云边协同有什么好处呢，具体来看一些例子。比如，对于一个机器学习模型来说，训练样本的数量会影响到最终模型的效果。而在大数据时代下，各种各样的智能设备都可以进行数据样本的采集。然而如果将采集的设备传输到云端进行模型训练则会面临一些问题：一是带宽与延迟的消耗；二是数据保存在云端则会有严重的隐私泄露隐患。
在这种场景下，云边协同进行模型的训练则是一个很好的选择。得益于边缘端的数据收集能力，最终训练出来的模型的泛化性能会更好。其中边缘端负责数据的收集以及部分的模型训练，云端负责将边缘端的模型更新聚合并且发送回边缘端。而传统的人脸识别模型训练通常是先收集人脸数据，然后对人脸数据进行标注，同时在中心服务器进行人脸识别模型训练，最后将训练得到的模型部署到边缘端。
在上述训练过程中，需要由数据收集边缘端收集数据，同时与中心服务器进行直接的数据交互，而直接的数据交互势必导致隐私的泄露问题。相比于传统的人脸识别模型训练，云边协同下的人脸识别模型训练不需要将人脸数据上传至中心服务器，而这防止了某种程度的隐私泄露问题。
云边协同技术不仅仅可以应用于大数据场景，对于传统的能源行业来说，它涉及的各种设备相对复杂，边缘端传感器较多，若是将收集数据全部发送至云端，则会面临较大的带宽压力，因此转型难度较大。而传统行业下的数据处理往往比较依赖于人工，这也给传统行业的转型带来了困难。
以石油行业为例，不同于传统的人工录入等方法，在云边协同的环境下，针对石油开采，可以将传感器、各种开采设备等收集到的信息进行整合并且发送到具有简单数据处理能力的边缘端进行数据的自动化录入、数据预处理、数据实时分析等操作，然后将处理之后的数据发送到云端进行更完全的数据分析以及决策，最后将决策结果发送回边缘端指导石油的开采等操作。相比于传统的石油开采方法，云边协同下的数据处理大幅度提高了数据处理的效率，并且减少了决策所用的时间。
AMEYA360分享：什么是云边协同 云边协同有什么好处 |
楼主
标题置顶
标题高亮
