เมื่อคลาวด์ล้นมือมันเป็นการคำนวณที่ล้ำยุคและช่วยเหลือ

เลียบแนวชายฝั่งของรัฐนิวเซาท์เวลส์ (NSW) ของออสเตรเลียมีกองพึมพำช่วยให้น้ำปลอดภัย เมื่อต้นปีที่ผ่านมาโดรนช่วยเจ้าหน้าที่กู้ภัยที่ชายฝั่ง Far North Coast ของรัฐช่วยเหลือวัยรุ่นสองคนที่กำลังดิ้นรนอย่างหนัก

โดรนนั้นขับเคลื่อนโดยปัญญาประดิษฐ์ (AI) และอัลกอริธึมของวิชันซิสเต็มที่วิเคราะห์ฟีดวิดีโอของพวกเขาและไฮไลท์ไอเท็มที่ต้องการความสนใจอย่างต่อเนื่องเช่นพูดฉลามหรือว่ายน้ำจรจัด นี่เป็นเทคโนโลยีชนิดเดียวกับที่ช่วยให้ Google Photos จัดเรียงรูปภาพกล้องรักษาความปลอดภัยในบ้านเพื่อตรวจจับคนแปลกหน้าและตู้เย็นอัจฉริยะเพื่อเตือนคุณเมื่อสิ่งที่เน่าเสียง่ายของคุณใกล้วันหมดอายุ

แต่ในขณะที่บริการและอุปกรณ์เหล่านั้นต้องการการเชื่อมต่อกับระบบคลาวด์สำหรับฟังก์ชั่น AI อย่างต่อเนื่องเจ้าหน้าที่โดรน NSW สามารถทำงานการตรวจจับภาพด้วยหรือไม่มีการเชื่อมต่ออินเทอร์เน็ตที่มั่นคงขอบคุณชิปประมวลผลประสาทที่ช่วยให้พวกเขาทำการคำนวณเชิงลึก .

ชิปเหล่านี้เป็นส่วนหนึ่งของแนวโน้มการเติบโตของนวัตกรรมการประมวลผลขอบที่ช่วยให้อุปกรณ์ที่ขับเคลื่อนด้วยซอฟต์แวร์ของเราปฏิบัติหน้าที่สำคัญอย่างน้อยที่สุดโดยไม่ต้องเชื่อมโยงไปยังคลาวด์อย่างต่อเนื่อง การเพิ่มของการประมวลผลที่ทันสมัยนั้นช่วยแก้ปัญหาทั้งเก่าและใหม่และปูทางสำหรับอุปกรณ์อัจฉริยะรุ่นต่อไป

ปลดปล่อยเมฆออกไป

ในช่วงสองทศวรรษที่ผ่านมาระบบคลาวด์ได้กลายเป็นวิธีการจัดการโฮสต์สำหรับแอปพลิเคชันด้วยเหตุผลที่ดี

“ สิ่งที่ทำให้ระบบคลาวด์น่าดึงดูดมากคือมันมีแนวโน้มที่จะลดค่าใช้จ่ายในการเริ่มต้นกิจกรรมที่คุณต้องการทำ” Rob High, CTO ของ IBM Watson กล่าว "คลาวด์ … ช่วยให้ผู้คนสามารถ … แก้ปัญหาที่แท้จริงได้แล้ววันนี้โดยไม่ต้องเสียค่าใช้จ่ายในการสร้างโครงสร้างพื้นฐาน"

ด้วยการเชื่อมต่ออินเทอร์เน็ตที่แพร่หลายและแอพพลิเคชั่นระบบคลาวด์บริการและแพลตฟอร์มการพัฒนาที่มีอยู่มากมายนับไม่ถ้วนอุปสรรคในการสร้างและปรับใช้แอพพลิเคชั่นจึงลดลงอย่างมาก ทรัพยากรมากมายของผู้ให้บริการคลาวด์เช่น IBM, Google และ Amazon ได้เพิ่มการพัฒนาไม่เพียง แต่การใช้งานทางธุรกิจที่น่าสนใจเท่านั้น แต่ยังมีซอฟต์แวร์ที่ซับซ้อนที่ต้องใช้การคำนวณและการจัดเก็บจำนวนมหาศาล - อัลกอริธึม AI และการเรียนรู้เครื่องจักร แอปพลิเคชัน (เติมความเป็นจริง)

