IoT 和边缘计算

实时获得见解

高达每年 11.1 万亿美元

到 2025 年，IoT 市场每年产生的潜在经济总效益将达到 3.9 万亿美元至 11.1 万亿美元¹

到 2020 年达到 507.5ZB

到 2020 年，全球将有 500 多万个智能传感器和其他 IoT 设备投入使用，至少会生成 507.5ZB 的数据²

到 2021 年达到 470 亿

据估计，到 2021 年将有 470 亿台联网设备³

人工智能 (AI) 和机器学习 (ML) 技术的实现使边缘实时分析成为可能，甚至成为人们的首选，不仅现在如此，未来许多年仍会如此。AI 和 ML 正变得越来越复杂、通用和精密，能够在边缘、中心，并且最终在云上进行实时分析，因而能从收集到的所有 IoT 数据中获得更多价值。我们可以将数据发送到云中，在云中训练机器学习和 AI，通过积累从大数据集中寻找模式并获取洞察。

来源：未开发的数据 – 从边缘和云中的 IoT 数据中获取更多信息，作者 Christopher Bergey，Western Digital（Western Digital 博客，2018 年 5 月 6 日）

如何从边缘数据中提取价值

IoT 正推动网络边缘的实时分析

对于许多 IoT 应用，在数据生成之处（汽车传感器、监控摄像头、无人机、个人设备、机器人、网关等）进行数据筛选和分析甚至完成转换，变得至关重要。如果能够在网络边缘提供实时分析，则可以提高运营效率、提供更安全的驾驶、创建更安全的环境、预见即将到来的维护、识别客户购买行为并创造更多机遇。

网络延迟是一项挑战。对于价值仅即时存在的数据，存储和转发需要的时间太长。边缘存储负责管理捕获的数据并提供计算功能，可实时聚合和分析此类数据，从而提供设备级的即时可行的见解。

边缘分析的价值

边缘分析提供实时价值

人工智能 (AI)、机器学习 (ML)、图像、语音和手势识别，以及部署在边缘设备上的其他技术，可实时与捕获的数据交互，提供有价值的见解。所有分析见解可以转移到云中，用于进一步训练机器学习的 AI 模型，或者存档以供将来使用。能够实时访问这些信息，最终可以实现更高效、更有效的业务、操作或环境，从而为 IoT 应用提供更多获利机会。