邊緣計算是指計算靠近物或數據源頭的網絡邊緣，以安防攝像頭為例，前端攝像頭具備計算和儲存的功能，而云端只做基于大數據的宏觀預測，這樣的好處是實時響應，并減少了網絡帶寬的壓力。根據IDC的預測，到2020年，物聯(lián)網會有500億感知設備，50%的計算會在邊緣設備上，云邊結合是未來普遍的模式。

在今年安博會期間，包括?？低?、大華股份、科達、英特爾等都有提到邊緣計算的應用并推出了相關產品和方案展示，在講述邊緣計算應用趨勢的過程中，大家都有引用一組IDC的調研數據：到2020年全球會有超過500億的智能設備，超過2121個傳感器。到2018年將會有50%的物聯(lián)網的網絡會面臨帶寬的問題， 40%的物聯(lián)網數據需要在邊緣進行存儲處理和分析。

處于物聯(lián)網時代中，隨著時間的推移，這類數據還將持續(xù)增長，未來會有越來越多的設備和傳感器誕生。如此眾多的設備和傳感器將會產生大量的數據，如果把這些數據傳到后端，需要足夠的網絡帶寬的支撐，雖然在通訊技術方面，我們正在從4G走向5G，但是網絡帶寬的增長速度會越來越趕不上數據增長的速度。

當下深度學習的很多處理運算都發(fā)生在后端數據中心或云端進行，因為只有在這樣的環(huán)境里才能提供計算和存儲的支撐。但隨著網絡帶寬、計算延遲以及數據安全等方面的考慮，越來越多的廠商開始意識到未來人工智能系統(tǒng)一定是一個端到端的系統(tǒng)，會有足夠多的人工智能的應用被推送到前端，在前端去處理。

將AI 賦能邊緣是趨勢

在過去幾年里，前端攝像頭進行數據采集，將數據傳輸到后端服務器或NVR或云端作存儲以及智能分析，這是行業(yè)的慣性做法，但當前，隨著數據量的迅猛遞增，以及網絡傳輸帶寬所帶來的壓力和成本問題，讓大家開始尋找新的解決方案，邊緣計算和邊緣存儲的應用由此誕生。

隨著安防人工智能應用的逐漸深入，將AI 賦能到前端也正成為安防這個產業(yè)的發(fā)展趨勢，當然，邊緣計算是一方面，監(jiān)控領域邊緣存儲也是一個極其重要的環(huán)節(jié)。

在本屆安博會上，我們可以看到包括西部數據、美光在內的存儲廠商圍繞著邊緣存儲也有做一些主題演講和產品展示。

西部數據集團嵌入集成方案產品市場總監(jiān)張丹即認為：“未來數據肯定會分流處理，這是不可避免的趨勢。在生成的海量數據中，有的數據是必須被存儲的，被存儲到整個數據鏈的不同節(jié)點。有的數據需要被實時計算，還有的需要分時計算、分步計算。所以在每一個應用領域、每一個數據節(jié)點，什么樣的數據被需求，什么樣的存儲被應用，作為存儲產品和方案提供商，這是需要做深入研究探索的問題，也需要和客戶做持續(xù)的應用層面的溝通和探討。”

美光科技嵌入式產品事業(yè)部副總裁 Jeff Bader在安博會期間的邊緣存儲解決方案發(fā)布會上對外表示：“邊緣存儲方案可通過提高視頻質量和增強網絡可靠性，為客戶解決帶寬壓力系統(tǒng)部署的成本問題將關鍵的數據存儲在前端做智能分析運算，為后端節(jié)省存儲和運算空間，去做更細致更高效的深度智能視頻分析。”

邊緣存儲的應用優(yōu)勢

存儲環(huán)節(jié)對監(jiān)控系統(tǒng)的智能化程度有著直接的影響力，尤其在當前深度學習環(huán)境下對數據的實時分析要求的提高，更加強調數據高清傳輸、安全存儲的重要性。那么，邊緣存儲的在智能監(jiān)控中有哪些應用優(yōu)勢呢?

據廠家介紹，目前市場上大部分應用在電子終端的 Micro SD 卡的設計主要針對消費類應用，如數碼相機和行車記錄儀，并不適合常年在相對更加惡劣的環(huán)境下進行全天候的連續(xù)錄制。

安博會上西部數據、美光等針對視頻監(jiān)控邊緣存儲展示了其相關的工業(yè)級micro SD存儲卡產品，其容量從32GB~64GB不等。在性能表現(xiàn)上，也擁有獨特優(yōu)勢，主要表現(xiàn)在下面幾個方面：小體積，大容量，滿足靈活安裝部署需求，保障設備7*24小時不間斷運行；更高的環(huán)境適應能力，可在更寬泛的溫度和環(huán)境條件下，提供三年以上的高品質全天候連續(xù)視頻錄制；存儲卡具備自我檢測技術，能提供卡片的使用情況和預計剩余使用壽命信息；為連續(xù)視頻錄制設計了專用固件，可最大程度降低丟幀和視頻丟失幾率。

如何解決邊緣存儲受限的問題？

邊緣存儲并不意味著將所有產出數據全部輸送至前端存儲，這樣的做法無疑又會重蹈后端服務器或云端集中數據存儲計算的困境，那么針對前端計算能力和存儲能力有限的情況，該如何處理呢?

針對這個問題，英特爾物聯(lián)網首席技術官張宇提到網絡壓縮的做法，這里面涉及到三個技術手段：壓縮網絡，實現(xiàn)更低比特，在不影響最終準確度的情況下，可以把數值移動，降低了對內存和帶寬的壓力，提高運行的速度;“剪枝”，剔除特征不明顯、無效的數據;量化，把統(tǒng)一類的數據相近，降低對存儲的要求。

另外，業(yè)內針對邊緣計算和邊緣存儲，還有一種邊緣預處理的做法，即構建一種基于邊緣計算的視頻圖像預處理技術，通過對視頻圖像進行預處理，去除圖像冗余信息，使得部分或全部視頻分析遷移到邊緣處，由此降低對云中心的計算、存儲和網絡帶寬需求。除此之外，為了減少上傳的視頻數據，基于邊緣預處理功能，還可構建基于行為感知的視頻監(jiān)控數據彈性存儲機制，根據行為特征決策功能，實時調整視頻數據，既減少無效視頻的存儲，降低存儲空間，又最大化存儲“事中”證據類視頻數據，增強證據信息的可信性，提高視頻數據的存儲空間利用率。