แต่ความก้าวหน้าเหล่านี้ได้สร้างความท้าทายด้วย: แอปพลิเคชันส่วนใหญ่ที่เราใช้ไม่สามารถทำงานได้หากไม่มีการเชื่อมต่อกับระบบคลาวด์ ซึ่งรวมถึงแอพพลิเคชั่นส่วนใหญ่ที่ทำงานบนคอมพิวเตอร์และโทรศัพท์รวมถึงซอฟต์แวร์ในตู้เย็น, อุณหภูมิ, ล็อคประตู, กล้องวงจรปิด, รถยนต์, โดรน, เซ็นเซอร์สภาพอากาศและอื่น ๆ

ด้วยการถือกำเนิดของ Internet of Things (IoT) อุปกรณ์จำนวนมากขึ้นกำลังทำงานซอฟต์แวร์และสร้างข้อมูลและส่วนใหญ่จะต้องมีลิงก์ไปยังคลาวด์เพื่อจัดเก็บและประมวลผลข้อมูลนั้น ปริมาณพลังงานและแบนด์วิดท์ที่จำเป็นในการส่งข้อมูลไปยังคลาวด์นั้นกว้างใหญ่และพื้นที่ที่จำเป็นในการจัดเก็บข้อมูลจะท้าทายทรัพยากรของแม้แต่คลาวด์ที่ทรงพลังที่สุด

“ มีข้อมูลจำนวนมากที่เราเก็บรวบรวมในระบบเหล่านี้ไม่ว่าจะเป็นที่ล้ำสมัยหรือเป็นอุปกรณ์ IoT หรือที่อื่น ๆ ที่คุณเกือบตัดสินใจได้ว่าจะไม่สนใจ” High กล่าว แต่ถ้าการตัดสินใจทุกอย่างต้องเกิดขึ้นในระบบคลาวด์ข้อมูลทั้งหมดนั้นจะต้องถูกส่งผ่านเครือข่ายไปยังเซิร์ฟเวอร์คลาวด์เพื่อทำการขัดและกรอง

ตัวอย่างเช่นเครื่องบินสูงชื่อทันสมัยซึ่งมีเซ็นเซอร์หลายร้อยตัวที่ตรวจสอบเครื่องยนต์ไอพ่นและรวบรวมสถานะและประสิทธิภาพของข้อมูลในระหว่างแต่ละเที่ยวบิน "ข้อมูลนั้นมีความสำคัญมากเพียงใดหากคุณต้องการวิเคราะห์ข้อมูลโดยรวม? น่าจะเป็นเพียงส่วนหนึ่งเท่านั้น" สูงกล่าว "ทำไมไม่เพียงกำจัดมันที่แหล่งกำเนิดเมื่อมันไม่จำเป็นสำหรับสิ่งอื่นที่คุณกำลังทำอยู่"

การทำสิ่งที่สูงแนะนำนอกเมฆเคยเป็นไปไม่ได้ทั้งหมด แต่ความก้าวหน้าในโปรเซสเซอร์พลังงานบนชิป (SoC) ที่ใช้พลังงานต่ำทำให้อุปกรณ์ขอบมีพลังการประมวลผลมากขึ้นและทำให้พวกเขาแบกภาระการคำนวณของพวกเขา ระบบนิเวศเช่นการวิเคราะห์ตามเวลาจริงหรือการกรองข้อมูล

“ มีข้อมูลจำนวนมากในสภาพแวดล้อมของขอบมันทำให้รู้สึกถึงความสามารถในการประมวลผลแบบคลาวด์บางส่วนเข้ากับความสามารถในการคำนวณของอุปกรณ์ขอบ” High กล่าว

