红帽边缘解决方案，助力边缘实时决策

边缘设备是指在用户或数据源实际所在地理位置或附近执行计算的网络上的节点。它们的身影几乎遍布各行各业，从超市的零售终端（POS）到汽车制造业使用的机械手臂，都可以算作边缘设备。

但是，企业组织在边缘面临着一项重要挑战：他们通常要跟踪大量数据，并将其发回到核心云进行处理，然后再返回设备进行操作。这一环节会增加整个过程的用时和复杂性，拖慢运维速度，并降低数据的时效和相关度。

如今，有越来越多的企业组织：

• 希望实施新的用例，而这需要部署对延迟敏感的应用。
• 必须处理大量数据，而将这些数据发送到公共云的速度很慢。
• 需要具备快速决策的能力，以应对不断变化的竞争环境和客户期望。

面对这些新挑战，企业需要使用实时数据分析和人工智能（AI）的解决方案，以便在边缘更快地做出智能决策。

下面我们来看看一些具体行业的示例，以便更清晰了解实时数据处理和智能决策如何产生显著的影响。

制造业 
在制造业环境中，将 AI 与视觉检测系统相结合可以改进质量控制并更好保障工人的人身安全。AI 模型可以实时检测装配线上的产品安全隐患或缺陷。这可以提高检测的准确性，并在制造流程的早期阶段发现问题。不过，这一过程需要由 AI 模型处理数据，然后由设备迅速采取相应操作。

使用设备来以这种方式识别和理解现实物体的技术称为计算机视觉。采用计算机视觉的企业所需的边缘解决方案，要能在算力各不相同的多种设备上运行，作为一个统一的平台协同工作。

开源技术为什么对于制造业的未来至关重要

零售业 
在零售业领域，边缘计算和 AI 可以提升客户体验以及运维效率。例如，由 AI 驱动的系统可以通过自动监控库存水平并根据需要触发补货来管理库存。边缘设备还可以在本地处理客户数据，直接在销售终端实时提供个性化的购物体验和促销活动。

为了实施这样的系统，企业组织必须通过一个具备 AI 硬件加速能力的统一边缘解决方案来管理来自边缘设备的数据。更重要的是，这些系统必须相互集成，以确保发送的数据准确无误，比如不会误向客户发送针对缺货商品的优惠信息。

医疗卫生 
通过在临床现场进行实时医疗诊断分析，边缘计算正在彻底改变医疗卫生服务的提供方式。例如，配备 AI 功能的边缘设备可以帮助现场解读超声波影像。在受训技术人员可能较为稀缺的地区，这项功能可以加快医疗决策的速度，从而挽救患者生命。此类医疗卫生应用要求边缘解决方案必须保护隐私数据、执行安全标准并保护软件供应链。

尽管这些用例有可能助力企业转型，甚至拯救生命，但在具体的实施过程中，企业组织却常常面临重重障碍。以下列举了一些具体的挑战以及应对方法。

在本地处理海量数据
大多数边缘设备和传感器都会产生大量数据。由于延迟和带宽限制，将数据发回中央数据中心的传统数据处理方法可能行不通。在边缘处理和分析数据无需传输大量数据，从而可以降低延迟，提高效率。

处理更复杂的任务
在边缘做出智能决策通常需要应用在边缘硬件本身处理数据。因此，这些设备需要额外的处理能力，或者可以更高效地利用现有的处理能力。

此外，当在边缘设备中嵌入 AI 时，还需要部署一个能够随着这些设备一起扩展的应用平台。

确保隐私性和安全性
在边缘进行更多的数据处理会给供应链引入新的漏洞。例如，在边缘设备上存储敏感的健康数据会形成一个易受攻击的攻击面。为了保护隐私和敏感数据，您需要通过一个平台在 DevOps 和 AI 流程中实施安全协议。

我们深知，每个企业的边缘要求都各不相同，单靠一种解决方案远远不够。而借助一个融合了多项特性、功能和合作伙伴集成的统一平台，您可以跨边缘、核心和云位置扩展开放混合云环境，从而在任何地方开发和运行任何工作负载。

将 AI 与 IT 集成相结合，能够在混合云环境中实现更高的灵活性和适应性。此外，您还可以在预训练或精选的基础模型中加入您的客户数据，让您的企业组织不受限制地使用各种硬件和软件加速器。红帽提供的边缘 AI 方法可以帮助您：

通过一个应用平台提高灵活性和一致性

我们的解决方案以红帽® OpenShift® 为起点，这是一个单一而全面的应用平台，可将 Kubernetes 功能从核心扩展到云、再扩展到边缘计算环境。对于边缘特有的用例，它可提供从多节点、高可用性集群到小型、单节点拓扑的多种选项。借助这些选项，您的企业可以针对自身边缘环境量身定制灵活、可扩展的部署选项，从而在边缘快速做出决策。

除了能够带来灵活性之外，红帽 OpenShift 还可以满足对一致性的迫切需求，因为开发人员只需编写一次应用即可在任何地方部署，并且从核心到云、再到边缘，运维团队都可视为单一环境进行管理。再者，开发人员还可以使用已经熟悉的工具和流程，从而减轻配置、部署、置备、管理和监控环境的负担，即使是大规模的容器化环境也不在话下。借助红帽 OpenShift，无论您的应用在何处——本地、公共云、工厂、医院，甚至太空轨道上，您都能获得一致的体验。

为驱动 AI 而造

此外，红帽 OpenShift 还具有出色的可扩展性，这十分适合 AI 工作负载，还能让用户充分利用主流的硬件加速器。红帽 OpenShift AI 能提供运维一致的功能，助力团队进行实验、为模型提供服务以及交付创新应用。这有助于提供个性化的客户体验，并支持企业更好地了解和管理工厂车间或现场的资产。如果要处理像计算机视觉这类的 AI 工作负载，这一点尤为重要。

为赋能边缘而设计

偏远边缘的设备受到占用空间小和资源少的限制。使用一个能够以轻量级配置运行的平台非常重要，因为您可以将其部署在专为特定任务定制设计的边缘设备上。您还可以完全使用团队熟悉的一系列工具和流程来进行管理。红帽设备边缘提供了轻量级部署选项和可选的容器编排功能。这可实现在本地处理数据并执行 AI 和 ML 工作负载，从而尽可能降低延迟并支持实时决策。

从可靠的基础平台着手

红帽企业 Linux® 是红帽的核心操作系统，能够为大规模运行 AI 工作负载提供一个稳定、安全的基础。它支持对延迟敏感的应用，因此 AI 模型可以在各种硬件上高效运行，无论是边缘设备还是中央数据中心均适用。

凭借这种灵活性，您可以在整个基础架构中部署 AI 和 ML 应用，同时保持一致的性能和可靠性。因此，您可以更高效地利用数据智能来优化运维、提升客户体验，并为客户提供更好的产品和服务。

将自动的优势化延伸到边缘

对运维进行扩展以连接到边缘可能并不容易，因为这需要经过成千上万的步骤和配置。红帽 Ansible® 自动化平台能够可靠地扩展本地和远程自动化工作负载的容量。Ansible 自动化平台内置健康检查功能，能够确定运行自动化作业的最佳节点，是确保您的 IT 基础设施保持稳定运行的关键组件。

将全球合作伙伴关系和 AI 的无穷潜力扩展到边缘领域

红帽的硬件合作伙伴（如 NVIDIA、Intel 和 AMD 等）提供的解决方案能够在边缘处理硬件密集型的 AI 工作负载，并与我们的开源产品集成。