За последние несколько лет я наблюдаю значительные изменения в дискуссиях об корпоративных периферийных вычислениях (edge).
Раньше основное внимание уделялось инфраструктуре: как разместить вычислительные мощности ближе к данным, уменьшить задержки и поддерживать работу при ограниченном подключении. Эти приоритеты по-прежнему важны. Но по мере того, как ИИ проникает на заводы, в магазины, больницы, логистические сети и на удаленные объекты, дискуссия смещается от того, где происходят вычисления, к тому, где должен действовать интеллект.
Последствия этого выходят далеко за рамки инфраструктуры.
Это меняет то, как предприятия выбирают варианты использования, размещают рабочие нагрузки, интегрируют информационные технологии (IT) и операционные технологии (OT), управляют моделями ИИ и оценивают ценность. Периферийная инфраструктура теперь должна поддерживать принятие решений и действия в рамках распределенных операций, а не просто обрабатывать данные локально.
В нашем недавно опубликованном совместно с Everest Group техническом документе об iEdgeX Infra (ранее Intelligent Edge) рассматривается этот переход. iEdgeX Infra — это наше предложение по проектированию, развертыванию и управлению периферийной инфраструктурой, готовой к работе с ИИ, в распределенных средах, объединяющее инфраструктурные, интеллектуальные, защитные и операционные возможности.
Переход от Edge 1.0 к Edge 2.0
Многие организации уже успешно используют периферийные решения. Компьютерное зрение поддерживает контроль качества. Датчики обеспечивают профилактическое обслуживание. Локальная аналитика отслеживает состояние активов, безопасность и энергопотребление.
Проблема возникает тогда, когда предприятия пытаются масштабироваться.
Пилотный проект может быть успешным, потому что у него есть выделенные ресурсы, определенная среда и заинтересованные спонсоры. Распространение тех же возможностей на заводы, филиалы или полевые объекты выявляет несоответствия в инфраструктуре, качестве данных, интеграции, безопасности и операционном управлении.
Edge 1.0 в значительной степени был ориентирован на инфраструктуру. Он фокусировался на развертываниях для конкретных площадок, локальных вычислениях, автоматизации на основе правил и архитектурах, специфичных для конкретных вариантов использования.
Edge 2.0 ориентирован на интеллект. Он требует распределенного интеллекта на уровнях дальней, ближней и корпоративной периферии, целевого размещения рабочих нагрузок, стандартизированных планов развертывания и комплексного управления.
На мой взгляд, это тот реальный переход, который должны совершить предприятия. Основная задача заключается в проектировании инфраструктуры и операционных стандартов, которые могут последовательно поддерживать ИИ в различных средах, а не в разработке каждого развертывания с нуля.
Целенаправленное размещение интеллекта
Одно из заблуждений, с которым я часто сталкиваюсь, заключается в том, что периферийный ИИ является альтернативой облачному ИИ. На практике предприятиям нужно и то, и другое, при этом рабочие нагрузки размещаются в соответствии с их требованиями к задержке, автономности, месту хранения данных, устойчивости, интеграции и стоимости.
В техническом документе описывается континуум выполнения на трех уровнях.
На дальней периферии (far edge) интеллект работает непосредственно на устройствах и активах или рядом с ними. Это подходит для аналитики датчиков, логических выводов на уровне камер, триггеров безопасности и действий, которые не могут ждать сетевого обмена данными.
На ближней периферии (near edge) интеллект работает на уровне площадки. Этот уровень может агрегировать данные с нескольких устройств, поддерживать локальные рабочие процессы и связывать решения ИИ с операционными системами.
На корпоративной периферии (enterprise edge) организации могут координировать рабочие нагрузки между площадками, применять политики, контролировать парки устройств и связывать периферийные операции с облачными платформами и корпоративными системами.
Размещение рабочих нагрузок должно учитывать требования каждой операционной среды. Филиалу, заводу и удаленному объекту могут потребоваться разные комбинации локальной обработки, общей инфраструктуры и облачного подключения.
Относитесь к периферийному ИИ как к жизненному циклу
Еще один урок корпоративных программ заключается в том, что успех производства зависит от того, что происходит после развертывания.
Организациям необходимо отслеживать производительность логических выводов, деградацию моделей, качество данных, доступность устройств, состояние безопасности, исключения в рабочих процессах и передачу данных между приложениями. Если эти обязанности решаются только после успеха пилотного проекта, масштабирование становится медленным и дорогостоящим.