ความกังวลเกี่ยวกับความเป็นส่วนตัว

ประโยชน์ของการคำนวณแบบ Edge ไม่ได้ จำกัด อยู่แค่การปลดปล่อยทรัพยากรบนคลาวด์

Remi El-Ouazzane, กลุ่มเทคโนโลยีใหม่และผู้จัดการทั่วไปของ Movidius (Intel) อ้างถึงกล้องรักษาความปลอดภัยเชิงพาณิชย์เป็นอีกตัวอย่างหนึ่งของการประมวลผลที่คมกริบสามารถสร้างความแตกต่างอย่างมาก คุณเห็นกล้องเหล่านี้ที่สัญญาณไฟจราจรในสนามบินและที่ทางเข้าอาคารการบันทึกและการสตรีมวิดีโอคุณภาพสูงทั่วทั้งเครือข่ายตลอดเวลา

"ข้อมูลที่น้อยลงที่คุณต้องดึงกลับไปที่เซิร์ฟเวอร์หรือศูนย์ข้อมูลยิ่งขัดถูและจัดจ้านคุณสามารถทำในพื้นที่ยิ่งต้นทุนการเป็นเจ้าของโดยรวมของคุณจะดีขึ้นจากมุมมองของการจัดเก็บและถ่ายโอน" El-Ouazzane กล่าว

ซึ่งหมายถึงการให้กล้องที่มีอำนาจในการวิเคราะห์ฟีดวิดีโอของตัวเองกำหนดเฟรมหรือความยาวของวิดีโอที่ต้องให้ความสนใจและส่งเฉพาะข้อมูลนั้นไปยังเซิร์ฟเวอร์

เมื่อมีการติดตั้งกล้องเหล่านั้นในบ้านสำนักงานหรือสถานที่ส่วนตัวการเชื่อมต่อกับคลาวด์ก็กลายเป็นปัญหาด้านความปลอดภัยที่อาจเกิดขึ้น แฮกเกอร์และนักวิจัยด้านความปลอดภัยสามารถประนีประนอมการเชื่อมต่อระหว่างอุปกรณ์ภายในบ้านและเซิร์ฟเวอร์คลาวด์เพื่อสกัดกั้นฟีดวิดีโอที่ละเอียดอ่อน การแยกวิเคราะห์ข้อมูลในพื้นที่จะทำให้จำเป็นต้องมีท่อร้อยสายวิดีโอระหว่างบ้านชีวิตส่วนตัวของคุณและผู้ให้บริการ

Movidius ซึ่งซื้อโดย Intel ในปี 2559 เป็นหนึ่งใน startups หลายตัวที่ทำชิปคอมพิวเตอร์สำหรับงาน AI เช่นการรู้จำเสียงพูดและการมองเห็นคอมพิวเตอร์ บริษัท ผลิตหน่วยประมวลผลการมองเห็น (VPUs) - โปรเซสเซอร์กำลังไฟต่ำที่ใช้เครือข่ายประสาทที่วิเคราะห์และ "เข้าใจ" บริบทของภาพดิจิทัลโดยไม่จำเป็นต้องส่งกลับไปยังคลาวด์

Movidius Myriad 2 เป็นตัวประมวลผลการมองเห็นที่ทำงานตลอดเวลาสำหรับสภาพแวดล้อมที่มีข้อ จำกัด ด้านพลังงาน

“ เมื่อกล้องเข้าใจความหมายของสิ่งที่กำลังมองหาอยู่แล้วความสามารถในการกำหนดกฎว่ากล้องสามารถทำอะไรหรือไม่สามารถทำได้กลายเป็นเรื่องง่ายมาก” El-Ouazzane กล่าว "คุณไม่จำเป็นต้องจับภาพห้องนั่งเล่นของคุณในอีก 12 ชั่วโมงข้างหน้าเพื่อที่จะรู้ว่าในเวลาที่กำหนดสุนัขของคุณก็ข้ามพรมหน้าโซฟา"

บริษัท อื่นกำลังสำรวจการใช้ประโยชน์จากการประมวลผลขอบพิเศษ AI เพื่อรักษาความเป็นส่วนตัวของผู้ใช้ ยกตัวอย่างเช่น Apple iPhone X นั้นใช้พลังงานจากชิป A11 Bionic ซึ่งสามารถทำงาน AI ในพื้นที่ทำให้สามารถจดจำใบหน้าที่ซับซ้อนได้โดยไม่ต้องส่ง mugshot ของผู้ใช้ไปยังระบบคลาวด์

