姓名：王靖尧 学号：16020188025
转载自https://blog.csdn.net/DP29syM41zyGndVF/article/details/83542908
引 言
云计算几年前非常流行，但是当所有应用落地，海量数据涌入云之后，相应的问题也随之而来，处理速度慢、时延长，所以边缘计算成为研究热点。其实边缘计算起源于物联网应用，它的作用体现在物联网应用中云计算的优化设计，其初衷是为了将一些无需上传到云的计算留在远端处理。那么在嵌入式系统应用中，边缘计算会起到哪些作用？嵌入式工程师又该如何利用好这一技术呢？为此，《单片机与嵌入式系统应用》小编邀请到业内专家，谈谈自己的看法！
业界声音
物联网是边缘计算的推手
嵌入式系统联谊会秘书长 何小庆
美国韦恩州立大学施巍崧教授在“Edge Computing:Vision and Challenges”一文中给了边缘计算这样的定义：“边缘计算是指一种可以在网络边缘完成的计算技术，这样的技术和平台在云和IoT 设备之间上传和下载数据，以平衡系统计算、实时性、功耗和安全等方面的要求”。工业物联网领域的巨头GE公司指出：“边缘”指的是靠近数据源存在的计算基础设施，例如工业控制器和来自各种设备和传感器的数据集合，这些设备通常远离云计算中心。
国外的研究报告显示，边缘计算目前主要在以下两个领域发展：第一是通信和工业相关的项目，比如5G 虚拟化网关、无线访问网络、5G-CORAL（结合了电信边缘计算和雾计算的研究成果）。第二是智能 IoT 网关，比如Bosch（Prosyst gateway software）、Siemens（IoT2000 gateways）、Microsoft（Azure IoT Edge）、Amazon（Greengrass 和Snowball Edge）。开源的边缘计算项目也很活跃，比较著名的有EdgeX Foundry（IoT gateway）和ParaDrop（威斯康辛大学麦迪逊分校）。
嵌入式企业非常重视边缘计算。NXP推出EdgeScale平台和Edge-Box开发套件，为边缘计算提供从高性能嵌入式处理器芯片、开源软件操作系统到云端和安全支持。arm推出了Mbed Edge，Mbed Edge与ARM mbed Cloud 和Mbed OS 组成支持边缘计算的IoT整套解决方案。台湾研华推出EIS智能边缘服务器和WISE-PaaS/EdgeSenser的边缘网关，后者集成了Mbed OS和Mbed Edge，以及NXP边缘嵌入式处理器，EIS 内置了微软的Aure IoT Edge 服务。
需要注意的是，边缘计算设备一般会安装在系统传感和执行端，多数边缘计算设备是嵌入式系统。但从物联网系统看，边缘计算设备是整个物联网系统的一个组成部分，不能单独存在，需要云计算和人工智能技术的支撑和服务。
边缘计算技术的研究和产品开发目前均处在初期阶段，云计算、通信设备和嵌入式企业非常关注， 物联网的高速发展是边缘计算兴起的最大推手。物联网发展大致分成两个时期，第一个时期是从互联走向智能，第二个时期从智能走向自治。目前多数物联网项目还处于第一个时期，进入第二个时期边缘计算将发挥重要作用，预计未来几年边缘计算将迎来快速发展的新阶段。
嵌入式系统和边缘计算的价值和未来
日海智能科技股份有限公司 首席技术官 邹俊
边缘计算是指在网络边缘提供计算和分布式处理能力，使得数据处理和相关的应用靠近数据发生的地方，有低延时，快捷响应和节省流量等特点，和云计算形成互补。
边缘计算起到的作用主要有如下几个方面：第一就近处理数据实现快速响应。边缘计算和边缘计算应用分布在网络边缘，相对于云计算而言，靠近数据，甚至离数据仅有一跳的距离，其优势是能够就近对数据进行处理，从而降低延时；第二减少传输到云端的数据量，降低对网络带宽的要求。随着物联网的爆发，设备产生的数据是海量的。据IDC等咨询机构的预测，将来的数据有20%到40%会由边缘计算处理。在边缘侧对数据进行处理，比如最简单的数据过滤，就能很好的降低数据传输对带宽的压力，也能达到降低数据传输成本和存储成本。第三避免单一瓶颈和单一故障。由于边缘计算和边缘计算应用是分布式的，这样就降低甚至避免出现的业务瓶颈和单点故障。
