边缘设备智能化的基本要求
将计算基础架构从数据中心扩展到边缘这一主张，得到了越来越广泛的共识。诸如联邦学习之类的概念，通过共享的预测模型进行协作学习这种方式，将标准集中式机器学习(ML)方法从数据中心转移到手机——在将数据存储到云的需求中，消解了对可实现ML能力的要求。5而各种深度***网络(DNN)，每天都在发展、以更好地赋能基于边缘的处理功能。成功地将智能带到边缘设备也带来了与传统的AI不同的商机——例如：个性化购物，基于AI的助手;或在制造设施中进行预测分析。边缘/雾计算的应用，新基建边缘计算设备，比如：车辆的自动驾驶;需要复杂反馈机制的机器人技术的远程控制;甚至是使用ML、可更好地管理可再生能源的智能电网终端设备;以及在电网中对本地电能使用进行预测分析。对于此类应用，成功实施AI的主要决定因素包括：成本效益低功耗可重构性/灵活性尺寸
MEC基本架构可以划分以下几层
基础设施层，包括各种类型的服务器，如以计算能力为主的计算型服务器、存储为主的存储型服务器以及硬件加速卡之类，满足AI推理、图形图像渲染、网络高速转发等需求。虚拟化层，为上层各种能力服务以及APP应用提供虚拟化平台资源及管理，包括虚机和容器两种类型，满足不同应用共享统一的基础设施。网络及业务能力层，网络能力包括本地分流，还有NAT、虚拟防火墙VFW、DNS、业务负载均衡LB等组网基本服务能力，同时还提供无线网络信息服务RNIS、带宽管理、业务路由规则、无线室内***等服务。这些服务通过网络能力开放框架，移动边缘计算设备，以API接口方式来提供服务。边缘服务能力层采用微服务化框架设计，随着后续业务需求的变化，可以引入新的能力，如AI能力、大数据能力等来丰富完善MEC的能力层。MEC管理层，提供MEC服务门户、业务编排管理、业务策略管理、FCAPS管理、生命周期管理和虚拟资源管理等。应用层，如视频监控、AR/VR视频、园区等各种第三方应用APP
哪些场景需要用到边缘计算？
边缘计算的前身是内容分发网络（CDN），它通过数据分布式缓存满足了用户快速访问的需求，让我们能流畅地在线追剧、玩游戏。但随着信息技术从消费侧向生产侧延伸，以及人工智能等新技术的兴起，云端仅仅实现数据存储与快速访问已无法满足需求，新的应用场景中要求云端同时具备强大功能和超低时延，其中典型就是自动驾驶和智慧工厂。
以自动驾驶为例，它对云端响应时延提出了近乎苛刻的要求。自动驾驶的制动等反应时间关系到交通安全，而它主要由云端系统响应时延决定，但其中涉及运算和通信多个环节。如果要做到100km制动距离不超过30cm，FPGA边缘计算设备，那么系统整体响应时延不能超过10毫秒，而且越低越好。因此，重要的移动通信技术标准化***3GPP就定义了若干个1毫秒到几个毫秒的低时延场景，主要就集中在自动驾驶上。在这种需要“超低时延+智能计算”的场合，边缘计算设备，就必须用到边缘计算了。
再来看智慧工厂，由于制造业的智能化，一方面需要实时数据采集并立即处理意外情况，毫秒级延迟都可能导致无法挽回的事故，这在设备保护、性能监控、品质管控中尤为重要。另一方面由于生产复杂度与精细度越来越高，生产过程会产生海量实时数据，但其中只有部分是关键数据，需要存储到云端进行挖掘和分析（例如为供应链优化提供依据），所以需要对采集数据进行过滤，以缓解云端和网络压力。这时候，就需要边缘计算来帮忙了。
FPGA边缘计算设备-边缘计算设备-北京速***子(查看)由北京速***子科技有限公司提供。北京速***子科技有限公司是一家从事“高速数据采集”的公司。自成立以来，我们坚持以“诚信为本，稳健经营”的方针，勇于参与市场的良性竞争，使“鲁科数据”品牌拥有良好口碑。我们坚持“服务至上，用户至上”的原则，使速***子在仪器仪表中赢得了客户的信任，树立了良好的企业形象。 特别说明：本信息的图片和资料仅供参考，欢迎联系我们索取准确的资料，谢谢！
