2023边缘计算五大预测

去年（2022年）这个时候，我写过一篇关于边缘/IoT计算未来发展方向的文章。尝试做出预测，尤其是对技术未来的预测，充其量是一项充满不确定性的事情。美国著名职业棒球经理和球员Casey Stengel曾经警告说“永远不要做出预测，尤其是关于未来的预测。” Stengel用幽默的方式提出了一条常识性建议，即以一定的怀疑态度看待所的预测。我希望今年的预测清单能帮助你评估所见，规划 2023 年解决方案，并随着边缘技术的变化做出相应调整。

来源 | iotforall
作者 | Jim White
Edgenesis编译

1 五大边缘预测

新的一年，边缘计算将呈以下趋势：

（1）边缘游戏时间结束

去年，我建议公司要从研究、概念验证和试点项目过渡到全面部署，客户会寻求更完整的解决方案来满足边缘/物联网需求。有证据表明这我的预测正如火如荼地进行着。重要的是，我发现解决方案提供商无法为公司提供已经在大规模工作的解决方案，对公司造成了困扰。在2023年，边缘元素必须完全集成到他们所选技术中（硬件、传感器、设备、网络、云提供商、数据可视化、分析、安全、管理等）。公司需要易于安装甚至更易于拥有和操作的边缘解决方案。

这对解决方案提供商来说很困难，因为没有边缘/物联网解决方案可以做到这一切（并且不要相信任何说他们能做到的公司）。解决方案提供商需要找到合适的合作伙伴和互补的解决方案来进行集成，并为当今需要生产就绪解决方案和可见投资回报率的公司提供可行方案。即使有很多奇妙的技术成分可用，但创建边缘解决方案依然很困难。而且运营/拥有边缘解决方案更加困难（且成本高昂），这使得情况更加复杂。边缘通常由具备技术技能的人员在操作，而这些技能只是 IT 运营中的一小部分。操作边缘系统的人通常是兼职或有额外的职责。

（2）边缘安全性

我曾经和很多业内人士开玩笑说，当谈到公司需要什么级别的安全时，他们的回答是：“只要不让我们出现在《华尔街日报》的头条新闻上就行了。”公司并不真正知道边缘/IoT安全需要做什么，但他们对边缘潜在威胁非常担忧。边缘威胁正在变得越来越明显，要求变得越来越清晰和具体。很多公司正在关注有关边缘攻击的各种报道（例如 Ring、St. Jude’s、Nortek 和 Target），将知道他们真正想要的什么。

公司不再抱有这样的幻想，即闭环网络是真正封闭的，混淆是足够好的保护，或者没有人会费心去访问这种类型的数据，这是这种边缘预测的核心。谁会想到Elon Musk的飞行计划会引起别人的兴趣呢？如今，公司希望知道如何保护从传感器到云的边缘解决方案的所有部分，他们还想知道如何检测到某些不良或意外情况。我见过很多边缘/物联网安全能力，其中大部分源于企业技术，有助于保护云原生环境。其中大多数不易与现有OT技术良好地集成。在边缘运行时，经常处于断开状态、在资源限制下运行，并且必须处理OT协议和传感器。

一些安全初创公司开始认识到这一点，但这些供应商需要与更多的边缘/IoT解决方案提供商合作，并更好地集成到边缘平台中。安全供应商将开始提供真正了解边缘漏洞并提供抑制OT攻击解决方案的解决方案。

（3）超大规模的再创造与颠覆

云服务提供商和超大规模云计算公司一直试图将所有重要的边缘数据吸引到云端，以便进行人工智能/机器学习和其他分析。问题在于，将所有这些边缘数据移动到云端所需的庞大数据传输、存储和计算成本非常昂贵。很多公司开始认识到：尝试筛选出所有有商业价值的数据并不总是有收益率的。