由于边缘计算分布在网络边缘，边缘节点的计算、存储资源和云计算／数据中心相比是有限的，所以边缘计算和边缘计算应用就天然的使用到了嵌入式计算和嵌入式硬件单元。嵌入式系统可以在边缘计算上承担以下几个作用：
1. 数据过滤
物体产生的数据是大量的，而这些数据中，有很多的数据是无用的，是数据中的杂音。一些简单的计算处理，就能过滤到大量这样的数据。比如，温度传感器可以定时采集数据并上报。在最简单的场景下，只需要关注异常情景就可以了。所以，在边缘计算上，一个简单的数值比较，就可以过滤掉绝大多数数据。这样简单的数据过滤功能，可以很好的应用嵌入式技术对资源要求低的特点，在边缘进行处理。
2. 数据统计分析
边缘计算可以对在某个地理范围的数据进行统计分析，把分析结果传输到云端。类似的功能也可以利用嵌入式计算进行实现，从而使得分析结果贴近数据。
3. 复杂事件处理(CEP)
CEP是相对成熟的技术。当CEP和嵌入式系统结合，可以作为边缘应用对事件实现就近快速处理，从而大大提高对事件的反应速度。
4. 人工智能应用
云计算是催生人工智能快速发展的重要推动力。但是，把所有人工智能都放在云端，很难达到对紧急事件的实时处理，比如自动驾驶场景。诚然，人工智能的训练需要大量的计算资源，边缘计算很难承载。但是，越来越多的人工智能的推理可以在边缘实现，使得人工智能应用作为边缘计算应用，具备快速反应的能力。所以，如何将人工智能推理和应用实现在嵌入式系统中，也是一个很重要的课题和发展方向。
基于以上技术，日海智能科技股份有限公司（简称：日海智能）在今年六月在上海世界移动通信大会上发布了全球首款AIoT移动智能计算终端MICD (Mobile Intelligent Computing Device)产品，该产品是人工智能、边缘计算和移动计算的完美结合。关于该产品的详情可参见如下相关报道（凤凰网报道http://tech.ifeng.com/a/20180703/45047508_0.shtml等）。
日海智能成立于2004年，致力于成为人工智能物联网领域的领军者。日海智能为国内外运营商、ICT设备商、系统集成商以及各行业用户提供行业领先的物联网“云+端”、云视频、数据中心、无线通信、有线宽带及新能源节能产品及解决方案。自2016年起着眼于全球战略布局，实施积极主动的外延式发展，通过先后并购模组厂商“龙尚科技”与“芯讯通”，一举成为全球模组出货量份额最高的人工智能物联网公司，同时引入全球物联网安全级别最高的Ayla云平台（国内首例获得SOC等级三级），赋予创新人工智能技术，成为全球首家具备人工智能的“云+端”生态物联网公司。
边缘计算让物联网更加智能
Imagination Technologies连接与智慧家庭总监 Simon Forrest
在一个由无数智能网联设备组成的世界中，人们普遍认为，可用的通信信道将很快被这些设备所能够产生的大量数据撑满。这显然是不可持续的，并且需要采取不同的方法。通过采用边缘计算，使人们认识到并不是所有数据都需要传送到一个中央服务器基础设施来通过云进行处理。嵌入式边缘技术本质上利用了本地计算能力，它们支持现场设备在交付链中更早地主动将“数据”转换为“信息”，并且只有关键的信息才被传输到云来进行存储和进一步处理。这显著降低了整个网络的峰值带宽要求，并且也缩短了云中所需的总CPU周期。
更重要的是，能够在设备本身内快捷处理数据的能力提供了新的自主等级。今天，我们看到新一波的产品正在采用人工智能，并依赖于嵌入到SoC内部的（边缘）神经网络加速。 这些产品通常被视为“更加智能”，它们能够在本地根据输入完成操作并独立处理数据，尤其是在基于服务器（云）的基础架构不适合或设备脱机的时候。
