边缘计算

据《2019中国在线教育行业市场前瞻分析报告》显示：未来几年，在线教育用户规模将保持15%左右的速度继续增长，到2024年预计突破4亿人，总体市场规模将突破4500亿元。 相比于传统线下，在线教育优势十分明显，它不受地域的限制，学生可利用互联网时代的碎片化时间学习，老师不用亲临现场授课，节省多方成本，同时也解决了传统优质教育资源分布不均的难题。同时，学生可以自主选择老师，同时结合大数据、人工智能、VR、AR等技术，还可实现教学风格、授课内容、学生需求的高度匹配。而相对于录播形式，在线互动课堂教学期间，师生间更可进行实时、有效的互动沟通，及时答疑，最大幅度还原学生线下学习的模式，学生的学习效果能得到有效提升。 在线互动课堂授课模式已经成为各大传统线下教育机构与在线教育创业公司的主要阵地。那么平台面临会哪些技术挑战？在这其中边缘计算又将发挥什么作用？平台又如何利用云厂商的能力，实现全面的教育在线化、数字化发展？本文将一一为您解答。 在线互动课堂的技术挑战 在线互动课堂场景具有大带宽、长链路传输、广覆盖的业务特点，同时因为教学的实时性和互动性，对于网络的低延时和抗抖动能力也有较高的要求。 假设一个位于上海的老师在给遍布全国各地的学生讲课，一旦中间网络发生抖动，就会出现卡顿、音画不同步、互动延迟等问题，学生提的问题老师没有及时回答，学生的积极性也会下降，授课效果必然会大打折扣。 在这背后

导读 如今，从虚拟化服务的日益普及到云计算服务平台的广泛采用，IT运营正在进行重大改革。而在网络边缘处理数据是在使用物联网设备时提高应用效率的最佳方法之一。传统的技术和方法将会颠覆性的新技术所替代。边缘计算和雾计算成为目前正在兴起的两项最具开创性的技术。 如今，从虚拟化服务的日益普及到云计算服务平台的广泛采用，IT运营正在进行重大改革。而在网络边缘处理数据是在使用物联网设备时提高应用效率的最佳方法之一。 传统的技术和方法将会颠覆性的新技术所替代。边缘计算和雾计算成为目前正在兴起的两项最具开创性的技术。 雾计算和边缘计算强调处理靠近网络边缘的数据，而不是将数据发送到中心。使用雾或边缘计算可以减少往返时间，并显著提高关键应用程序的性能。正是出于这个原因，到2022年，雾计算市场规模预计总收入将达到33亿美元。 在边缘计算领域也将有大幅度增长。例如，调研机构IDC公司表示，到2025年，在边缘计算运营模式下，45%的全球数据将位于网络边缘附近。边缘计算和雾计算的性能优势正在引领企业采用新的解决方案。 边缘和雾计算的采用是由对当前使用的云服务模型进行改进的愿望所推动的。云计算服务市场规模巨大。2018年，云服务市场从2017年的1453亿美元增长了21%。云计算市场可能由AWS、谷歌云和MicrosoftAzure主导，但这并没有阻止边缘和雾计算成为云计算的下一个逻辑步骤。

近10年来嵌入式行业随着芯片技术和软件行业的发展，行业变化速度非常快。细数这十年的变化包括：高可用性便携式OS出现、互联网发展带来的嵌入式培训业态改变、物联网技术、高计算高性能MCU和SOC出现等等。现在又一波浪潮出现了，而且仅仅是发端，会给行业带来一个新的爆发点——那就是边缘计算和边缘人工智能。早就有人预言了边缘计算和边缘人工智能的出现，就像PC和服务器等叫固定端随着IC算力的进步出现大数据、AI、区块链技术一样，便携设备随着IC算力进步必然也会跟随固定设备一样。 1、行业机会 已有设备真正的智能化低成本化，创造新的设备，这就是边缘计算和边缘AI的两个最大的行业机会。现在的所谓智能设备大部分都是假的，不过是比原始设备多了联网、UI交互、语音交互，有些虽然通过中央服务器实现了一定的智能可是IC成本、需要联网、功耗都不理想。边缘计算和边缘AI就是去中心化、降IC成本两个主导思想。现有的设备改造，创造新的智能设备是行业增长的爆发点。2020年的CES展，几乎每一家大型IC公司都在推边缘计算，这就是行业爆发的征兆。 2、开发生态链 SOC端的边缘计算和边缘AI已经相对成熟，高通、华为、MTK都推出了用于终端推理的独立、集成NPU等等。在MCU端，2019年ST公司小试牛刀推出了CubeMX.AI，试水在自家MCU上运行AI推理。虽然仅仅是实现了软件开发环境的代码转化

