边缘计算与传统的计算模型的差异？

边缘 AI 有一系列独特的要求。边缘系统分散在广阔的物理距离范围 ， 缺乏数据中心的集中性 。 软件或系统更新要么需要手动执行，要么需要集中管理 ， 以便轻松地在庞大的设备群中部署 、 管理和扩展软件。此外 ，边缘计算基础设施的安全要求不同于云或数据中心计算的模式 。 边缘位置不具备数据中心的物理安全性，因此用于保护应用程序 IP 和传感器数据的端到端安全模型对于成功实现部署至关重要 。 可以类比看做，分布式计算与集中计算，分布式计算（边缘计算）可以满足业务系统实时计算处理的要求， 对于海量或富媒体数据的处理尽量发生在数据产生的端侧，减少网络传输，特别是低延时应用的需求，同时由于分布式，特别是基于地域的分布式，对于管理和安全性的要 求就会特别高，这也是边缘计算一个很大的落地挑战，目前比较好的应对，第一，应用颗粒度尽量清晰，首选的技术就是容器，虽然相对体积还有些大，对比 VM 已经好了很多，结合 OTA 技术的成熟，目前看容器是一个很好的折中方案，第二，云边协同，云边数据交换及协同的能力，是边缘计算重要的一个基础，实现云原生的云边协同管理平台及安全集中管理，这也是为什么英伟达在今年推出 EGX Platform及 Fleet Command 软件参考架构，通过 Fleet Command 软件帮助客户实现云边数据及应用的协同，设备集中的管理与监控等功能 。