物聯網、5G和AR/VR等新興技術的興起，一直在驅動著邊緣網絡計算需求。但全球面臨的新冠肺炎疫情，讓高速網絡的需求以一種前所未有的速度飛速增長——視頻會議和流媒體內容播放的需求量均達到了創紀錄的高度，兩者都需要更高的帶寬和零延遲數據傳輸。通常定義下，五毫秒以內的延遲都可以被認為是“零延遲”，但在當前全面聯網的遠程辦公時代，五毫秒延遲也已經明顯太慢了。

 

網絡從未如此關鍵。無論是電話會議還是流媒體（視頻內容或游戲），服務提供商都無法承受卡頓、分辨率下降和緩存變慢的現象。為了解決這一問題，業務應用和數據必須盡可能靠近數據攝取點，縮短總體往返時間，最終讓應用程序可以實時獲取信息。

 

但在實際執行中卻不那么容易。

 

對于服務提供商來說，邊緣計算有著獨特的挑戰。在邊緣領域涌現出大量的解決方案意味著部署的容器越來越多，增長速度超過了人們可以實現有效管理的速度。雖然可以使用編排工具進行自動部署，但要確保自動化的故障排查和服務保證，可觀測性才是關鍵。

 

畢竟，任何程度的服務中斷都將會招致大量的客戶投訴，因此服務提供商會迫使IT團隊盡可能快速地解決問題。但從IT團隊的角度來講，即使已經擁有了識別問題來源和解決問題所需的信息，但檢查分散于各服務器組件的大量遙測數據依然會是很大的挑戰。IT團隊需要能夠快速地處理這些數據的能力，并根據可見的趨勢獲得有價值的洞察。

 

解決方法的關鍵，就是在于人工智能的能力，更具體地說是機器學習，在其驅動下，編排解決方案可以對各工作負載進行可擴展的預測性操作。通過機器學習與實時網絡監測的結合，可為自動化工具提供所需的洞察，從而以比人工更快更準確的方式對物理和虛擬網絡功能進行預設、實例化并配置。這一過程也意味著IT團隊可以把時間用在具有更高價值的任務關鍵型項目上，為企業創造實際收益。

 

針對應用程序在網絡邊緣的生命周期管理，機器學習也發揮著關鍵作用。在只有幾個集中式數據中心構成的環境中，運營商可以明確應用程序虛擬網絡功能（VNF）的最佳性能條件。但是隨著環境分散成數千個小型場所，虛擬網絡功能就有了更復雜的需求，必須根據實際情況予以滿足。

 

運營商沒有足夠的帶寬可以滿足所有這些需求，因此人工智能的應用再次彰顯出重要性。機器學習算法可以通過一個前期循環測試來運行所有組件，以評估它們在生產場所的表現，讓運營人員判定所測試的應用程序可以在邊緣正常運行。

 

邊緣計算的興起徹底改變了服務提供商對于基礎設施的想法。人們越來越將邊緣看作是優質資產。由服務提供商提供和管理，在人工智能和機器學習的優化下，邊緣計算可被用于數不勝數的業務目的。一旦這一高度沉浸式邊緣計算力得到釋放，我們就會看到應用程序和新的工作負載涌向網絡邊緣，這在五年前還是無法想象的。

 

在未來，不只是服務提供商要利用網絡邊緣。很快，邊緣云環境將會解放更多潛力——開放、安全、云原生，具有各種可擴展的預測性操作——可滿足更豐富的企業、消費者和電信工作負載需求。邊緣云將集成安全能力，有效減少安全事件的破壞半徑。最終，人工智能驅動的預測性操作將會被用于管理運行著數千個邊緣位置的復雜環境，從而有效提升消費者和員工使用體驗。