A computação no edge e os donuts têm uma característica em comum: quanto mais próximos do consumidor, melhor. Você pode até levar alguns minutos para chegar à confeitaria da esquina, mas a satisfação é imediata quando compra os donuts.
O mesmo vale para a computação no edge. Se os dados forem enviados para uma aplicação de AI no cloud, as respostas demorarão. Porém, processar esses dados em um dispositivo no edge seria o mesmo que pegar aqueles deliciosos donuts com suas próprias mãos.
O conceito de “computação no edge”, um termo que já existe há décadas, refere-se à coleta e ao processamento de dados no local mais próximo possível da fonte dos dados por meio de processadores com software de AI. Como na computação no edge os dados são processados no local, ou seja, no “edge” de uma rede, e não no cloud ou em um data center, as necessidades de latência e largura de banda diminuem, possibilitando um feedback em tempo real e a tomada de decisões por máquinas autônomas.
Geralmente, os processadores são sensores inteligentes integrados a dispositivos da Internet das Coisas (IoT — Internet of Things). Esses sensores podem estar instalados em máquinas pesadas de uma fábrica, processando dados do equipamento e avisando aos supervisores quando ocorre alguma falha que pode causar um acidente.
As empresas geralmente instalam servidores edge em locais muito próximos aos sensores, normalmente em uma sala ou um armário dedicado da loja, do hospital ou do armazém.
O feedback instantâneo e contínuo que a computação no edge proporciona é fundamental principalmente para aplicações como automóveis autônomos, em que uma vantagem de até milissegundos no processamento de dados e no tempo de resposta pode ser essencial para evitar acidentes. O feedback instantâneo no edge também é importante para hospitais, pois os médicos precisam de dados precisos e em tempo real para tratar os pacientes.
A computação no edge está em todo lugar e é usada em tudo: desde lojas, para um self-checkout inteligente, até depósitos, nos quais ela auxilia na logística da cadeia de suprimentos e nas inspeções de qualidade.
Qual é a Necessidade da Computação no Edge?
A expectativa é de que, até 2025, 150 bilhões de sensores de máquina e dispositivos IoT transmitirão dados contínuos que precisarão ser processados. Esses sensores estão sempre ligados, realizando o monitoramento, coletando dados, interpretando o que estão detectando e tomando ações.
Na computação no edge, os dados são processados na fonte, o que reduz a latência, ou seja, a necessidade de esperar os dados serem enviados de uma rede para o cloud ou data center central para que sejam processados novamente. Assim, as empresas têm acesso a informações em tempo real ou mais rapidamente.
O aumento do volume de dados usados nessas cargas de trabalho que exigem muita computação, além de alta eficiência e velocidade na coleta e na análise dos dados, demanda computação de alto desempenho no edge para implementar AI.
Além disso, tecnologias emergentes como as redes 5G, que devem ser 10 vezes mais rápidas que as redes 4G, só aumentam as possibilidades de serviços com AI, exigindo ainda mais a aceleração da computação no edge.
Como Funciona a Computação no Edge?
Na computação no edge, os dados são processados no local mais próximo possível da fonte ou do usuário final. Assim, os dados, as aplicações e a potência computacional não se limitam a uma rede ou um data center centralizado.
Data centers são servidores centralizados geralmente instalados em imóveis mais acessíveis onde a energia também é barata. Mesmo nas redes de fibra óptica mais rápidas, a transmissão de dados não consegue ser mais veloz que a velocidade da luz. Essa distância física entre os dados e data centers gera latência. Na computação no edge, a computação é realizada no edge ou em um local mais próximo da fonte dos dados, o que reduz a latência.
É possível executar a computação no edge em vários nós de rede e literalmente eliminar a distância entre o local de coleta e processamento dos dados para reduzir gargalos e acelerar as aplicações.
Na periferia das redes, há bilhões de dispositivos IoT e móveis sendo executados em processadores pequenos e integrados, que são ideais para aplicações básicas, como a de vídeo.
Isso não seria um problema se os setores e as cidades ao redor do mundo não estivessem aplicando AI a dados de dispositivos IoT atualmente, mas eles estão.
Com o uso da AI no edge, os dispositivos não precisam mais estar conectados à internet o tempo todo. Em vez disso, eles podem processar dados e tomar decisões de modo independente sem uma conexão.
