2023 年边缘计算项目的 7 款硬件设备
作者：Charles Mahler / 开发者, 用例
2023 年 5 月 26 日
导航至
本文最初发表于 The New Stack，并经许可在此处转载。
当可靠性至关重要且网络连接无法保证时，边缘计算可以确保事物保持正常运行。
如果您一直对从事 边缘计算 或物联网项目感兴趣，但不知道从哪里开始，本文将帮助您概述为您的项目提供动力的硬件有哪些可用选项。
边缘计算概述
“边缘”的实际含义可能因您的参考框架而大相径庭。边缘可以像内容分发网络 (CDN) 一样简单，用于服务静态文件以缩短加载时间、将您的应用程序部署在多个区域数据中心、使用现代 无服务器 框架和服务将处理转移到更靠近用户的硬件，甚至直接将功能推送到用户的设备上。
使用边缘计算的主要原因归结为延迟、成本和可靠性之间的权衡。延迟会让用户感到沮丧，因此开发人员希望尽可能减少延迟。如果您在现场设备上使用蜂窝数据或卫星数据，带宽也可能很昂贵，因此对于数据繁重的任务，尽可能在设备上完成工作是有意义的。
对于可靠性极其重要且网络连接无法保证的关键应用，边缘计算 可以通过在本地完成工作而不是依赖云中的处理能力来确保事物保持正常运行。
以下是一些常见的边缘计算示例
- 安全摄像头图像识别
- 自动驾驶汽车
- 工业制造异常检测
- 工业监控
Nvidia Jetson
Nvidia 制造的 Jetson 系列芯片专为需要能够在 边缘 而不是依赖数据中心 GPU 执行人工智能任务的边缘计算工作负载而设计。示例用例包括具有人工智能驱动视觉的机械臂、可以执行流分析的摄像头 以及在收集的传感器数据上运行的高级机器学习模型。
Nvidia 通过提供各种与 Jetson 硬件配合使用的软件工具来简化开发，从而创建一个统一的开发堆栈。Jetson 拥有适用于原型设计或业余项目的开发套件，如果您计划将您构建的产品商业化，还可以批量购买芯片。
Particle
对于 WiFi 或以太网不是选项的边缘或物联网项目，Particle 系列是一个不错的选择。Particle 提供全球可用的 SIM 卡，允许您的设备使用蜂窝数据传输数据。
使用 Particle 除了硬件之外的另一个好处是，Particle 提供了一个完整的 物联网 云平台，与尝试自行构建相比，可以更轻松地将不同的系统集成在一起。Particle 还提供了许多 API、软件开发工具包 (SDK) 以及与第三方工具的集成。
Google Coral
如果您的项目涉及任何类型的机器学习，那么 Google 制造的 Coral 芯片是一个不错的选择。所有 Coral 设备均由 Google 的定制张量处理单元 (TPU) 驱动，这些单元专门用于机器学习工作负载。Coral 提供的设备专为快速原型设计而设计，也提供生产就绪型设备，适用于您想要将使用原型板创建的产品商业化的情况。
Coral 制造的一款非常酷的设备是 USB 加速器，它可以与本文中讨论的其他一些设备结合使用，为它们提供额外的动力来高效运行机器学习模型。
Raspberry Pi
在开始物联网或边缘计算类型的项目时，Raspberry Pi 可能是最知名的产品。Raspberry Pi 的主要卖点是其对初学者的可用性、生态系统和社区。您想要尝试的几乎任何任务都可能有指南或教程可以帮助您，并且有许多库和第三方硬件可以加速开发。
过去几年中，Raspberry Pi 唯一的真正缺点是由于芯片短缺，几乎不可能找到它。据 该公司称，这个问题应在 2023 年下半年得到解决。
Orange Pi
顾名思义，Orange Pi 设备与 Raspberry Pi 有很多重叠之处。与 Raspberry Pi 相比，Orange Pi 的主要优势在于您将以相同或更低的价格获得更好的硬件性能。
缺点是 Orange Pi 没有 Raspberry Pi 那么大的社区或第三方生态系统。通过使用某些 Orange Pi 设备型号，这些问题可以得到缓解，这些型号旨在与许多为 Raspberry Pi 板设计的外部设备兼容。
Odroid
Odroid 是 Hardkernal 创建的一系列单板计算机，非常适合边缘计算。Odroid 在适用场景方面被认为与 Raspberry Pi 相似。与 Raspberry Pi 相比，使用 Odroid 的一些优势在于您可以向某些 Odroid 型号添加外部 RAM，并且通常在处理能力和配置方面有更多选择。
一个通常被引用的缺点是，与 Raspberry Pi 的用户友好型生态系统相比，Odroid 在设置事物和使用外围设备方面被认为有点困难。
Intel NUC
Intel NUC 本质上是迷你 PC，由于其小尺寸，它是边缘计算的绝佳选择。这些设备在一个小巧的封装中集成了大量的计算能力，使其成为空间受限环境的理想选择。
它们的设计易于扩展和升级，可以轻松访问 RAM 和存储等组件。NUC 还可以配置为运行各种操作系统，包括 Windows 和 Linux。NUC 在边缘计算方面的另一个优势是它们消耗的功率相对较小，这在功耗是一个问题的情况下可能很重要。一个潜在的缺点是，与本文中的其他一些设备相比，它们往往没有那么多端口或对外围设备的开箱即用支持。这是否是一个问题将取决于您的用例。
Intel NUC 被大规模用于边缘计算的一个例子是 Chick-Fil-A，该公司有一系列关于他们如何在每家门店使用 Intel NUC 作为硬件部署 Kubernetes 的热门博客文章。
后续步骤
除了本文介绍的设备之外，物联网或边缘计算还有各种各样的其他选项，所有这些选项都有自己的权衡。您的选择将取决于您的特定项目的要求以及您希望在多大程度上针对成本而非便利性和开发速度进行优化。
查看以下链接，了解更多信息和教程，这些信息和教程将帮助您完成物联网或边缘计算项目
