边缘计算是指计算靠近物或数据源头的网络边缘，以安防摄像头为例，前端摄像头具备计算和储存的功能，而云端只做基于大数据的宏观预测，这样的好处是实时响应，并减少了网络带宽的压力。根据IDC的预测，到2020年，物联网会有500亿感知设备，50%的计算会在边缘设备上，云边结合是未来普遍的模式。
在今年安博会期间，包括海康威视、大华股份、科达、英特尔等都有提到边缘计算的应用并推出了相关产品和方案展示，在讲述边缘计算应用趋势的过程中，大家都有引用一组IDC的调研数据：到2020年全球会有超过500亿的智能设备，超过2121个传感器。到2018年将会有50%的物联网的网络会面临带宽的问题，40%的物联网数据需要在边缘进行存储处理和分析。
处于物联网时代中，随着时间的推移，这类数据还将持续增长，未来会有越来越多的设备和传感器诞生。如此众多的设备和传感器将会产生大量的数据，如果把这些数据传到后端，需要足够的网络带宽的支撑，虽然在通讯技术方面，我们正在从4G走向5G，但是网络带宽的增长速度会越来越赶不上数据增长的速度。
当下深度学习的很多处理运算都发生在后端数据中心或云端进行，因为只有在这样的环境里才能提供计算和存储的支撑。但随着网络带宽、计算延迟以及数据安全等方面的考虑，越来越多的厂商开始意识到未来人工智能系统一定是一个端到端的系统，会有足够多的人工智能的应用被推送到前端，在前端去处理。
将AI赋能边缘是趋势
在过去几年里，前端摄像头进行数据采集，将数据传输到后端服务器或NVR或云端作存储以及智能分析，这是行业的惯性做法，但当前，随着数据量的迅猛递增，以及网络传输带宽所带来的压力和成本问题，让大家开始寻找新的解决方案，边缘计算和边缘存储的应用由此诞生。
随着安防人工智能应用的逐渐深入，将AI赋能到前端也正成为安防这个产业的发展趋势，当然，边缘计算是一方面，监控领域边缘存储也是一个极其重要的环节。
在本届安博会上，我们可以看到包括西部数据、美光在内的存储厂商围绕着边缘存储也有做一些主题演讲和产品展示。
西部数据集团嵌入集成方案产品市场总监张丹即认为：“未来数据肯定会分流处理，这是不可避免的趋势。在生成的海量数据中，有的数据是必须被存储的，被存储到整个数据链的不同节点。有的数据需要被实时计算，还有的需要分时计算、分步计算。所以在每一个应用领域、每一个数据节点，什么样的数据被需求，什么样的存储被应用，作为存储产品和方案提供商，这是需要做深入研究探索的问题，也需要和客户做持续的应用层面的沟通和探讨。”
美光科技嵌入式产品事业部副总裁JeffBader在安博会期间的边缘存储解决方案发布会上对外表示：“边缘存储方案可通过提高视频质量和增强网络可靠性，为客户解决带宽压力系统部署的成本问题将关键的数据存储在前端做智能分析运算，为后端节省存储和运算空间，去做更细致更高效的深度智能视频分析。”
边缘存储的应用优势
存储环节对监控系统的智能化程度有着直接的影响力，尤其在当前深度学习环境下对数据的实时分析要求的提高，更加强调数据高清传输、安全存储的重要性。那么，边缘存储的在智能监控中有哪些应用优势呢?
据厂家介绍，目前市场上大部分应用在电子终端的MicroSD卡的设计主要针对消费类应用，如数码相机和行车记录仪，并不适合常年在相对更加恶劣的环境下进行全天候的连续录制。
安博会上西部数据、美光等针对视频监控边缘存储展示了其相关的工业级microSD存储卡产品，其容量从32GB~64GB不等。在性能表现上，也拥有独特优势，主要表现在下面几个方面：小体积，大容量，满足灵活安装部署需求，保障设备7*24小时不间断运行；更高的环境适应能力，可在更宽泛的温度和环境条件下，提供三年以上的高品质全天候连续视频录制；存储卡具备自我检测技术，能提供卡片的使用情况和预计剩余使用寿命信息；为连续视频录制设计了专用固件，可最大程度降低丢帧和视频丢失几率。
如何解决边缘存储受限的问题？
边缘存储并不意味着将所有产出数据全部输送至前端存储，这样的做法无疑又会重蹈后端服务器或云端集中数据存储计算的困境，那么针对前端计算能力和存储能力有限的情况，该如何处理呢?
针对这个问题，英特尔物联网首席技术官张宇提到网络压缩的做法，这里面涉及到三个技术手段：压缩网络，实现更低比特，在不影响最终准确度的情况下，可以把数值移动，降低了对内存和带宽的压力，提高运行的速度;“剪枝”，剔除特征不明显、无效的数据;量化，把统一类的数据相近，降低对存储的要求。
另外，业内针对边缘计算和边缘存储，还有一种边缘预处理的做法，即构建一种基于边缘计算的视频图像预处理技术，通过对视频图像进行预处理，去除图像冗余信息，使得部分或全部视频分析迁移到边缘处，由此降低对云中心的计算、存储和网络带宽需求。除此之外，为了减少上传的视频数据，基于边缘预处理功能，还可构建基于行为感知的视频监控数据弹性存储机制，根据行为特征决策功能，实时调整视频数据，既减少无效视频的存储，降低存储空间，又最大化存储“事中”证据类视频数据，增强证据信息的可信性，提高视频数据的存储空间利用率。
