谷歌、亚马逊、阿里纷纷入局，边缘计算的潜力如何？

更进一步，在美国，医疗领域的本地数据非常多样化，比如医院的病床可以和 20 多个设备连接，这些数据被收集、清洗、挖掘之后，可以帮助医生更好地了解病人的身体状况。

工业领域，边缘计算也正在发挥越来越重要的作用。从工业发展的方向来看，数据将成为驱动生产制造的重要生产资料，那么如何处理这些海量、实时产生的数据就成为企业能否快速发展的重要课题。

以流程型生产为例，一条生产线其实就是数据流动的通道，产品从上一名工人传递到下一个工人，同时伴随着产品数据的传递。在这个过程中，如果由于某一名工人错误操作的导致了数据异常，在下一名工人开始操作时，基于边缘计算的生产线可以做出预警提示。如果再进一步，当机器学习能力被边缘计算融入到生产线的时候，工人的不合规操作可以被实时监测出来并预警，这对提升产品的良品率意义重大。

尾巴：边缘计算不是云计算的替代品

前面谈了这么多边缘计算的优势和应用场景，并不是要证明边缘计算可以替代云计算，两者没有谁好谁坏，更应该具体到不同设备、不同应用以及不同场景里，看看到底谁更合适。

两年前，利用基于云端的卷积神经网络算法，一款名叫「Prisma」迅速窜红，用户只要将自己拍摄的照片交给这个 App，就会得到一张可媲美历史名画的「艺术照片」。这款应用虽然得到全球用户的青睐，但是由于该应用的处理流程，要求每张图片都要上传到云端服务器，通过云端的卷积神经网络算法来处理这些照片，因此用户体验非常差。

这便是一个典型需要边缘计算的场景，而当 2017 年，包括华为、苹果都在新一代智能手机芯片中加入 NPU(神经网络处理单元)之后，也赋予了智能手机全新的边缘计算处理能力，华为 P20 Pro 的逆天夜拍效果，除了硬件堆积之外，处理器的 NPU 也发挥了不小的作用，去年苹果推动的 AR 应用(游戏)开发热潮，其底层的技术支撑就是 iPhone 拥有了可以在边缘处理实时、海量数据的能力。

（编辑：网站开发网_安阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!