Google IoT Core今年已经停产。我并不认为更多公司会走这条路，我要预测的是：云服务提供商和超大规模云计算公司将重新发明自己的边缘技术，并想方设法为构建边缘/IoT解决方案的企业提供更多价值。“让我们帮你将所有的数据移到我们的云端”这样的宣传不再奏效。组织正在帮助这个行业理解和构建解决方案，使公司可以将数据留在边缘，并提供实时查询机制，从数据的起点获取数据。数据在原始点以外没有运输和中央存储成本。

在边缘和IoT领域表现最佳的超大规模云计算公司将与最了解边缘和IoT的组织进行合作。这是因为云本地技术不等同于边缘本地技术。公司需要更多的帮助来部署、编排、升级、管理和监控边缘，需要更多的帮助来确定要收集和返回到企业或云端的数据，如果必须移动数据，就将废料和噪声数据留在边缘。

公司需要更好的边缘可视化和操作控制。超大规模云计算公司知道如何做到规模化，他们只需要规模化地处理边缘，并以增加价值和降低成本的方式进行处理。他们可以并且终将会想出办法，但需要来自了解边缘的组织、人员和项目的帮助。在未来，可能会有许多新产品的发布、新合作伙伴关系的建立，甚至可能会有一些收购，因为超大规模云计算公司终于开始涉足边缘本地技术了。

（4）不是所有的东西都需要AI / ML

不知是否还记得当时所有人都想成为最新的AI / ML初创公司的一部分？AI / ML工程师和数据科学家年薪高达40万美元，AI/ML公司广告将边缘数据转化为利润，被以数倍的估值收购。这些不是历史，而且仍在发生。AI / ML正在彻底改变许多行业和领域，但它们可能被过度应用。有很多边缘处理正在进行中，其中一些甚至可能需要复杂的计算和算法，但不是所有东西都需要昂贵的ML模型和AI引擎。简单的规则引擎和脚本引擎可以在边缘提供价值，以此来节省运营成本，提高安全性，甚至创造新的收入。

边缘解决方案并不总是需要高级/复杂的技能集才能生产，也不需要所有类型的计算能力才能运行。例如，来自水耕床的传感器数据有很多（湿度，土壤温度，pH值，硝酸盐和营养水平等）。都想用最少的资源和最少的作物损失种植最多的作物，可持续性科学家会找到正确的公式，并使用一些简单的边缘处理与执行控制来管理必要的农业生态系统。

可以肯定的是，在边缘有一些非常适合AI/ML的边缘问题。例如，在边缘进行对象检测和分类的视觉推理可能是一个有价值的补充。当与其他传感器读数结合以进行确证时，情况尤其如此。

但并不总是需要这种复杂性。公司正在学习保持简单，通过测量一些边缘值并在超出范围时自动启动，仍然可以找到很多钱。帮助保持简单并在边缘找到容易实现成果的边缘解决方案提供商可能会成为希望提高公司底线的投资者和公司的新宠。

（5）Kubernetes仍不是全部答案

要认识到每个人的边缘都是不同的。Kubernetes 可用于在某些边缘部署、编排和管理容器化工作负载。然而，Kubernetes 并没有解决边缘管理的所有问题，它仍在资源受限的环境或不支持容器化工作负载的环境中苦苦挣扎。

CNCF正在进行更多的努力，以将云原生扩展到边缘。其中许多尝试都集中在缩小 Kubernetes 的代价上。MicroK8s、KubeEdge 和 K3s 都是走的这条路。但我发现 CNCF 社区已认识到轻量级 Kubernetes 是不够的。

2 边缘的未来

综上，我认为2023年将出现新的方法和架构，以帮助解决边缘管理问题。虽然这可能仍然是初步的尝试，但请保持关注。过去的成功或失败可能不会成为2023年的风向标，但我希望至少我的预测能为你提供些许思考，以制定自己的2023年计划。请记住，计划就是一切，这些边缘预测将帮助你开始。