传输时,你一定会联想到“云计算”这个词。然而“边缘计算”却显有人知,它究竟是什么呢?英飞凌可为各种应用中的边缘设备提供传感器和执行器。

何为边缘计算?

在计算中,“边缘”指技术信息网络的外部边缘,这里是计算机网络的虚拟世界与现实世界交汇的地方。在大多数情况下,“边缘”一词意味着所使用的网络为互联网。

边缘计算与云计算之间的联系

“边缘计算”与“云计算”有着密不可分的联系。“云”描述的是通过互联网分散在全球各地的所有中央计算单元。这些计算单元(也称之为“服务器”)不直接与现实世界交互,而是通过网络彼此相连,同时还与边缘的设备(也称之为“边缘设备”)相连。

典型边缘设备的示例

典型边缘设备的示例

边缘设备是指各种类型的联网智能系统,它们配有微控制器、传感器和/或执行器。这些系统通常被称为“智慧城市”、“智能电网”、“智能楼宇”和“工业物联网”。

边缘设备包括拥有特定功能的高度集成化系统,如联网的

  • 暖气温控器
  • 厨房电器
  • 电表
  • 语言助手
  • 电视机
  • 手机

“边缘”这个词的应用非常广泛,边缘设备包括所有类型的全自动或半自动驾驶车辆,如汽车或无人机等。

创客场景 (maker scene)可提供许多适合边缘应用的平台。例如,“来自 Raspberry Pi(树莓派)的单板机”是一种成熟的基于 Linux 的英特网节点。“来自Arduino的板”也可用于更简单的应用。这两种平台也被广泛用于构建商务应用的原型。

服务器有序地分布在计算机场中,服务器与边缘设备之间通常没有任何固定的分配。计算能力是由无名的服务器组成的朦胧云朵提供的,这就是所谓的“云计算”。然而,数据处理也可以在边缘设备中进行,这又被称为“边缘计算”。

“边缘”和“云”之间的过渡呈流动状态。也可在边缘附近获取额外的计算能力,而无需与传感器或执行器直接相连。这种类型的数据处理通常也被称为“雾计算”。

边缘设备可以使用哪些传感器和执行器?

针对不同应用,边缘设备可以配备各种不同的传感器和执行器:

  • 麦克风,用于识别字词和语音,及定位并识别扬声器和声音。前往产品页面:MEMS麦克风
  • 光学摄像头,用于定位并识别人和物体
  • 雷达,用于捕获距离和速度,进行物体和手势分类。前往产品页面:雷达传感器
  • 飞行时间,用于物体的3D捕获和人的验证。前往产品页面:ToF(飞行时间)
  • 照明和接近传感器
  • 霍尔传感器,用于捕获磁场和电流
  • 运动传感器,用于捕获加速度、速度和位置
  • 气压传感器,用于天气预报、海拔测量。前往产品页面:压力传感器
  • 物理/化学传感器,用于确定液体和气体的组成成分

边缘计算的工作原理

传感器和执行器都位于“边缘”。传感器负责收集现实世界的信息,而执行器负责操纵。模拟测量数据在边缘处被转换成数字参数,数控变量再被转换成模拟输出信号。

边缘计算意味着,捕获的数据不是先被发送给服务器进行集中处理,而是当场进行处理。例如,微处理器可直接通过测量数据推断出要执行的动作,然后激活执行器。

执行器的示例

  • 温度传感器记录室温,然后根据控制算法和所需的温度,决定打开或关闭供暖系统。
  • 角度或距离传感器记录位置,并在需要时启动电机。

何为“嵌入式系统”?

“嵌入式系统”通常是由传感器、执行器、模拟/数字转换器及处理器组成的集成系统。作为一种边缘设备,嵌入式系统还具有连接云端的通信或网络接口。它被用于将捕获的或本地预处理的数据发送至中央服务器,或用于接收命令和组态数据。

通过人工智能(AI)实现的新应用

随着人工智能( AI)和神经网络的应用日益广泛,“边缘计算”这个词在过去几年里已经稳固了自己的地位。

得益于云端具备广泛的数据计算能力,人工智能和机器学习领域取得了巨大进步。云端如今具备的几乎无限度的数据处理能力,可以用于发展出更加综合性的人工神经网络,以解决富于挑战性的任务。机器教学算法在许多领域都取得了突破。这些领域包括:

·         自然语言的识别和处理

·         文本识别和文本生成

·         利用成像传感器对目标进行分类和跟踪

·         通过大数据记录识别模式并预测趋势

·         基于生物特征的个人身份验证

人工神经网络由若干层人工神经元组成。这些神经元通过突触相互连接。它们被分成输入层、隐藏层和输出层。人工神经元通常以非常抽象的方式表现生物神经元的行为。如果突触上的加权兴奋和累计兴奋超出一定的阈值,神经元就会向下一层神经元发出兴奋。当神经网络经过训练后,突触权值即可通过大量的训练数据及学习算法被逐步确定。

人工神经网络可以有数百万个神经元和数十亿个突触。即使是用高性能服务器,针对特定任务而进行的训练也非常耗时,可能需要几天甚至几周时间。乍听起来,只通过云来实现人工智能(AI)似乎是显而易见的事。

然而,就单纯的执行或推理而言,经过训练的神经网络需要的计算能力远小于训练本身。这一事实,加上现代的硬件友好型网络架构和工具能将这些网络高效复制到嵌入式系统上,意味着许多人工智能(AI)应用也可直接在边缘处进行。

边缘设备的安全

数据安全是边缘计算的一项重要内容。只有特定的数据可以离开系统,而其他数据必须留在边缘设备中。为了确保这一点,必须持续检查边缘设备的完整性。特别是要持续进行监测,以检查它的系统软件是否被操纵。必须核查计划的系统软件更新的原创性。

为了与云端建立通信,边缘设备必须首先检查服务器和/或数据服务的真实性,然后再加密并发送数据。目前,这是利用非对称加密方法,在公钥基础设施的支持下进行的。

为了达到这个目的,打造基于硬件的安全性至关重要,因为它不像软件那样容易被操纵。英飞凌可提供专为边缘设备设计的“嵌入式可信任平台模块”。它们可以用来确保系统的完整性,检验通讯伙伴的真实性,并完成数据的安全加密

英飞凌和边缘计算

许多边缘设备都在使用英飞凌的传感器、单片机、安全解决方案和电力电子器件。除了半导体元件和微型机械传感器,这家高科技公司还与中小企业合作伙伴携手,为边缘计算领域提供完整的子系统和设备。

示例:创新的报警系统

英飞凌创新的报警系统最能说明边缘计算解决方案如何能够完善现有的智能家居系统。虽然现有报警系统中的麦克风可以检测到有人企图闯入家中时的玻璃破碎情况,但英飞凌提出的概念(已经注册专利)是用神经网络来综合评估声音和压力信息。

这能最大限度减少误报数目,并显著提高系统的可靠性。新报警系统的另一个特点是实现方式灵活:这款英飞凌解决方案很容易集成到现有的玻璃破碎检测系统中。

总结

边缘计算正影响着我们生活的方方面面。传感器、执行器和相关的电力电子器件是边缘设备的接口,因此也是整个网络连接现实世界的接口。通过边缘计算,数据可在本地进行处理,并且只在绝对必要时才传送到云端进行处理。对于是应在边缘还是云端处理数据,最终还是取决于所需的计算能力、能源效率、延时,以及安全需求和个人隐私。这两种解决方案相得益彰。基于人工神经网络的算法不仅能支持云计算,还可在本地作出明智的决策,并实现新的、革命性的应用。它的辉煌局面才刚刚打开。

 

更多主题