分布式存储：边缘计算应用落地的催化剂( 二 ) _数据存储

智能设备上的 I/O 接口可以轻松连接传统工业系统和边缘网络，网关可以使用 Wi-Fi、以太网与终端进行连接和通信。另外,网关的处理能力支持中间设备对来自所有不同协议(从 ModBus、BACnet 到 Zigbee 等)的数据进行汇总、转换和标准化,再通过网关将数据传送到核心网上。边缘计算可以对连接的终端进行边缘分析，将决策转移到边缘，提供实时操作，还可以帮助管理网络问题,通过决定数据是否移动到边缘来解决网络带宽问题。

2.1
自动驾驶
随着汽车自动驾驶的不断进步，汽车自身所产生的数据将越来越庞大。根据数据显示，假设一辆自动驾驶汽车配备了 GPS、摄像头、雷达和激光雷达等传感器，则一辆自动驾驶汽车每天将产生约 4000GB 待处理的传感器数据。如何使自动驾驶汽车能够实时处理如此海量的数据，并基于大数据分析，形成安全驾驶行为的决策，这些都需要强大的计算能力做支持。考虑到自动驾驶对网络延迟要求很高，传统的云计算面临着延迟明显、连接不稳定等问题，这就需要一个强大的、稳定的、低延迟的车载边缘计算平台。事实上，如果我们打开现阶段展示的自动驾驶测试汽车的后备箱，会明显发现其与传统汽车的不同之处，都会装载一个“ 计算平台”硬件传感器，用于处理输入的信号数据并输出决策。

高等级自动驾驶的本质是AI计算问题，车载边缘计算平台的算力需求至少在20T 以上。从实现功能来看，边缘计算平台在自动驾驶中主要负责解决两个主要的问题：
a. 处理输入的信号，像雷达、激光雷达、摄像头等;
b. 做出决策判断、给出控制信号
英伟达CEO 黄仁勋的观点是“自动驾驶本质是 AI 计算问题，需求的计算力取决于希望实现的功能。”，其认为自动驾驶汽车需要对周边的环境进行判断之后再作出决策，到底要采取什么样的行动，其本质上是一个 AI 计算的问题，车载端必须配备一台 AI 超级处理器，然后基于 AI 算法能够进行认知、推理以及驾驶，要实现L3 级的自动驾驶起码需要20 个 teraflops(每秒万亿次浮点运算)以上的的计算力级别。
【分布式存储：边缘计算应用落地的催化剂】2.2
智能安防
安防产业智能化升级是行业发展的大趋势，后端智能化以及前端智能化是厂商针对智能化升级的两种并存的解决方案。其中，前端智能化的核心功能是为后端提供高质量、初步结构化的图像数据，其主要作用有两点:
1）提升部分智能分析应用的实时性;
2）节省带宽和后端计算资源。
典型的前端智能摄像头内置深度学习算法，一方面可以在前端完成人脸定位和质量判断，有效解决漏抓误报问题，同时拥有较好的图像效果；另一方面可以输出编码后的网络视频，支持输出非压缩、无损无延时的视频流图像，这样可以为大型用户节省服务器成本和带宽，在同等服务器数量和计算能力的情况下能够接入更多线路摄像头。
后端智能化产品的核心功能则是利用计算能力对视频数据进行结构化分析。出于满足实时性处理的需求，以及缓解后台存储的压力，厂商们会越来越将算力前置。以人脸识别为例，传统的人脸识别产品都是采用前端摄像机抓拍图片，后端服务器计算比对的模式，而前端智能的模式下，智能化的摄像机可以不依托服务器而实时进行图像处理、人脸识别，极大提高了识别效率以及后端存储的效率，前端智能化的趋势意味着产业链上下游将发生价值转移。整个安防智能化系统对于后端系统的依赖程度将进一步降低，后端价值将部分转移到前端，前端的价值将大幅提升。