从云边缘扩散情报

分区处理的挑战和边缘之间的云开始进入集中对付一个芯片制造商和系统公司有大量和快速增长的数据。

有广泛不同的评估多少数据这最终将包括,但每个人都同意这是一个非常大的数字。pb只是舍入误差方程中,很快将被eb取代目前的增长率。

“自主车辆会产生每小时15 tb的数据从传感器,”苏米特古普塔说,副总统的HPC,毫升和人工智能在IBM,表示在最近自主车辆硬件峰会在圣何塞。“当你把所有的数据从ADAS测试,可以得到500 pb的数据。现在,当我们有一个研究中心,移动它最快的方法是在一辆卡车的公路”。

甚至存储多少数据远远超出最大的超级计算机的功能,目前大约有200 pb级的存储,古普塔说。

处理所有这些位,至少必须做一些处理在边缘。要花太多的时间、精力和金钱来移动它——大部分是没有用的。但到目前为止还没有达成一致或这将是如何做的,或者由谁。云提供商仍然相信超大型数据中心是最有效的工具磨损产生的堆积如山的操作数据物联网每天设备。设备制造商,相比之下,相信他们可以预处理的数据或接近源如果他们能放一个足够聪明,专用机器学习推理加速器装置。

“边缘变得越来越聪明,”说Lip-Bu谭总裁兼首席执行官节奏。“发送到云太慢了,所以你会看到边缘开始起飞。超大型云将继续爆发,但对于汽车和工业活动将在边缘。下一个大事件是优势。”

定义什么构成不同的边缘。“边缘之间的物联网设备和云,”Tan说。“这是一个mini-cloud,但它不是那么巨大,节能。将会有一个汽车云和不同的垂直云。”

一个新的术语云边缘。但这并不是唯一的地方情报将为了处理一些数据。

“一般来说,我们看到的是计算的基础设施,所以这是虚伪的去调用一个特定的区域,说这就是情报被补充说,“根据穆罕默德·阿瓦德,负责营销的副总裁手臂的基础设施业务。“有异质性计算,一维的,你有大量数据从数以万亿计的设备,必须有效地处理和运输基础设施。但是有另一个维度是改变计算的本质。经典的模型,你有一个通用的CPU和你写你的工作负载,然后坐下来摩尔定律保持你前进改变了。”

到目前为止,没有约定界定点边缘开始或结束的地方。一些专家,它开始在传感器。对另一些人来说,这可能是一个公司的校园或其他私有云。

“定义的问题这是没有现任指令集的边缘,”史蒂文说哇,Rambus研究员、著名的发明家。“所以我们看到x86架构下推,和基于arm架构推高。然而,真正的问题是,如果终点产生数据的速度比网络链接提高性能,然后你没有选择,只能做更多的处理设备。这就是为什么每一个手机处理器现在都有神经网络处理器核心,因为其中一些要处理的终点。”

移动数据
这已经引发了一场争夺在基础设施方面,使“无处不在的智慧,”一个更新版本的IBM的老“无处不在的计算”理念。基本的问题是,现有的基础设施永远不会足够快的或可靠的足以让所有的数据从一个移动的汽车和云,避免了一次事故,即使毫米波5克。但这不是不可能的发送警告从一个车到另一个,还没有明显的避免物体在路上或慢下来,因为有一个冰冷的下一个弯。

说:“关键是减少延迟Mike Fitton高级战略规划主管Achronix。“将会有越来越多的功能的优势。”

5 g将帮助在这方面明显。所以将减少需要发送的数据量。”机器学习,我们的目标是稀疏的数据,”Fitton。能够瘦下来会帮助存储和力量。“基本上,你要做的就是消除零,和fpga是很好的。”

这只是一块拼图,即使它是必要的。Fitton指出,在12小时的飞行商用飞机可以生成844 tb的数据。

图1所示。雾计算支持云生态系统为智能终端设备。资料来源:国家标准与技术研究院。

快速以太网和并行转换器将让事情当它需要移动,。事实上,数据将旅行的速度将增加从50 gb每秒今天到2021年大约400吉比特每秒,又可以双光学技术,根据Andy Bechtolsheim董事长兼首席发展官芒网络。在这个市场尤其重要的是今天的尖端交换技术是在28 nm使用自定义开发的硬件。但开关市场预计将转向7海里商人芯片在接下来的两年。因为这些芯片是比定制硅便宜,他说这将导致一个“急剧增加在很短的时间内”的性能和吞吐量。