我们处在信息化的革命时代，或者说是数字化革命的时代，总而言之就是电脑的时代，一个把各式各样的信息都进行数字化的时代，然后交给计算机处理。我们需要知道整个计算机发展的本质，本质就是人类生活信息化建设的过程。 在这个过程中，计算机硬件的发展也是非常快。CPU 的处理速度，硬盘的大小和速度，网络的带宽和速度都在拼命地升级和降价。还有未来的5G技术，我们用越来越低的成本，获得越来越快的速度、越来越大的带宽、越来越快的存储…… 所有的这一切都离不开信息和数据，信息和数据越来越多，越来越大，所以我们需要更好的、更快的、更便宜的基础知识和硬件，我不认为这个在未来会停下来，只会越来越快。 我们从MB时代进入了大数据的时代，以前上网离不开电脑，现在只要你手机有电，你就是在线的，大量的线下服务搬到了线上，比如外卖、叫车等等，于是各种各样的APP在收集你的数据，计算机记录每个人的上网行为，这个数据量不是一般的大。 然而，这个趋势只会越来越大，计算机正住吞噬着一切可以被数字化的事情。除了在吞噬线下的数据，也一定会吞噬线下的信息和数据。比如，通过摄像头识别线下的各种活动，如车牌，通过传感器收集设备的数据，如工业自动化设备，农业，数据只会越来越大。 这样的一个时代，如果把说有的数据都放到数据中心进行计算和分析，一个数据库顶的住吗？数据量太大之后，各种慢，各种贵，各种痛苦.......

一. 背景 近年来，我国文化产业蓬勃发展，文化产业价值年均增速远高于同期 GDP 增速，尽管中国演出市场在开放竞争中逐步规范有序，但目前仍处于起步和培育阶段，尚不够完善和成熟。尤其在演出场馆基础设施、管理运营等方面参差不齐。一方面，国内大规模兴建剧场，但是却不重视开展剧场相关管理和服务标准的建立，造成目前中国的剧场硬件设施世界一流，管理与服务却远落后于发达国家。另一方面，随着现场演出形式的变化，兴起了许多独特的演出场地。当前，对场馆的精细化、分层运营已经成为促进现场服务升级的核心抓手。 二. 痛点 演出场馆的基础设施、热门 IP 等诸多因素都可能导致演出现场出现无网或弱网问题，在这种情况下如何保障核验、摄像头监控等现场服务可用是技术首先要解决的问题。 面向 AI 与 IoT 结合为代表的未来发展方向，通过收集海量数据形成的消费者 / 用户画像可以使终端设备更加智能、更为“主动”地为消费者提供个性化服务。需要对现场类型众多、形态不一的智能设备形成通信互联、数据共享、能力互通的“联合体”，为用户提供智能场馆服务。如何保证海量数据处理的时效性和有效性，是面向业务发展需要解决的问题。 图 1 大麦现场智能终端 目前，在无网和弱网的现场环境下提供现场服务主要通过单机应用部署的方式，面临的问题如下： 为保障单机应用服务可用、可靠，需要在本地搭建集群； 同样的业务逻辑，本地和云端研发体系不统一

文章目录 优势 发展 边缘计算模型训练 模型推断 现状及展望 边缘计算(Endge computing)，同边缘智能(Edge intelligence，EI),指将人工智能算法从传统的云计算中心转移到网络边缘的终端设备。本文搬运自【Edge Intelligence: Paving the Last Mile of ArtificialIntelligence with Edge Computing（Zhi Zhou, Xu Chen, En Li, Liekang Zeng, Ke Luo, Junshan Zhang）】 优势 终端生成的大量数据需要人工智能来有效挖掘数据价值 深度学习驱动要素： algorithm, hardware, data and application scenarios，而网络边缘为大量数据源头，可见终端设备需要与人工智能有效结合，两者相互促进。 边缘计算减少敏感数据在网络中的传输，提高隐私安全性。 发展 边缘计算六层划分： 其中Cloud-edge指边缘设备的部分数据交给云计算中心处理，In-edge指部分数据交给邻近的边缘设备协同处理（数据传输距离缩减），On-device指在设备单机处理。 这六层又可以根据模型训练设备划分为三层 边缘计算模型训练 架构：中心化、去中心化、混合 评价指标：训练损失、一致性（去中心化架构下各个终端模型一致性）

论文笔记 此篇博文用于记录阅读一些论文之后所得。 Computation Offloading in Multi-access Edge Computing using Deep Sequential Model based on Reinforcement Learning 一、论文解决了什么问题？ 由于MEC卸载问题是NP-hard的，现有的卸载策略研究大多都基于启发式算法，但随着MEC应用和无线网络体系结构的日益复杂，任何启发式的卸载策略都很难完全适应MEC中的各种场景。为了解决任务依赖性和适应动态场景的挑战，文中提出了一种新的基于DRL的卸载框架。提出的解决方案可以自动发现各种应用程序背后的通用模式，从而在不同的场景中推断出最优的卸载策略。提出的方案的目标是最小化服务的总体延时。 二、怎么解决的？ 在文中用了深度强化学习来解决问题，将状态空间表示为已编码的DAG和卸载计划的组合，S=(G,A1:i),G表示DAG,A1:i表示前i个任务的卸载计划的向量。将动作空间定义为A={1,0}，1表示卸载，0表示在本地执行。将奖励定义为做出决定后的延迟估计负增量。 三、有什么亮点？ 虽然目前已经有基于DRL的卸载方法，但是它们都假定任务是独立的，在文中考虑了一般任务的依赖关系，并将其建模为有向无环图。这是首次在考虑一般任务的情况下解决MEC中的卸载问题。受以往旅行商问题的启发