Uma aplicação de AI no edge no microprocessador de um robô, por exemplo, pode processar dados do robô em tempo real e armazenar os resultados no próprio dispositivo. Após certo tempo, o robô pode se conectar à internet e enviar dados específicos para o cloud para armazená-los ou processá-los novamente. Se o robô não estivesse no edge, ele ficaria transmitindo dados para o cloud continuamente (gastando sua bateria), levaria mais tempo para processar os dados e exigiria uma conexão constante à internet.
Quais São as Vantagens da Computação no Edge?
Com a adoção da computação no edge, as empresas têm outras oportunidades de coletar informações de grandes conjuntos de dados. As quatro maiores vantagens da computação no edge são:
- Menor latência: em vez de coletar e fazer upload dos dados em um data center ou cloud centralizado, realizar a computação de AI no local onde os dados são gerados reduz a latência.
- Mais segurança: como na computação no edge os dados podem ser processados no local, a necessidade de enviar dados confidenciais para o cloud público diminui.
- Menos despesas: criar um volume de dados cada vez maior aumenta os custos da largura de banda e do armazenamento de dados. Com a computação no edge e o processamento de dados no local, é preciso enviar menos dados para o cloud.
- Maior alcance: a computação em cloud tradicional exige acesso à internet. Porém, na computação no edge, os dados são processados sem acesso à internet, ampliando o alcance para locais remotos que antes eram inacessíveis.
Diferença entre Computação no Edge, Computação em Cloud e Computação em Névoa
Esses métodos de computação geralmente são mencionados e usados juntos quando se quer uma potência computacional maior. Porém, eles são bem diferentes:
- A computação em cloud usa uma rede de servidores remotos hospedados na internet.
- A computação no edge usa o edge de um dispositivo ou servidor.
- A computação em névoa usa a rede local (LAN – Local Area Network) de uma arquitetura de rede.
O método de processamento mais usado nos últimos anos é a computação em nuvem, devido a sua potência, elasticidade e capacidade de armazenar e processar dados sem hardware físico.
Porém, a computação em cloud é limitada pela velocidade da luz e pela largura de banda da internet. Mais empresas estão implementando AI em seus produtos e, com isso, a demanda por dados mais rápidos e mais confiáveis está aumentando, exigindo mais da largura de banda das redes da computação em cloud.
Para diminuir essa carga, a computação no edge foi incorporada a vários dispositivos IoT para processar dados e dar respostas com mais rapidez.
A computação em névoa é parecida com a computação no edge. A diferença é que, na computação em névoa, os dados são processados na rede local de um dispositivo, e não no edge da rede, como na computação no edge. A vantagem desse método é sua capacidade de processar mais dados que a computação no edge, mas ele depende da conexão física a dispositivos na LAN.
Computação no Edge: IoT e 5G
A computação no edge desempenha um papel fundamental nos recentes avanços em tecnologias como a rede 5G e aplicações da IoT.
Edge e IoT
Com o grande volume de dados dos dispositivos IoT, os fabricantes viram as vantagens financeiras e operacionais do processamento de dados no edge. Com a computação no edge, os dispositivos e sensores IoT podem funcionar com menos latência e dependem menos do cloud para armazenar e processar dados valiosos.
A plataforma NVIDIA Metropolis para análise de vídeo inteligente, por exemplo, permite analisar, em tempo real, dados de trilhões de sensores e dispositivos IoT. Assim, é possível ter acesso a informações úteis para aplicações como: serviços públicos para detecção de irregularidades e resposta a desastres; logística para previsão de estoque e fiscalização de trânsito para detecção de incidentes e otimização de semáforos.
Agir a tempo é fundamental para responder a desastres com eficácia. Com a implementação de uma plataforma no edge como a NVIDIA Metropolis, as equipes de resgate têm acesso instantâneo e contínuo a dados sobre a localização das pessoas, dos veículos e do equipamento, o que ajuda a garantir a segurança dos cidadãos. Além disso, com a implementação da computação no edge, que coleta dados de sensores e dispositivos IoT, e não por redes celulares ou pela internet, é possível elaborar um plano de resposta a desastres mais confiável e eficiente e, assim, salvar vidas.
Edge e 5G
O volume de dados gerados no edge está aumentando consideravelmente e, com a criação da infraestrutura 5G, estão surgindo novos tipos de aplicações.
