智能的物聯(lián)網(wǎng)系統(tǒng)暴露了云計(jì)算中的潛在問題。智能和自動化的增加，無可避免地導(dǎo)致以強(qiáng)調(diào)性能表現(xiàn)及安全性的應(yīng)用程序出現(xiàn)了無法預(yù)料的延遲。

現(xiàn)今，兩大主要挑戰(zhàn)威脅著數(shù)量倍增的連網(wǎng)裝置：一是用于遠(yuǎn)程通訊的邊緣裝置之能力，二是離網(wǎng)物聯(lián)網(wǎng)應(yīng)用程序的電池壽命。

原始數(shù)據(jù)的傳輸對任何裝置來說都是十分耗電的。傳統(tǒng)的蜂巢式廣域網(wǎng)（WAN）消耗大量功率，因此不適用于電池供電的物聯(lián)網(wǎng)裝置。物聯(lián)網(wǎng)應(yīng)用LoRaWAN（遠(yuǎn)距離，廣域網(wǎng)）是物聯(lián)網(wǎng)應(yīng)用中的首選通訊協(xié)議之一，能夠處理人工智能如何透過邊緣應(yīng)用來改變物聯(lián)網(wǎng)架構(gòu)的問題。

為什么要使用邊緣的LoRaWAN及人工智能？隨著智能裝置的激增，核心網(wǎng)域和終端裝置都面臨著通訊的挑戰(zhàn)，例如壅塞、安全性、服務(wù)延遲、數(shù)據(jù)隱私和缺乏互操作性。

對于網(wǎng)域，大部分的挑戰(zhàn)來自過度依賴云計(jì)算。將數(shù)據(jù)發(fā)送到云時(shí)，會產(chǎn)生更大量的能源消耗、帶寬、存儲和延遲，導(dǎo)致更高的成本。而霧計(jì)算或邊緣計(jì)算可以降低成本并提高效率。

當(dāng)使用無線技術(shù)進(jìn)行數(shù)據(jù)傳輸時(shí)，終端裝置中的通訊障礙就會出現(xiàn)。在物聯(lián)網(wǎng)中，藍(lán)牙和其他無線標(biāo)準(zhǔn)技術(shù)的優(yōu)勢是低功耗，但有限的覆蓋范圍卻是一大障礙，特別是對于智慧城市服務(wù)而言。在這種情況下，低功率廣域網(wǎng)（LPWAN）成為了遠(yuǎn)程蜂巢式和短程操作技術(shù)間的可靠的替代方案。

LPWAN是在Sub-GHz免照無線電頻段上運(yùn)作的低功耗及覆蓋范圍更廣的通訊物理層。LPWAN是對鏈路和網(wǎng)絡(luò)層有效的標(biāo)準(zhǔn)協(xié)議，提供可變的數(shù)據(jù)速率，增加了以吞吐量交換為鏈路穩(wěn)健性、覆蓋范圍或能量消耗的可能。而組織單位和個(gè)人都可以部署LPWAN網(wǎng)絡(luò)。

LPWAN和邊緣形式霧計(jì)算架構(gòu)在智能和數(shù)據(jù)處理方面，邊緣計(jì)算和霧計(jì)算看起來很相似。但是，它們之間的主要差別在于計(jì)算能力和智能的位置。

霧計(jì)算的環(huán)境將情報(bào)放在區(qū)域網(wǎng)（LAN）上，將數(shù)據(jù)從端點(diǎn)傳輸?shù)骄W(wǎng)關(guān)。而另一方面，邊緣計(jì)算將處理能力和智能放在嵌入式自動化控制器等裝置中。

這些裝置可以運(yùn)行算法，產(chǎn)出邊緣智能—AI和邊緣計(jì)算的產(chǎn)物。

以LPWAN進(jìn)行邊緣計(jì)算的好處

減少數(shù)據(jù)傳輸：邊緣計(jì)算減少了傳輸?shù)臄?shù)據(jù)量和云端存儲。另一個(gè)優(yōu)勢是將計(jì)算能力放置網(wǎng)絡(luò)邊緣，可使延遲和成本極小化，同時(shí)減輕對帶寬的需求。

減少延遲：邊緣計(jì)算可將數(shù)據(jù)傳輸、處理，以及依照從過程中獲得見解所采取之行動的時(shí)間間隔最小化。另外，以較低的成本增加了分析和事件處理的速度，信噪比也降低了。由于用戶鄰近性降低了核心網(wǎng)絡(luò)和連接裝置的帶寬及功耗，因此邊緣計(jì)算透過實(shí)時(shí)服務(wù)提供了低延遲能力，而這是智能城市應(yīng)用程序所必備的；以及車對車通訊和其他所需的延遲低于數(shù)十毫秒的應(yīng)用程序。這比主流的云服務(wù)所能提供的延遲要短。

改善安全性選項(xiàng)：大多數(shù)的用戶將數(shù)據(jù)安全性和隱私視為首要考慮，主要是因?yàn)檫@些因素對智能城市的應(yīng)用程序構(gòu)成了安全威脅。安全性必須分三層：用戶隱私、數(shù)據(jù)安全性和網(wǎng)絡(luò)連接。邊緣計(jì)算解決了物聯(lián)網(wǎng)安全性的挑戰(zhàn)，例如憑證升級和多個(gè)實(shí)體裝置上的安全檢查。

擴(kuò)展的應(yīng)用程序：LPWAN和邊緣裝置在衛(wèi)生保健監(jiān)控中無所不在，例如用于偵測患者跌倒。在過濾數(shù)據(jù)來進(jìn)行實(shí)時(shí)處理的情況下，邊緣裝置可以提高準(zhǔn)確度和適應(yīng)能力。在傳統(tǒng)系統(tǒng)中，在云中傳輸原始數(shù)據(jù)序列，因此警報(bào)的延遲增加了。邊緣系統(tǒng)透過將繁重的計(jì)算負(fù)載從傳感器節(jié)點(diǎn)調(diào)換到邊緣網(wǎng)關(guān)，來減少傳感器節(jié)點(diǎn)上的計(jì)算工作。

如何在應(yīng)用程序中利用邊緣人工智能雖然邊緣裝置的模型構(gòu)建和訓(xùn)練階段會消耗大量資源，并增加額外的復(fù)雜性，但市場上有提供客制和降低復(fù)雜性的高質(zhì)量選擇。

安富利的SmartEdge Agile裝置可以簡化并大幅降低這種復(fù)雜性。SmartEdge Agile是搭載各種類型傳感器的邊緣計(jì)算裝置。Brainium用于構(gòu)建和訓(xùn)練模型。該裝置具有LPWAN連接以建立霧架構(gòu)，并使用網(wǎng)關(guān)連接到Brainium。安富利的SmartEdge工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)可安全且無縫連接Brainium和云。