(边缘计算人脸识别)(python边缘识别实时)

(python函数定义位置)(python函数位置)

2019年8月9日，华为正式对外发布了鸿蒙操作系统。在鸿蒙操作系统的定义之中，包含了“微内核”、“分布式”、“全场景”三个关键词。而这三个关键词，都显露了华为要在边缘计算施展抱负的雄心。

2019年9月26日，高通CTO詹姆斯·汤普森博士在高通5G workshop上表示：边缘计算与AI是支持5G发展的关键技术。在此之前，高通就推出了面向物联网领域的边缘计算芯片QCS603、QCS605。用以满足相机、工业机器人等物联网设备对AI运算的需求。

随着5G发展的普及，边缘计算正在凸显它越来越重要的技术地位。根据中银国际的测算，预期到2022年基于边缘计算的智能制造渗透率至少达到60%，市场规模将达到15180亿元人民币。

也就是说，2020年有一多半的制造工厂因为边缘计算而变得更加智能，更有效率。

什么叫边缘计算？

所谓边缘，简单理解就是指在网络拓扑结构中，处在外围边缘的终端设备。而边缘计算就是，这些让这些外围终端来进行数据处理运算的技术。没错，你的手机、电脑、路由器、汽车都可以看成是承接边缘计算的重要载体，与云端服务器一起为你服务。

根据边缘计算产业联盟ECC发布的边缘计算参考架构显示，云、边、端将在未来全面实现一体化。边缘传感器所收集的基础数据直接就能在平台上进行处理，并及时反馈给设备端，然后再交付给云端进行更深入的数据分析。

举一个形象的例子，你的自动驾驶汽车正行驶在公路上。突然，公路上窜出一个小孩。你的汽车发现之后自动识别危险，立刻刹车停了下来。由于大多数情况下，这种危险只发生在一两秒内。如果把数据传到云端进行处理，然后再下达对应的指令，那么一两秒钟早就过去了，根本来不及让汽车反应，极有可能造成事故。于是为了满足机器对突发情况的处理能力，在这种情况下，边缘计算的概念就应运而生。

在2019年10月的世界智能网联汽车大会上，华为轮值董事长徐直军推出了一个名称颇为形象的车云协同平台，华为八爪鱼（HUAWEI Octopus）。它除了拥有不断学习的大脑之外，最重要的是在系统边缘有具备感知和思考能力的触角。

章鱼这种生物很奇特，除了有作为神经中枢的大脑之外，它还有独特的腕足脑。主脑集中了40%的神经元，剩下60%的神经元就主要分布在八个腕足脑上。这八个腕足脑能够在大脑不参与思考的状况下指挥对应的触手完成独立工作。而这些腕足脑就相当于是我们边缘计算中的数据处理中心。

这样的类比就为普通人解释了云计算与边缘计算的协同关系。

另外，无人驾驶汽车还需要解决的一个关键问题就是：没网怎么办？没网就意味着没有可靠的云端核心运算能力支撑。而如果边缘计算能力得到普及，那么设备完全可以在断网的状态下独立的进行数据的采集和处理。其实华为这两年发布的麒麟芯片就可以看做是用于边缘计算的处理器。从麒麟980开始，离线的AI数据处理就成为了麒麟芯片的核心能力之一。

即能独立运作，又能与云端协同，这便是边缘计算的意义所在。

(函数属性研究的实际意义讨论)(函数属性 python)

边缘计算如何改变我们的生活？

目前坊间对于边缘计算的探讨大多基于未来5G全面铺开的想象之中，似乎与我们的生活关系并不大。但通过阅读上文我们知道，包括华为的麒麟芯片、苹果的faceID、视频监控系统等等，其实都有边缘计算技术的参与。

2017年，海康威视发布了AI Cloud框架，它是一个基于神经网络的认知计算系统。由云中心、边缘域、边缘节点三部分组成。重点在于海康威视将AI算力注入了边缘，让处在边缘的各类摄像头能够初步对数据进行处理，从而让云端可以更高效的处理核心数据。

当一个地铁摄像头在采集数据的时候，它需要进行初步的人脸识别、步态识别、着装识别等数据的处理，其中还要剔除无关项、干扰项，比如说突然出现在画面中的猫、狗等动物，反复出现在摄像头视线内的地铁工作人员。甚至还包括要对视频数据进行亮度、对比度、色彩方面的处理，从而提取到更多的图像信息。这些都是边缘计算要在本地的完成的工作。

如今的海康威视早已不再是传统意义上的视频监控公司，它凭借着自身在人工智能、IoT领域的研发投入也成为了具备一定科技实力的高科技公司。有些人甚至认为，由于同样对于人工智能、物联网领域的技术研发，海康威视或许在未来将与华为成为直接的竞争对手。

还有上文提到的高通QCS603、QCS605这两款芯片，它们就是应用于视觉平台的SoC，可以安装于安防用的视频摄像头上。兼容基于Tensorflow、Caff、Caff2、安卓Neural Networks API、高通NPE等平台开发的机器学习架构，可以实现每秒高达2.1个TOPS的运算（1TOPS代表每秒钟一万亿次运算，2.1个TOPS就是2.1万亿次）。

然而就算是2.1万亿次的运算能力，恐怕仍无法支撑起未来海量的数据处理。根据IDC的预测，到了2025年，全球将会有416亿台联网设备，产生79.4ZB的数据。1ZB=1024EB、1EB=1024PB、1PB=1024TB、1TB=1024GB。在这样的换算关系之下，2.1万亿次的运算能力就不会显得那么夸张，甚至还有点捉襟见肘。

面对着如此海量的运算数据，它们不可能全部交由核心服务器进行分析处理，因此就凸显了边缘计算对于系统稳固、流畅的重要性。

边缘计算竞赛，中国有市场优势

虽然被视为边缘计算起源的CDN技术，早在1998年就由美国阿卡迈公司发明。但客观的说，凭借应用市场广阔，在边缘计算的赛道上，中国和美国几乎处在同一起跑线上。

确实，美国的亚马逊、英特尔、微软、IBM都非常早的就进入了边缘计算领域，建立了一定的技术壁垒。像是亚马逊推出的AWS Greengrass、微软的Azure IoT Edge，IBM的IBM Cloud等等。

但细心的人应该发现大，上述这些边缘计算工具都是冲着IoT而来。然而，根据IDC的预测，到了2022年，在全球的物联网市场中，中国的占比将达到30.9%，成为全球最大物联网市场。

第一大物联网市场的优势，再叠加制造业中心的地位，中国的边缘计算技术发展完全有实力超越美国。