การประมวลผล AI เพิ่มเติมที่ขอบสามารถปูทางสำหรับปัญญาประดิษฐ์การกระจายอำนาจที่ผู้ใช้ต้องแบ่งปันข้อมูลน้อยลงกับ บริษัท ขนาดใหญ่ที่จะใช้แอปพลิเคชัน AI

การลดความหน่วงแฝง

ปัญหาอีกประการหนึ่งของผู้ให้บริการคลาวด์ขนาดใหญ่คือศูนย์ข้อมูลของพวกเขาตั้งอยู่นอกเมืองใหญ่โดยวางห่างจากผู้คนและอุปกรณ์ต่าง ๆ ที่ใช้แอพพลิเคชั่น

ในหลายกรณีเวลาแฝงที่เกิดจากข้อมูลที่เดินทางไปและมาจากคลาวด์อาจทำให้ประสิทธิภาพแย่ลงหรือแย่ลงกว่าเดิม นี่อาจเป็นเสียงพึมพำที่พยายามหลีกเลี่ยงการชนหรือลงจอดบนพื้นไม่เรียบหรือรถที่ขับด้วยตนเองพยายามที่จะตัดสินว่ามันวิ่งเข้าสู่สิ่งกีดขวางหรือทางเท้า

การใช้งาน Movidius ที่มีน้ำหนักเบาของเครือข่ายระบบประสาทและการมองเห็นในคอมพิวเตอร์ทำให้ชิปของมันเหมาะสำหรับอุปกรณ์พกพาเช่นโดรนซึ่งฮาร์ดแวร์ที่ใช้พลังงานเช่น GPU ไม่เป็นไปได้ โดรนนั้นเป็นการศึกษาที่น่าสนใจเป็นพิเศษเพราะพวกเขาต้องการการเข้าถึงการคำนวณ AI ที่มีความหน่วงต่ำและต้องทำงานในการตั้งค่าออฟไลน์

การตรวจจับท่าทางเป็นอีกพื้นที่หนึ่งที่การประมวลผลขอบช่วยปรับปรุงประสบการณ์เสียงพึมพำ “ เป้าหมายคือการทำให้โดรนเข้าถึงได้สำหรับหลาย ๆ คนและท่าทางดูเหมือนจะเป็นวิธีที่ดีสำหรับคนที่จะใช้มันเวลาแฝงนั้นสำคัญเมื่อคุณทำเสียงขึ้นจมูกเพื่อทำงานบางอย่าง” El-Ouazzane กล่าว

สำหรับสตาร์ทอัพเช่น Skylift Global ซึ่งให้บริการโดรนเฮฟวี่เวทเพื่อช่วยเหลือผู้ปฏิบัติงานและเจ้าหน้าที่เผชิญเหตุคนแรกการเข้าถึง AI และทรัพยากรที่คำนวณได้นั้นสามารถประหยัดเวลาและชีวิตได้ Amir Emadi ซีอีโอและผู้ก่อตั้ง Skylift กล่าวว่ามันจะช่วยลดค่าใช้จ่ายในการส่งข้อมูลลดความหน่วงของเครือข่ายเพิ่มความปลอดภัยและช่วยแปลงข้อมูลเป็นการตัดสินใจแบบเรียลไทม์

การส่งเสบียงไปยังผู้เผชิญเหตุก่อนจำเป็นต้องมีการตัดสินใจแบบเสี้ยววินาที "ยิ่งเวลาผ่านไปมากขึ้นเช่นในการต่อสู้กับไฟป่าค่าใช้จ่ายก็จะแก้ไขสถานการณ์ได้เมื่อโดรนของเราสามารถตัดสินใจได้แบบเรียลไทม์ที่ขอบแม้ว่าพวกเขาจะสูญเสียการเชื่อมต่อเราจะสามารถประหยัดได้มากขึ้น ชีวิตเงินและเวลา "Emadi กล่าว

