边缘计算(Edge computing)成为一种革命性工具，可以满足日益增长的实时数据处理需求。通过在网络边缘（更靠近数据生成位置）进行数据处理，边缘计算可显着减少延迟和带宽使用。
这是我们多年来一直被告知的故事，但随着生成式人工智能和带宽爆炸的新需求，它将如何演变？
今天的边缘
目前，边缘计算是许多领域的主力军。它确保更低的延迟和优化的数据交付能力——至少它具有实现这两个好处的潜力。物联网、自动驾驶汽车和工业 4.0 广泛采用边缘计算。
然而，边缘计算进入了尴尬的青少年时期，申请数量并不像很多人想象的那样。在许多情况下，最初看起来边缘计算将是目标架构，但事实证明集中更多处理和数据存储更有意义。
这主要是由于 5G 等带宽可用性的不断扩大，以及管理边缘许多设备和系统的问题。这是最重要的障碍，下面解释原因。
边缘的限制
尽管边缘计算有很多好处，但它也充满挑战。例如，去中心化的数据处理带来了安全和隐私问题。一位在石油钻井平台上部署边缘系统的朋友，10% 的边缘计算设备以及存储在设备上的数据被盗。
它是加密的，但当系统可以长出腿并走开时，这真是一个巨大的警钟。对于云来说，这从来都不是问题。
标准化边缘计算设备并确保其互操作性是其他重大障碍。无法利用数字无线电通信或管理标准来操作这些系统。边缘计算供应商需要达成共识。
尽管一些通用标准的兴起，边缘计算在很大程度上缺乏与企业数据中心系统的互操作性。由于每个边缘计算供应商都支持自己的“标准”，因此保留各种技能来支持基于边缘的系统会变得昂贵。
边缘计算供应商很快解释了标准的缺乏，因为每个基于边缘的系统的任务都与其他系统截然不同。人们可能会专注于高速数据收集和处理以支持飞机发动机的运行。其他可能支持销售点终端。两者都是边缘计算，但它们的使命截然不同。
一些皱纹需要熨平
边缘计算继续寻找一条有前途的创新之路。然而，我们可能处于创新饱和状态，需要专注于扩张和运营。
5G 网络和生成式人工智能等发展将进一步提升边缘计算潜力。在边缘运行的知识引擎目前是一个巨大的增长领域。5G 的出现将大大加快数据中继和计算任务的速度，而人工智能将在边缘实现更复杂的数据处理。
边缘计算的核心问题是缺乏标准和巨大的异构性导致复杂性。由此产生的运营问题可能比大多数人理解的更难克服。有几种方法可以看待这个问题。
首先，将边缘计算视为一种有效的架构模式显然是成功的。我们知道，对于许多用例来说，将数据和处理移近生成点是更好的方法，现在我们拥有实现这一目标的技术和带宽。
其次，考虑到边缘计算解决的问题多种多样，我们不太可能很快就有共同的标准。您不能期望石油钻井平台和自动驾驶车辆的数据存储标准相同。他们试图解决非常不同的问题，并且您不想实施“标准”来限制他们需要做的事情。
未来几年，边缘计算可能会演变成不同的使用模式。其中大部分将由为这些应用程序开发的技术来定义。该标准将遵循这些使用模式，我们可能会看到很多。
边缘计算将随着云、人工智能、云原生等的发展而发展，但我们必须明白，它会因应用而异。这是一个可以利用许多不同技术类型的概念，这就是它有用的原因。