“还有很多改进的余地,Bechtolsheim CDNLive本周的报告会上说。“我们将三倍的晶体管数量。”

其他经济因素在起作用。他说,搬到新的硅将导致每端口成本降低10倍。与此同时,一个400 gbps管开发和维护成本低于4 - 100 gbps管道。这将推动持续运动的数据无处不在,而更多的数据肯定会在本地处理,更多的数据仍将移动到云上处理的前提。

保护数据
还进入边讨论如何获得这些数据。一般的安全专家之间的思维是数据在运动时更大的风险,不管这种风险包括直接盗窃或简单的数据泄漏。

但今天也越来越担心数据加密可以在将来的某个时候砍使用更强大的计算机和更好的算法。“想象有人在存储所有加密流量,“说Taher Elgamel,密码学专家和今年的马可尼奖得主。“如果你储存数据,一些将在25年内仍然有效。”

所不同的是,今天被认为是最先进的加密将会相对容易裂缝与未来的电脑。在运动数据越少,越不可能有人能够收集并存储它。

”主要有两种方法来添加安全密钥的安全性和加密”Tejinder辛格说,总经理的安全解决方案迈半导体。“今天,加密更受欢迎。但是如果你有钥匙,你可以解密数据。”

这听起来简单,但它变得更复杂数据时边缘和云计算之间的分区。“我们需要的是一个更灵活的解决方案,因为您想要提供每个应用程序不同。分区需要隔离。所以如果你有32个分区,钥匙可能属于域1而不是域2。由每个用户决定是否应该与其他用户共享的关键。它还允许您关闭一个分区一个命令。”

Marvell一开始使用公共云,但此后这种想法迁移到私有云。一起,一个独特的标识符是注入芯片生产过程创建键,设备。“你可以对多核处理器,每个核心做不同的东西,”他说。

设计一个系统
把所有这些组合在一起创造一些新的芯片制造商的机会。

“边缘处理有可能降低整体功耗,”杰夫•米勒说,高级产品营销经理导师,西门子业务。“收音机可以很大一部分电力的设备。如果你发送回来的数据量减少到云,花费更少的能源。如果你有一颗卫星恒温器的温度传感器,它只需要传输数据达到一定温度时,并不是所有的数据。和安全装置,可以减少假阳性的数量。”

但更智能边缘设计还增加了一些有趣的挑战。

“有很多非常有趣的处理单元被在各种系统- GPU, CPU、TPU——被用于确保你可以把合适的成本在正确的指出,得到你想要的结果,而不需要使用太多的权力产生过大的热量或过于昂贵,“Gilles Lamant说,杰出工程师在节奏。“这是重要的数据中心,但你有足够的电力和冷却。在其他类型的设备,你必须看看更广泛的因素,也有更多类型的处理器可供选择。但人们使用光学或asic或其他特定的生命力耗尽带宽或使用过多的权力或创建太多的热量。你能改变很多,这取决于如果你在数据中心或如果你谈论一个智能手机或无人驾驶车辆。”

专用加速器的洪水像Google这样的企业,阿里巴巴和Facebook,以及芯片制造商,是承认通用芯片是不足以实现所需的性能推测在更大范围的设备,或添加视觉语音识别在汽车、门铃和智能手机。

“今天的基础设施主要是专为视频分布——提供流媒体视频数十亿人,下游,”阿瓦德说。“你还可能需要一个相机,只通知你当门打开或有人走过。但除了端点,认为所需的架构的变化,当你有一万亿个连接设备和十亿个左右的摄像头或其他设备推动视频上游基础设施,不仅向端点。”

思科、手臂、三星、飞利浦和许多其他的大公司在物联网基础设施市场大举扩张,进入数据管理,专门关注芯片,根据比尔·霍夫曼,总统的工业网络Consortium-an IIoT产品测试的组织最近与OpenFog财团。(后者在建立标准体系结构和性能的定义,有时雾的许多方面计算。)