โดเมนอื่น ๆ ที่ต้องการการคำนวณแบบใกล้เวลาจริงคือแอปพลิเคชันที่เพิ่มขึ้นและเสมือนจริงและยานยนต์ในกำกับของรัฐ Zachary Smith ซีอีโอของ Packet การเริ่มต้นทำงานในนิวยอร์กกล่าวว่าสิ่งเหล่านี้คือสภาพแวดล้อมการประมวลผลที่อิงกับประสบการณ์ทั้งหมดพวกเขากำลังจะเกิดขึ้นกับผู้คนรอบข้าง

แอปพลิเคชั่น AR หรือ VR ที่ไม่สามารถติดตามการเคลื่อนไหวของผู้ใช้ได้อาจทำให้เกิดอาการวิงเวียนศีรษะหรือป้องกันไม่ให้ประสบการณ์ดื่มด่ำและสมจริง และความหน่วงแฝงจะยิ่งมีปัญหามากขึ้นเมื่อรถยนต์ที่ขับเคลื่อนด้วยตนเองซึ่งต้องพึ่งพาคอมพิวเตอร์วิสัยทัศน์และอัลกอริทึมการเรียนรู้ด้วยเครื่องจักรกลายเป็นกระแสหลัก

"เวลาแฝง 30 มิลลิวินาทีจะไม่สำคัญสำหรับการโหลดหน้าเว็บของคุณ แต่จะสำคัญสำหรับรถที่จะกำหนดความเร็ว 60 ไมล์ต่อชั่วโมงถ้ามันควรเลี้ยวซ้ายหรือขวาเพื่อหลีกเลี่ยงการชนเข้ากับเด็กผู้หญิงตัวเล็ก ๆ " Smith กล่าว

พบกับความท้าทายของ Edge

แม้ว่าจะต้องนำคอมพิวเตอร์เข้ามาใกล้มากขึ้น แต่การใส่ฮาร์ดแวร์พิเศษลงในอุปกรณ์ทุกชิ้นอาจไม่ใช่คำตอบสุดท้ายสมิ ธ ยอมรับ “ ทำไมไม่ใส่คอมพิวเตอร์ทุกเครื่องไว้ในรถฉันคิดว่ามันเกี่ยวข้องกับการวิวัฒนาการว่าคุณสามารถควบคุมวงจรชีวิตของมันได้เร็วแค่ไหน” เขากล่าว

“ เมื่อคุณนำฮาร์ดแวร์เข้ามาในโลกมักจะอยู่ที่นั่นเป็นเวลาห้าถึง 10 ปี” สมิ ธ กล่าวในขณะที่เทคโนโลยีใช้พลังงานเคสที่ใช้ประสบการณ์เหล่านี้จะมีการพัฒนาทุกๆหกถึง 12 เดือน

แม้แต่ บริษัท ขนาดใหญ่ที่มีห่วงโซ่อุปทานที่ซับซ้อนมักจะต้องดิ้นรนกับการปรับปรุงฮาร์ดแวร์ของพวกเขา ในปี 2558 ไครสเลอร์เฟียตต้องเรียกคืนรถยนต์จำนวน 1.4 ล้านคันเพื่อแก้ไขช่องโหว่ด้านความปลอดภัยที่เปิดเผยเมื่อห้าปีก่อน และผู้ผลิตชิปรายใหญ่ Intel ยังคงดิ้นรนเพื่อจัดการกับข้อบกพร่องด้านการออกแบบที่เปิดเผยอุปกรณ์หลายร้อยล้านเครื่องแก่แฮกเกอร์

El-Ouazzane ของ Movidius ยอมรับความท้าทายเหล่านี้ "เรารู้ว่าทุก ๆ ปีเราจะต้องเปลี่ยนผลิตภัณฑ์หลากหลายเพราะทุกปีเราจะนำความฉลาดมาให้มากขึ้นและเราจะขอให้ลูกค้าของเราทำการอัพเกรด" เขากล่าว

เพื่อหลีกเลี่ยงการเรียกคืนอย่างต่อเนื่องและเพื่อให้ลูกค้าใช้ฮาร์ดแวร์ขอบได้ในระยะยาว Movidius จึงบรรจุโปรเซสเซอร์ด้วยทรัพยากรและความสามารถเพิ่มเติม "เราต้องการความสามารถในอีกไม่กี่ปีข้างหน้าเพื่อทำการอัปเกรดผลิตภัณฑ์เหล่านั้น" El-Ouazzane กล่าว

