互联网的成功一直与猫咪视频呈正相关，边缘领域也不例外。
为了避免有人指责我犯了“后此谬误”，我得说明一下：说猫咪视频是衡量边缘计算成功与否的重要指标，我只是半开玩笑。如果不熟悉这种逻辑谬误，或许听说过那张声称“全球海盗数量减少导致全球变暖”的著名图表。（Data Science Central）这类谬误也在一定程度上催生了那句更朗朗上口的话：“相关性并不能证明因果关系。”
不过，我还是要指出，只需在互联网上快速搜索一下，就能找到大量文章、博客和视频，介绍如何利用猫咪视频和表情包开展营销、社交媒体推广以及一般的客户互动。
或许，猫咪视频是个例外。
不管怎样，接下来我肯定会用猫咪视频来说明一个边缘用例。
寻找我的猫
首先，您所在的社区很可能安装了大量可视门铃。据估计，截至2020年，16%的美国家庭正在使用可视门铃。
Amazon旗下的Ring占当前在用门铃的40%，其次是Google旗下的Nest，占24%。其他品牌各自占当前在用门铃的比例均低于10%，包括Vivint、Remo、August、SkyBell和SimplySafe。Strategy Analytics估计，目前美国有超过2,000万户家庭使用可视门铃。（Business Wire，2020年2月13日）
假设您的猫跑丢了，猫有时就是这样。您到处都找不到它，今天连美味的零食也失去了吸引力。想象一下，如果能利用附近所有可视门铃的力量来寻找您的猫，会怎么样？
识别包括猫在内的物体，是机器学习的常见用例。研究表明，其识别成功率较高，并广泛应用于生态学、野生动物生物学、动物学、保护生物学和动物行为学等领域。
何不用它来寻找走失的猫呢？
如果能以较低成本自动汇总这些摄像头采集的数据，也就是视频，那么搜索这些视频并识别出猫就会相当简单。此外，如果还能从这类视频中提取位置信息，就能很快得知您的猫可能在哪里。
目前，面临的挑战并不完全是技术层面的，还涉及商业乃至社会层面（隐私）的挑战。
尽管面临这些挑战，但随着过去几年技术不断发展，边缘环境已具备采用此类解决方案的条件。机器学习和AI日趋成熟，加之边缘计算能力不断增强，为以新方式整合端点和边缘计算创造了机会。
端点是解决方案的一部分
端点是解决方案空间的一部分，这一理念也是我们认为必须重新定义边缘计算的依据之一。
云计算最初源于这样一种认识：闲置的计算资源可以得到利用并转化为服务。同样，边缘端点和节点的闲置计算与处理能力也可用于新颖有趣的用途，例如寻找您的猫。
得益于基础设施复兴，这类闲置算力正在增加。优化后的计算能力正以可集成到微型设备中的形态交付。令人振奋的GPU和DPU技术进展已应用于我们的多个内部创新项目，帮助我们探索在边缘交付、分发和优化应用的新方式。
摄像头、手机、门铃等端点设备通常拥有比我的第一台计算机、第一台游戏机，甚至第一部“智能”手机更强的算力。它们可以成为解决方案的一部分，而不只是被动参与。现在只需找到一种方式，将这些设备纳入一个既能充分尊重隐私、保障安全，又能作为更大资源池一部分运行的平台。
那么，我们真的会看到基于可视门铃的实时社区寻猫服务问世吗？也许不会。但这个概念是可行的，因为我们已经在依靠人工查看数百个面向公共区域的安防摄像头所拍摄的视频。机器学习和AI正利用算力，将人工查看视频的流程自动化并扩展到更大规模，以寻找被盗车辆、遭绑架的儿童，当然，甚至还有走失的猫。
试想一下，如果能实时开展这些搜索。
这正是我们认为可以通过我们称为Edge 2.0的平台实现的能力。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。