构建边缘策略并非一蹴而就，而是需要长期的努力和耐心
拥有更强大的边缘智能，从而可从本地数据中获得洞察，引发了人们巨大的兴趣和期待。微软最近的一项研究显示，79% 的企业目前已经或将要实施某种形式的边缘计算策略。越来越多的公司开始选择边缘策略，将其视为缓解网络负担、利用新兴服务以及降低连接传统数据中心成本的有效途径。事实上，这一策略的普及程度之高，甚至让 Gartner 预测，到 2025 年，超过一半的企业管理数据将在数据中心或云环境之外得到创建和处理1。
边缘计算已成为各类型企业竞相精进的一大趋势，公司纷纷加速制定与自身数字化转型步伐相契合的边缘策略。然而，随着各研究机构和联盟组织根据自身立场和市场定位来定义边缘计算，这一概念逐渐变得模糊不清。炒作之风盛行，远超现实发展，而人们越是试图将边缘计算细分或精确定义，其涵盖范围反而越加广泛。
为边缘策略做好准备
人们对于短期构建边缘策略的种种说法，着重突显出亟需边缘策略来提高运营绩效并控制成本。然而，边缘策略转型更多需要的是长期持续性工作，而不可一蹴而就。如果像围绕 5G 等技术的炒作所想象的那样，只狭隘地关注速度、连接密度和低延迟，而并未解决网络基础设施需要如何发展的问题，就无法为企业希望引入或利用的、以 IT 为重点的平台和即服务业务模式提供支持。
企业需要重新评估数据治理、信息保留和使用政策等关键主题。IDC 预测，到 2025 年，数十亿台物联网设备将产生 79ZB 数据，因此必须提高和简化处理激增数据量的能力和流程。
内存释放边缘数据价值
本地、AI（人工智能）加速、低延迟系统将驱动硬件基础设施的发展，这些系统托管基于边缘技术的平台。但是，通过托管或聚合数据流，边缘计算将依赖边缘设备的内存和存储来生成和返回数据，供 AI、预测性维护和其他类型的应用程序使用。
随着多核 CPU 数量的增加，以及在满足下一代带宽要求的压力下，对内存技术的需求也在增加。这些复杂系统需要更高速的计算能力和自动化决策。
然而，每个核心的内存带宽一直是实现更高速计算解决方案的瓶颈。因此，典型的解决方案是增加更多动态 RAM (DRAM) 来满足计算需求。
对于为 GPU 级计算性能的机器学习推理提供支持的边缘计算，则需要高性能 DRAM 解决方案。不仅要考虑到每秒百万次传输 (MT/s) 的吞吐量，还需要考虑提升内存块的使用效率，从而提高整体有效带宽。例如，美光在 3200 MT/s 的等效数据速率下将其 DDR4 与最新的 DDR5 系统级模拟进行比较，结果表明，有效带宽性能提高了约 1.36 倍。在更高数据速率下，DDR5-4800 的性能将提高约 1.87 倍，几乎是 DDR4-3200 带宽的两倍。
资料来源：DDR5：系统级性能的下一步飞跃 (micron.com)
我们认识到，边缘策略取得成功的基本要素是内存以及存储和 IT 的准备情况，因此，实施的重点不再是速度，而是有条不紊地稳步推进，来确保实现目标。