Packet บริษัท ของ Smith ใช้แนวทางที่แตกต่าง: สร้างศูนย์ข้อมูลขนาดเล็กที่สามารถปรับใช้ในเมืองใกล้กับผู้ใช้ บริษัท สามารถให้นักพัฒนามีแหล่งข้อมูลการคำนวณที่มีความหน่วงต่ำมากซึ่งใกล้เคียงกับที่คุณสามารถเข้าถึงผู้ใช้โดยไม่ต้องใส่ฮาร์ดแวร์ที่แท้จริง

“ เราเชื่อว่าจะต้องมีกลไกการส่งมอบโครงสร้างพื้นฐานเพื่อวางฮาร์ดแวร์ที่นักพัฒนาสามารถเข้าถึงได้ในทุกเมืองทั่วโลก” Smith กล่าว บริษัท ดำเนินงานแล้วใน 15 แห่งและวางแผนที่จะขยายไปสู่หลายร้อยเมืองในที่สุด

แต่ความทะเยอทะยานของ Packet นั้นยิ่งกว่าการสร้างสิ่งอำนวยความสะดวกที่มีขนาดเล็กมากซึ่งดำเนินการโดย Google และ Amazon Smith อธิบายว่าการปรับใช้และการปรับปรุงฮาร์ดแวร์พิเศษไม่สามารถทำได้กับระบบคลาวด์สาธารณะ ในรูปแบบธุรกิจของ Packet ผู้ผลิตและนักพัฒนาใช้ฮาร์ดแวร์พิเศษที่ศูนย์ข้อมูลของ บริษัท ซึ่งพวกเขาสามารถอัปเดตและรีเฟรชได้อย่างรวดเร็วเมื่อมีความจำเป็นเกิดขึ้นในขณะเดียวกันก็ทำให้แน่ใจว่าผู้ใช้ของพวกเขาสามารถเข้าถึงทรัพยากรคอมพิวเตอร์ได้อย่างรวดเร็ว

Hatch หนึ่งในลูกค้าของ Packet เป็นสปินออกจาก Rovio บริษัท เกมมือถือที่สร้าง Angry Birds บริษัท รัน Android บนเซิร์ฟเวอร์ประมวลผลขอบเพื่อให้บริการสตรีมมิ่งเกมมัลติเพลเยอร์ที่มีความหน่วงแฝงต่ำสำหรับผู้ใช้ที่มีอุปกรณ์ Android ระดับล่าง

"ต้องการเซิร์ฟเวอร์ ARM ที่มีความเชี่ยวชาญเป็นพิเศษในตลาดเหล่านี้ทั่วโลก" Smith กล่าว “ พวกเขามีการปรับแต่งค่าตามความชอบของเซิร์ฟเวอร์ของเราและเราวางมันในตลาดแปดแห่งทั่วยุโรปและในไม่ช้ามันก็จะเป็น 20 หรือ 25 ตลาดมันให้ความรู้สึกเหมือนอเมซอนแก่พวกเขา แต่พวกเขาจะใช้ฮาร์ดแวร์ที่กำหนดเองในทุกตลาด ."

ในทางทฤษฎีแฮทช์สามารถทำสิ่งเดียวกันในคลาวด์สาธารณะ แต่ค่าใช้จ่ายจะทำให้ธุรกิจไม่มีประสิทธิภาพ “ ความแตกต่างคือระหว่างการใส่ผู้ใช้ 100 คนต่อซีพียูเทียบกับการเพิ่ม 10, 000 คนต่อซีพียู

