但很多人都在問的一個大問題——邊緣最終會取代云嗎?
戰(zhàn)勝云——支持和反對的理由
實際上，專家們的意見分歧很大。一些人認為，在某個時候，邊緣的數據存儲會變得比云更普遍。但有些人則不這么認為。這樣想的原因是，雖然邊緣計算將從源頭處理數據，但為了技術的發(fā)展，仍需要與更大的網絡進行明確的通信。
以人工智能和計算機學習為例。對于諸如家庭安全攝像頭和其他智能設備此類設備來說，信息的實時處理沒有延遲是至關重要的。
設備本身和或邊緣計算需要分析產生的圖像，并立即采取相關行動。需要將數據發(fā)送到云或傳統(tǒng)網絡來完成這一任務不僅速度慢(雖然只有延遲1毫秒左右)，而且還會占用寶貴的帶寬，并存在潛在的安全風險。
家用設備能夠實時進行必要的分析。數據被保存在離家很近的地方，并且由于太大而無法在設備本身上解密的較大圖像可以通過邊緣存儲輕松處理。
雖然這句話似乎支持了邊緣計算取代云計算的觀點。但是，這是一個很大的但是……
隨著技術的進步，隨著人工智能模型等具有持續(xù)學習的需求，如果大量數據永遠不會返回到中心來源，正因為如此，無論邊緣和物聯(lián)網設備變得多么先進，這種傳統(tǒng)存儲都不太可能過時。
邊緣和云之間的通信和合作對技術的發(fā)展至關重要。在人工智能的世界里，這歸結為兩個任務:訓練和推理。
訓練:人工智能模型必須經過訓練，以識別它正在處理的內容。
這是通過給智能輸入大量正確的標簽來完成的圖像來了解它們是什么。一旦完成，不要忘記這種學習在不斷推進——模型的其他元素可以發(fā)揮作用。
推斷:這就是技術可以根據收到的信息而采取行動的地方。例如語音識別、面部識別和激活，具體取決于數據。
雖然推斷發(fā)生在設備本身(或家庭邊緣存儲)，但訓練需求要復雜得多，且數據量大，這意味著只有在云計算中才能有效地進行推斷。
換句話說，這個過程需要兩者之間的無縫合作。
雖然邊緣計算的使用將會呈指數級增長，但正是由于這種合作需求，邊緣不太可能取代云。
人工智能和先進技術的三個不同元素(端點或設備、邊緣和云)代表了一種共生關系，這意味著每個元素只能與其他元素結合存在。
至少，現在是這樣的。在那之后——誰知道呢?但是，就目前而言，可預測邊緣將是增強而不是吞噬云。
