过去十年来，大数据的发展经历了翻天覆地的变化。机器学习和人工智能的进步为流程优化提供了很多新的见解和机遇。

对于制造业来说，除了这些变化以外，还经历了计算基础设施的转变。越来越多的计算从数据中心转移到边缘，同时数据仅根据需要从云端流入和流出。

从边缘到云的连续统一

最近，我们与 Hewlett Packard Enterprise 边缘计算产品总监 Gerald Kleyn 共同探讨了这些变化。HPE 2016 年增设了融合边缘系统业务单元，以应对正在数据中心中使用 HPE 技术但想要更小外形的相同硬件能够用在网络边缘上的企业客户。

根据 Kleyn 所说的内容，了解此需求的关键是要了解客户需要一个从边缘到云的连续统一系统来帮助他们处理数据。他说道：“在边缘执行的处理或分析量与在云端进行的处理和分析存在连续统一的关系”。

随着边缘计算的逐渐成熟，这一灵活性将变得更加重要。“我们相信这会随着时间不断变化”。Kleyn 说道，“这方面不需要设置规则。我们正在构建的平台让客户能够根据工作负载和使用案例恰当地建立网络连接。”

OT 与 IT 正在融合

Kleyn 说道，客户真正想要做的是在边缘运行其类似的数据中心应用 - 而不是在设备上运行这些应用程序的定制或缩减版本。“我们已经确定了几条坚持的关键原则，其中一条是我们可以在边缘运行数据中心的软件而无需做出修改”，他解释道，“它不是完全不同的版本，也不是缩小或缩短的版本 - 也就是说，该软件已经可以获得 IT 部门的支持。”

他还说道，OT（操作技术）和 IT（信息技术）正在通过几种方式融合：

• 组织融合，IT 和 OT 员工更加密切地合作
• 软件融合，包括边缘的虚拟化和整合
• OT 和 IT 之间的硬件融合

Kleyn 接着说道：“有很多基于应用程序的系统相对封闭、一成不变，这些系统的数据输出形式或方式不正确，无法用于现代分析”。“我们完成的工作实际上是将 OT 和 IT 硬件融合到了我们的一些系统中，从而通过根据应用程序扩展的行业标准生态系统为客户创造利益。”

如何在融合的未来更加高效地处理工作负载？

随着这种融合的发生，该系统提供了通过新方式处理各种工作负载的可能性，这就为工厂的智能运营带来了重大变化。

考虑各种物联网设备（从传感器到摄像头再到机器人）生成的海量数据。基于云的分析已经帮助制造商从此类数据中获得有价值的见解。但是，将该分析移到边缘将允许制造商访问更加海量的数据并立即根据该见解采取行动。

Kleyn 引用了一个示例：HPE 在总部位于加利福尼亚州库比蒂诺的 Seagate Technology 制造工厂部署此类解决方案时进行的工作。Seagate 使用基于 AI 的模型执行分析，该模型是 Seagate 利用传统的高性能计算 (HPC) 系统在其数据中心中开发出来的模型。

这些分析解析硅晶的扫描电子显微镜图像来寻找缺陷，从而提高 Seagate 产品质量并更快速、更早地检测和纠正异常。

能够在边缘进行此项工作带来了巨大变化。在边缘进行实时分析意味着当数据中出现异常情况时，Seagate 能够在操作异常导致出现产品缺陷之前采取预防措施。这就可以帮助缩短计划外的维护宕机时间并节省公司成本。

Kleyn 说：“使用 AI 需要具备高度的计算能力以在复杂的各种数据间进行推算，如视频数据 - 以 Seagate 举例来说，就是扫描的电子显微镜图像数据”。“这些数据需要占据大量的计算能力、存储空间和带宽，也就是通常需要发送回数据中心的数据。在边缘执行这些分析然后仅向数据中心返回分析结果，或仅发送感兴趣的视频或图像剪辑，自然会为公司节省大量时间。”

向边缘交付更强大的计算能力

Kleyn 表示，HPE 边缘计算工作的核心部分是与英特尔^® 达成的技术合作伙伴关系，这非常有助于公司满足制造业客户不断增长的各种需求。他说道，两家公司正在性能领域“不断探索”，同时也在从体积、重量和功耗方面优化 HPE 的边缘计算设备。

他总结道：“英特尔在特性、性能和微型化方面进行的所有工作都在帮助我们从越来越小的节点中挖掘出更大价值 - 这对于我们来说非常重要”。“而我们的用户直接享受到了节省出来的时间和成本。”

仅仅是开始

边缘计算在各种制造使用案例中都有着广泛的适用性，这里提出的示例只是 HPE、英特尔及其客户努力实现的工作中很少的一部分。相关工作的更多详细信息，请访问解决方案目录。