但即使只是看着推论在端点设备不会让处理器选择自动,首席执行官杰夫•泰特说Flex Logix。推理模型的性能从深层神经网络训练在大型数据中心的服务器上创建依赖于算法,但也部分矩阵乘法处理是否使用16位或8位整数,浮点计算,或芯片是否设计以这样一种方式,它不能达到充分表现第一或第十个季度或第三的训练周期相同的矩阵计算运行成千上万倍。我们需要的是标准定义延迟等问题,并计算密集型任务的架构,可以处理其他地方比一个端点或云。

投入的角度来看,需要收集和有效地擦洗,按摩和分析大量的数据并不新鲜。但问题,设备,和在什么情况下,需要分析数据从未真正影响大规模系统或processor-purchase决定过去,说Susheel Tadikonda,网络和存储的副总裁Synopsys对此。

其他问题
发送云或集中式数据中心的一切总是一个明显,很大程度上是防弹的决定。事实上,它才成为一个点的讨论,当实际或潜在增长的数据量足够高的带宽和cloud-processing成本更大的一部分的讨论。

没有人会谈论安全摄像头或网关充当服务器1000年温度传感器发挥重要作用在数据处理设备收集或贡献数据的数量没有变得如此极端。

“与数量有限的设备,没有在试图发明一种新方法来处理数据,“Tadikonda说。”,但设备的数量增长非常迅速,即使每一只产生一个小数据,他们生产更多。变化方程。”

最终用户的一些客户,自己的那些物联网设备几十年来一直在收集大量的数据,但只是在最近几年才有可能分析数据,得到的好处在预测性维护和供应链效率,大公司可以受益于现在,根据罗伯特•戈莱特利产品营销主管在阿斯彭技术,开发工具挤压更高的效率从行业已经相当不错的效率。

”公司在process-focused industries-chemical生产、石油开采已收集tb的数据每天在自己的设备和操作可能20年,“戈莱特利说。“问题对他们来说不是收集数据或知道如何处理它或使用什么样的设备。它主要是一个问题,不同的人拥有不同部分的过程,而不是在这些部门能够提交。一旦他们找到了如何跨越障碍,我看到客户你期望有一个销售周期的18个月项目在不到六正如火如荼进行。计划外停机是一个每年1.4万亿美元的问题。这是一个很好的动力。”

的好处通常是足够清晰,但物流、建筑、设计、成本模型和性能指标往往失踪。特别是IT人经常带头IIoT的非传统的部分项目,根据马特维西,微软和AI和物联网业务发展总监OpenFog财团的董事长和前总统。

“这是OpenFog协会关注的原因之一创建一个标准,”维西说道。“制造业一直是第一产业进入IIoT因为它是理解如何自动化的过程,这通常是记录,”维西说道。

“对于其他类型的组织没有很多指标来帮助定义工作。我们看到很多模型与加速计算模块,像gpu的边缘,因为他们在控制飞机。但我们也看到更多的模型,把自主权和AI端点设备有可能自动化的事情没有解决之前,而连接通过OpenFog架构云应用程序,所以他们不会失去云的处理效率。”

结论
体系结构和观念现在到处都是。不是每个组织将推理或存储或处理能力在每一层的基础设施,但体积的计算资源层和在边缘计算网关服务器设施正在增长。

“我们看到分层从端点到云数据中心,和每个阶段计算的需求在增加,“胳膊的Awad说。“所以可以有一定程度的过滤和分析数据在每一个点与基础设施,从时间上通过一个网关到云”。

有关的故事
计划5 g和边缘
理解5 g的利益,限制和设计挑战。
使用人工智能的数据安全
将数据处理边缘开辟了新的安全风险,和许多新机会。
边缘推论的挑战
平衡不同变量来提高性能。
IIoT边缘是一个移动的标靶
物联网联盟定义使用场景,没有标准,IIoT边缘计算。
新5 g的障碍
准备5 g标准和技术只是问题的一部分。减少延迟和开发应用程序利用5克还有很长的路要走。
挑战在边缘
真正的产品开始进入市场,但这仅仅是开始新一波的技术问题。