Smith เชื่อว่ารุ่นนี้จะดึงดูดนักพัฒนารุ่นใหม่ที่จะขับเคลื่อนนวัตกรรมซอฟต์แวร์ต่อไป “ สิ่งที่เรามุ่งเน้นคือการเชื่อมต่อการสร้างซอฟต์แวร์คนที่เติบโตขึ้นมาในคลาวด์ด้วยฮาร์ดแวร์ดั้งเดิม” สมิ ธ กล่าว "เรากำลังพูดถึงผู้ใช้ที่ไม่สามารถเปิด MacBook เพื่อมองเข้าไปข้างในและนั่นคือคนที่จะคิดค้นสิ่งใหม่บนฮาร์ดแวร์ / ซอฟต์แวร์สแต็ค"

คลาวด์จะสลายไปไหม

ด้วยอุปกรณ์ที่ทันสมัยทำให้สามารถคำนวณงานที่ซับซ้อนได้อนาคตของคลาวด์ตกอยู่ในอันตรายหรือไม่?

"สำหรับผมแล้วการประมวลผลแบบ Edge เป็นความก้าวหน้าทางคลาวด์ต่อไปที่เป็นธรรมชาติและเป็นตรรกะ" IBM Watson High กล่าว

ในความเป็นจริงในปี 2559 ไอบีเอ็มได้เปิดตัวชุดเครื่องมือที่ช่วยให้นักพัฒนาสามารถแจกจ่ายงานระหว่างขอบและคลาวด์ได้อย่างราบรื่นโดยเฉพาะในระบบนิเวศ IoT ที่อุปกรณ์ขอบรวบรวมข้อมูลจำนวนมากเกี่ยวกับสภาพแวดล้อมในทันที และในช่วงปลายปี 2559 Amazon Web Services ซึ่งเป็นแพลตฟอร์มการพัฒนาระบบคลาวด์ที่สำคัญอีกแห่งหนึ่งได้ประกาศ Greengrass ซึ่งเป็นบริการที่ช่วยให้นักพัฒนา IoT สามารถใช้งานส่วนต่างๆของแอพพลิเคชั่นคลาวด์บนอุปกรณ์ที่ทันสมัย

สิ่งนี้ไม่ได้หมายความว่าคลาวด์กำลังจะหายไป “ มีหลายสิ่งหลายอย่างที่ทำได้ดีกว่าในระบบคลาวด์แม้ว่างานจำนวนมากจะยังคงอยู่บนขอบ” ไฮกล่าว ซึ่งรวมถึงงานต่าง ๆ เช่นการรวบรวมข้อมูลจากแหล่งต่าง ๆ มากมายและทำการวิเคราะห์ขนาดใหญ่ด้วยชุดข้อมูลขนาดใหญ่

"หากเราจำเป็นต้องสร้างแบบจำลองในอัลกอริธึม AI ที่เราใช้ในอุปกรณ์ขอบเหล่านี้การสร้างและการฝึกอบรมโมเดลเหล่านี้ยังคงเป็นปัญหาที่ต้องใช้คอมพิวเตอร์มากและบ่อยครั้งที่ต้องการความสามารถในการคำนวณที่สูงเกินกว่าอุปกรณ์ขอบเหล่านี้" กล่าวว่า

El-Ouzzane เห็นด้วย "ความสามารถในการฝึกอบรมนางแบบในพื้นที่นั้นมี จำกัด มาก" เขากล่าว "จากมุมมองการเรียนรู้อย่างลึกซึ้งการฝึกอบรมมีเพียงที่เดียวเท่านั้นและอยู่ในระบบคลาวด์ที่ซึ่งคุณได้รับทรัพยากรการคำนวณที่เพียงพอและพื้นที่เก็บข้อมูลเพียงพอที่จะจัดการกับชุดข้อมูลขนาดใหญ่ได้"

El-Ouazzane ยังใช้กรณีที่อุปกรณ์ขอบถูกกำหนดด้วยภารกิจ - และภารกิจที่สำคัญเวลาในขณะที่คลาวด์จะดูแลการอนุมานขั้นสูงเพิ่มเติมที่ไม่ขึ้นอยู่กับความล่าช้า "เราอาศัยอยู่ในโลกแห่งความต่อเนื่องระหว่างคลาวด์และขอบ"

“ มีความสัมพันธ์ทางชีวภาพและการทำงานร่วมกันระหว่างการประมวลผลขอบกับคลาวด์คอมพิวติ้ง” สูงกล่าว