Жизненный цикл EDGE-S, описанный в техническом документе, предлагает полезный способ структурирования этого пути:
- Создание плана: определение архитектуры, потоков данных, управления, ответственности, метрик и модели ценности
- Развертывание и проверка: тестирование технических характеристик, соответствия рабочим процессам, безопасности, интеграции и внедрения в контролируемых средах
- Управление операциями: эксплуатация моделей, устройств, данных и передача данных между приложениями с четкой подотчетностью
- Повышение производительности: улучшение точности моделей, надежности, рабочих процессов и стоимости обслуживания
- Масштабирование и индустриализация: повторное использование проверенного плана на разных площадках, активах и бизнес-подразделениях
Что мне нравится в этой модели, так это то, что она рассматривает управление, интеграцию и экономику как требования жизненного цикла, а не как действия после развертывания.
Последовательное применение жизненного цикла дает командам основу для сравнения готовности площадок, управления операциями и измерения ценности за пределами развертывания.
Этот подход к жизненному циклу согласуется с более широкой моделью iEdgeX Infra от HCLTech, которая объединяет инфраструктуру, платформенную инженерию, ИИ, автоматизацию, безопасность и управляемые операции, а не рассматривает их как разрозненные возможности.
Не каждый вариант использования должен масштабироваться немедленно
У предприятий часто больше потенциальных вариантов использования периферийных вычислений, чем они могут реально профинансировать или поддержать. Возникает искушение расширить самый заметный пилотный проект. Это не обязательно означает, что он является лучшим кандидатом для масштабирования.
В техническом документе предлагается оценивать возможности по двум измерениям: потенциал влияния на бизнес и готовность к масштабируемому внедрению.
Это создает четыре практических пути:
- Масштабировать сейчас для высокоценных возможностей с достаточной готовностью
- Создавать для масштабирования там, где бизнес-ценность высока, но требуются фундаментальные инвестиции
- Масштабировать выборочно, когда ценность сосредоточена на определенных площадках, активах или рабочих процессах
- Наблюдать и формировать для новых возможностей, которые все еще требуют контролируемых экспериментов
Этот портфельный взгляд важен, потому что готовность — это не только технический вопрос. Она включает в себя зрелость площадки, телеметрию, основы данных и ИИ, кибербезопасность, эксплуатацию моделей, интеграцию IT-OT, владение и повторяемость развертывания.
Вариант использования, готовый на одном предприятии, может не быть готовым на другом. Даже внутри одной организации готовность может различаться в зависимости от площадки.
Конвергенция IT и OT — это операционная реальность
Периферийный ИИ часто находится на пересечении корпоративных приложений и физических операций.
IT-команды привносят возможности облачных вычислений, кибербезопасности, данных, ИИ, наблюдаемости и управления. OT-команды привносят контекст активов, промышленные протоколы, требования безопасности, операционные процедуры и владение рабочими процессами.
Ни одна из сторон не может масштабировать периферийный интеллект независимо.
Локальный логический вывод становится ценным, когда он подключается к операционному рабочему процессу или корпоративной системе. Обнаруженный дефект может потребоваться зарегистрировать в системе исполнения производства или системе качества. Аномалия актива может потребовать запуска рабочего процесса технического обслуживания. Событие безопасности может потребовать локальных действий и отчетности на уровне предприятия.
Масштабирование Edge AI требует общей архитектуры, управления и подотчетности в сферах IT, OT, данных, безопасности, ИИ и операционной деятельности. Наш подход iEdgeX Infra делает упор на конвергенцию IT и OT, унифицированную видимость и безопасное управление жизненным циклом в распределенных средах.
Опирайтесь на 5 основ (5R)
В этом техническом документе данные идеи объединены через пять взаимодополняющих основ: релевантные варианты использования (Relevant use cases), правильная распределенная архитектура (Right distributed architecture), готовая инфраструктура (Ready foundations), надежная оркестрация экосистемы (Robust ecosystem orchestration) и строгая оценка ценности (Rigorous value measurement).
Данная структура важна, поскольку ни одно предприятие не масштабирует Edge AI изолированно. Гиперскейлеры, поставщики инфраструктуры, партнеры по связи, производители чипов и устройств, операционные платформы, провайдеры кибербезопасности и системные интеграторы — все они вносят свой вклад в эту среду.
Цель состоит в том, чтобы заставить эти технологии и партнеров работать вместе, четко распределив ответственность за интеграцию, надежность и постоянную поддержку.
В конечном итоге именно так предприятия переходят от разрозненных пилотных проектов к интеллектуальным решениям в масштабе всей компании.
Периферия (Edge) — это место, где ИИ встречается с физическим бизнесом. Успешная реализация этой связи в различных локациях будет зависеть от продуманного выбора архитектуры, разделения операционных обязанностей и эффективной координации между технологическими партнерами.