Embora seja possível extrair informações de dados em massa com AI, essas aplicações dependem da largura de banda rápida, da baixa latência e da confiabilidade do 5G para oferecer acesso a esses dados.
Com o lançamento do 5G, estão surgindo vários serviços que executam cargas de trabalho de AI no edge e possibilitam a análise em tempo real. Alguns deles são o controle remoto de equipamentos e máquinas com câmeras e outros sensores e o uso de câmeras para aumentar a segurança operacional e do local, tudo isso com bilhões de dispositivos repletos de mídias que, juntos, consomem e produzem zettabytes de dados.
A computação no edge é fundamental para essas inovações tecnológicas e é a única forma de atender aos requisitos de latência necessários para o funcionamento do 5G. Ela também ajuda a virtualizar nós multilocatário no edge, como o 5G, com segurança e eficiência.
4 Exemplos de Computação no Edge
A computação no edge não só reduz a latência, mas também oferece aos usuários finais uma experiência melhor e mais consistente. Veja alguns exemplos de aplicações no edge em vários setores.
Computação no Edge para Varejistas
Os maiores varejistas do mundo estão recorrendo à AI no edge para aderir ao varejo inteligente. A análise de vídeo inteligente, o controle de estoque com tecnologia fornecida por AI e a análise de clientes e lojas proporcionam uma margem maior e a oportunidade de oferecer uma experiência melhor aos clientes.
Com a plataforma NVIDIA EGX, por exemplo, o Walmart consegue computar, em tempo real, mais de 1,6 TB de dados gerados por segundo. A empresa pode usar AI para realizar várias tarefas, como avisar automaticamente aos funcionários que é preciso reabastecer as prateleiras, recolher os carrinhos de compras ou abrir outros caixas.
Centenas de câmeras conectadas podem melhorar modelos de reconhecimento de imagens com AI processados no local pela NVIDIA EGX. Por sua vez, redes menores de transmissão de vídeo em locais remotos podem ser executadas no Jetson Nano, conectando-se à EGX e à AI da NVIDIA no cloud.
Corredores de lojas podem ser monitorados por robôs totalmente autônomos e eficientes com AI conversacional que contam com a tecnologia do Jetson AGX Xavier, além de serem executados no NVIDIA Isaac para navegação SLAM (SLAM – Simultaneous Localization and Mapping). Todos esses usos são compatíveis com a EGX ou a AI da NVIDIA no cloud.
Seja qual for a aplicação, as GPUs NVIDIA T4 e Jetson no edge são excelentes soluções para aplicações de análise de vídeo inteligente e machine learning.
Com a AI no edge, as empresas de telecomunicações podem desenvolver serviços de ponta para oferecer a seus clientes, garantindo novas fontes de receita.
Elas podem usar a NVIDIA EGX para analisar transmissões de câmeras de vídeo com modelos de reconhecimento de imagens e, assim, melhorar as atividades, do tráfego de pedestres ao monitoramento de prateleiras de lojas e entregas.
Se, por exemplo, os donuts do expositor de uma loja da 7-Eleven acabarem no início da manhã de um sábado, o gerente da loja de conveniência pode receber um alerta para repor o estoque.
Computação no Edge para Cidades
Empresas e startups da Fortune 500 estão implementando a AI no edge nas cidades. As prefeituras estão, por exemplo, desenvolvendo aplicações de AI para diminuir os engarrafamentos e aumentar a segurança.
A Verizon usa o NVIDIA Metropolis, o framework de aplicações da IoT que, com os recursos de deep learning do Jetson, pode analisar várias transmissões de dados de vídeos, para procurar formas de melhorar o trânsito, aumentar a segurança dos pedestres, otimizar o estacionamento em áreas urbanas e muito mais.
A startup Miovision Technologies, sediada em Ontário, no Canadá, usa redes neurais profundas para analisar dados de suas câmeras e da infraestrutura da cidade a fim de otimizar os semáforos e manter o fluxo de veículos.
Com a computação no edge do módulo compacto de supercomputação NVIDIA Jetson e as informações do NVIDIA Metropolis, é possível acelerar o trabalho da Miovision e de outras empresas da área. O Jetson com eficiência energética é capaz de executar várias transmissões de vídeo simultaneamente para processos de AI. Essa combinação é uma alternativa aos gargalos e congestionamentos de rede.