例如，采用边缘技术用于在本地处理视频帧的物联网家用安防系统，可以在云中占用最少的处理开销。安防系统不是将所有视频帧都低效率地发送到云，因为它们中的大多数都是相同的，取而代之的是安防系统使用嵌入式AI边缘技术来仅识别那些显示了可疑活动的视频帧。一旦处理完毕后，系统可能会选择只发送有用的视频摘录到云端，或者只是向你的智能手机发送提醒。使用之前的类比，我们现在已经将几千兆字节的多余视频数据转换为少量含有有用信息的字节，这只需使用边缘技术即可实现。
设备的可扩展性也大幅度得到改善，这是因为边缘技术可以确保分布式计算资源在整个系统中按比例扩展，并且每台额外的设备都增加了更多的能力。另一个关键方面是延迟，在云和设备之间的数据转发需要的是与数据传输相关联的往返时间。如果嵌入式边缘技术被用于在设备中只处理数据，那么延迟可以被缩短到最短时间，或者在某些情况下可以完全避免延迟。 这对于需要绝对保证响应时间的嵌入式系统尤为重要。
物联网产品中对增加计算能力和“智能”的需求始终存在，在推出诸如用于语音控制的自然语言处理、手势控制界面、先进图像分类和视觉认知系统等新技术的时候，都将意味着边缘技术已在大范围内变得更加重要。对于Imagination来说，这意味着更高的性能和更低能耗带来的效率，这是因为我们为自己的SoC合作伙伴开发了先进的神经网络加速和GPU计算技术。这些SoC将具有超越现有性能指标的能力，不再是简单地将物联网数据传送到云，而是能够从多个输入中获取有价值的信息，并且所有的输入都在硅芯片内处理。
eFPGA技术为边缘计算环境提供安全保证
Achronix半导体公司高级产品营销经理 Alok Sanghavi
下一代嵌入式应用正将处理任务推出云端并走向网络边缘。同时，通过围绕可编程逻辑构建处理结构，提供了新的能力使得计算更加以数据为中心。可编程逻辑使得构建数据处理流水线（pipeline）成为可能；相反，传统处理器则需要通过复杂的内存缓存层级结构才将数据推送到其处理流水线。
在采用可编程逻辑来构建的计算解决方案支持下，数据可以在节点之间无缝流动，并在它们通过时借助定制逻辑电路和DSP引擎的组合对数据单元进行调控。每个单元在被处理完之后，会转发到下一个节点。随着需求的变化，可编程逻辑阵列可以被重新连线配置，为以数据为中心的应用提供更好的支持。
独立的FPGA芯片因为数据需要频繁和更专用的ASIC之间交互，通常会导致额外的功耗和性能损失。嵌入式FPGA（eFPGA）技术通过在ASIC内部集成可编程逻辑阵列，为其提供了一种可满足能效、性能和尺寸限制因素的方法。利用eFPGA技术，硬件加速功能可以被带入到芯片中。这些功能的一个很好的例子便是可重新配置处理单元阵列，这些阵列被用于机器学习应用所需的卷积内核或最大池计算，通过将这些功能实现在ASIC内部的嵌入式可编程逻辑阵列中，就可以使整个芯片达到更高的性能等级，同时也降低了系统成本和功耗。
eFPGA技术在边缘计算环境中还有另外一个优势—容器和虚拟化为核心云中的安全操作提供了有效支持，这是因为这些系统可以利用良好的物理安全性。网络边缘的设备需要更高级别的硬件保护，因为攻击者更容易闯入机箱并篡改路边机柜或服务室里的系统设置。由于边缘计算系统从管理员那里得到的支持较少，因此物理安全性至关重要。
将安全功能集成到围绕eFPGA内核的硬连线逻辑之中，使其能够支持虚拟电路加密上传到逻辑阵列，并且持续监控它们是否存在潜在漏洞。硬连线逻辑可以确保由不同用户上传的可编程功能实现分离，并防止它们相互窃听。
通过将安全性电路和可编程逻辑都集成在芯片上，使得攻击者要窃听通信时的物理访问很难实现，甚至不可能。借助集成的CPU，整个服务的计算功能可以与外界隔离而直接到eFPGA，从而限制从芯片中外发的信息量。 在执行与其他服务的通信时，可以使用面向eFPGA的硬连线逻辑中强大的加密单元，从而去支持适合边缘计算需求的强大的安全架构。