边缘计算的广泛应用，助推了园区、能源、工业、交通等行业向智能化、互联化加速转型，越来越多的ISV正在积极引入边缘计算以实现业务的智能化升级，并以此适应全新的业务场景，提升市场竞争力。然而受制于自身能力，这个过程对于大部分ISV而言并不轻松。
 
传统“端-云”架构给ISV带来的挑战

目前大多数ISV仍采用传统“端-云”架构，通过前端数据采集设备进行数据采集，再通过专线将数据汇总至云端大脑中心平台进行统一的存储、结构化分析以及大数据分析，进而支撑ISV各项智能化业务。问题也显而易见，传统方案投入成本高，但效果并不显著，主要表现在：

端侧感知能力不足：数据采集设备普及率低，大量的价值数据无法进行采集分析，甚至被遗漏，事故发生后现场问题追溯及维修耗时长，导致数据采集长时间中止；

端侧设备决策效率低下：行业数据标准的不统一，导致业务决策效率与准确度低，且在面对多种不同类型设备时，端侧数据处理能力不足，云端大脑无法做出及时有效的决策；

传统云端大脑无法进行AI能力的持续迭代升级：面对一些创新的业务和场景，端侧采集的数据上传云端后仍无法进行更智能化的操作，业务智能化受阻；

传统云端链路不可控：云端指令经常无法正确下发到端侧，数据易丢失且面临数据安全风险。
 
四大云边协同技术，解决传统架构难题

面对ISV在业务智能化改造过程中遇到的端侧能力与效率瓶颈，以及ISV在边缘计算开发中面临的开发难、落地周期长、安全保障难等问题，深信服面向各行业ISV伙伴提供硬件通用、开发敏捷、安全中立、云边一体化协同的边缘计算平台和产品，通过算力下行、数据上行的模式，实现数据在源头就近处理，突破了“端-云”传统架构的局限性，消除了ISV伙伴在直接集成第三方成品边缘计算盒子时对于开放性、中立性、安全性的担忧。
 
在中心侧，深信服智能边缘计算平台通过轻量化的管理平台实现中心化的统一管理和能力编排，将边缘侧业务应用、边缘AI推理、IoT设备接入、云边组网、安全防护等能力，以服务化、组件化方式推送至边缘侧设备。
 
在边缘侧，以边缘一体机或者边缘服务器等通用硬件的方式，将应用部署在业务现场边缘，接入工业设备和摄像头等多类型传感器，实现边缘侧应用承载、多维数据接入、边缘智能分析、边缘数据治理、云边网络打通和边缘加固等功能，满足业务现场实时预警和业务处置的需求。
 

 

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。