A computação no edge também oferece escalabilidade vertical. É possível executar frameworks de aplicações do setor, como a NVIDIA Metropolis, e aplicações de AI de terceiros na plataforma NVIDIA EGX para garantir o desempenho ideal.
Computação no Edge para Montadoras e Fabricantes
Fábricas, varejistas, fabricantes e montadoras estão gerando dados de sensores que podem ser usados e cruzados com outros dados para melhorar os serviços.
Com essa fusão de sensores, os varejistas poderão oferecer outros serviços. Os robôs podem usar outros recursos além de modelos de processamento de fala e linguagem natural em conversas. Esses mesmos robôs podem usar transmissões de vídeo para funcionar a partir de modelos de estimativa de pose. Conectar as informações de voz e gestos dos sensores pode ajudar os robôs a entender melhor quais produtos os clientes estão procurando ou quais caminhos eles fazem.
Essa fusão de sensores também permite que as montadoras criem outras experiências de usuário para ter uma vantagem competitiva. Elas podem usar modelos de estimativa de pose para saber a direção em que o motorista está olhando e modelos de linguagem natural para sugerir restaurantes próximos ao local indicado no mapa de GPS do carro.
Computação no Edge para Games
Os gamers são famosos por precisar de uma potência computacional de alto desempenho e baixa latência. Os games em cloud e de alta qualidade no edge deixam a situação mais complicada. As aplicações de games de ponta com realidade virtual, realidade aumentada e AI são um desafio ainda maior.
As empresas de telecomunicações estão oferecendo servidores NVIDIA RTX, que proporcionam gráficos de qualidade de cinema aprimorados por ray tracing e AI, para gamers de todo o mundo. Os servidores executam o GeForce NOW*, o serviço de games no cloud da NVIDIA, que transforma hardware incompatível ou de baixo desempenho em PCs gamer GeForce potentes no edge.
A Taiwan Mobile, a coreana LG U+, a japonesa SoftBank e a russa Rostelecom anunciaram que pretendem disponibilizar o serviço para clientes de games no cloud.
*não disponível no Brasil atualmente
Soluções no Edge da NVIDIA
A NVIDIA elevou a computação no edge a um novo patamar com a plataforma EGX, que facilita para as empresas a implementação de soluções no edge com software dimensionável, sensores IoT e servidores no edge.
Ao contrário dos servidores no edge tradicionais com racks de CPUs, a NVIDIA EGX é compacta e oferece compatibilidade com a AI da NVIDIA, desde a linha Jetson de módulos de supercomputação até racks inteiros de servidores com GPUs NVIDIA T4 e a NVIDIA EGX A100, anunciada recentemente.
As empresas que usam a computação no edge para AI têm a flexibilidade de implementar aplicações de AI de baixa latência no compacto NVIDIA Jetson Nano. Esse pequeno supercomputador oferece meio trilhão de operações por segundo em tarefas como reconhecimento de imagens consumindo apenas alguns watts.
Um rack de servidores NVIDIA T4 oferece mais de 10 mil trilhões de operações por segundo, ideal até mesmo para os algoritmos de reconhecimento de fala em tempo real mais exigentes e outras tarefas de AI que exigem muita computação.
Com a NVIDIA EGX, é possível implementar e gerenciar aplicações no edge remotamente e, com o hub de softwares NGC da NVIDIA, as equipes de AI e IT podem se familiarizar, em pouco tempo, com vários modelos de AI pré-treinados e pacotes Helm prontos para o Kubernetes para implementá-los em suas soluções de AI no edge.
Além disso, as atualizações na periferia da rede no edge com AI são simples. O pacote de softwares EGX é executado no Linux e no Kubernetes, permitindo atualizações remotas pelo cloud ou por servidores no edge para melhorar continuamente as aplicações.
Os servidores NVIDIA EGX são otimizados para os contêineres acelerados por CUDA disponíveis no NGC.
O Futuro da Computação no Edge
De acordo com a empresa de pesquisa de mercado IDC, o mercado de computação no edge valerá US$ 34 bilhões até 2023. O surgimento do 5G possibilitará a transição da computação em data centers centralizados para a computação no edge, revelando o potencial de oportunidades que antes não existiam.
Da análise de vídeo aos automóveis autônomos e aos games, a computação no edge está criando mais possibilidades para oferecer experiências imersivas em tempo real com requisitos de baixa latência e conectividade.
Saiba mais sobre o uso da computação no edge em sua empresa.