一、桥梁结构安全监测应用概述 桥梁结构安全监测，采集桥梁各关键结构点形变、受力、环境等关键参数，通过佰马5G/4G工业无线网关BMG700传输到平台，实现桥梁结构安全实时监测、统计分析、异常告警、远程管理等。 二、桥梁结构安全监测系统功能 （1）24 小时实时监测：对桥梁变形、受力、环境等全自动化在线监测，实时掌握桥梁整体运行状态。 （2）报表自动推送：监测结果实时发布，定期将监测报表推送给用户。 （3）多重分级预警：数据异常时，系统会触发相应三级报警机制，第一时间以短信、传真、广播等形式通知用户。 （4）应急预案处理：从专家库直接提取相应处理办法，及时采取人员介入、封锁道路等办法，将安全隐患消除在萌芽状态。 （5）结构趋势分析：通过对桥梁结构的定量安全评价和监测指标数据安全度分析，可实现结构稳定性趋势分析。 （6）提供参考依据：监测数据长期稳定储存，为今后同类工程设计、施工提供类比依据。 三、桥梁结构安全监测内容 桥梁在线安全监测系统包括应力应变监测、变形监测、环境监测、索力监测、振动检测等部分内容。具体监测内容及监测方法如下： 1、应力应变监测 序号 监测内容 监测方法 测点布设 1 混凝土应力应变 内埋式应变计 混凝土内 2 钢筋应力 钢筋计 桩基 2、变形监测 序号 监测内容 监测方法 测点布设 1 桥墩倾斜 盒式固定测斜仪 桥墩 2 梁段绕度 压差式变形测量传感器 桥面

最近新冠的发展形势令人悲伤，整个资本市场也哀鸿遍野，不过笔者注意到最近的几个交易日中物联网板块却始终逆势飞扬，保持着不错的涨幅，这背后的关键逻辑还是在于物联网对于人工的替代性。 一、改变人们的协同理念：疫情来临之前我国人与人之间的多采用当面沟通的方式，但随着5g技术的成熟，武汉火神、雷神医院瞬间完成基站的架设来看，借助先进通讯手段的远程协同办公理念将深入人心。 二、加速企业尝试物联网等人工替代方案：由于疫情来临很多企业受限于客运的调整，无法快速组织人力进行生产，所以据笔者了解很多企业已经开始使用物联网来生新设计生产流程。虽然目前物联网架设成本还比较高，相对于人工方式并无优势，而这次疫情的确给了物联网一定的的时间窗口，将从客观上给物联网的发展带来了契机。最近一直宅在家里，完全靠着RT-Thread的物联网开发板，来消磨时间。 2018年国内的物联网产业规模就已经突破1.2万亿人民币，也是我国不受外部条件限制独立发展的最佳窗口机会，在自主掌控物联网全链技术栈的方面，我国企业做的相当不错，因此动笔撰文，将这一年来对于物联网趋势的感悟进行总结，为读者零距离展示物联网的发展全景图。 缘起 物联网的由来： 1999年美国召开的移动计算和网络国际会议上麻省理工大学的阿什顿教授提出了基于互联网、RFID技术、EPC标准，在计算机互联网的基础上，利用射频识别技术、无线数据通信技术等

12月12日，第六届DEAS数字娱乐产业年度高峰会于厦门隆重召开，阿里云边缘计算产品首席架构师刘强受邀参会，并在“开启5G元年新场景”主题板块中发表《边缘计算驱动科技“寒武纪”时代》演讲，分享边缘计算在当下企业办公、安防、物流等城市场景的关键作用。 “寒武纪”时代带来的启发 什么是“寒武纪”时代？“寒武纪”是6亿年前的一个时代，这个时代之前没有太多的复杂生物，但是由于“寒武纪”时代地球温度逐渐上升，为生物的生存创造了条件，所以这个时代之后在几百万年之间，出现了大量复杂生物的出现与爆发。总而言之，“寒武纪”时代生物大爆发正是因为温度这一基础条件发生了变化。 实际上，这一现象也在人类社会里不断的上演。比如，一百多年前，美国在铁路建设和电力设施大量的普及催生了第二次工业革命的发展，而第二次工业革命的发展催生了我们现在耳熟能详的可口可乐、通用电器、通用汽车等等这些百年老店，它们在短短15年时间内成为行业巨头，直到今天。 大约在2000年，在中国也发生了类似的事情，利用15年时间建成的全国铁路网络、通信网络，在这个过程当中，也产生很多新的公司，而且这些公司呈现出大者恒大、强者恒强的态势。2008年是3G元年，移动互联网逐渐映入眼帘，期间除了老牌的新浪、腾讯推出微博、微信，也有很多新的创新公司出现，比如游戏、泛娱乐公司大量的出现，它们都在移动互联网产业里占据了不可或缺的位置