エッジコンピューティング：ネットワーク境界でのAI展開を加速

エッジコンピューティングへの関心が高まる一方で、そのアーキテクチャを理解している人はまだ多くありません。人工知能についても同様の曖昧さがあり、AIをエッジに移行させることはさらに困惑を招くように見えます。

DUNELM Associatesのマネージングパートナー、Martin Davis氏は、エッジAIが「記事で引用される単なる理論」として片付けられることが多いと指摘します。

しかし、産業およびエンタープライズのリーダーはもはやエッジAIを無視できません。従来、ディープラーニングやコンピュータビジョンのような計算集約型タスクは、集中型データセンターにありました。しかし、高性能ネットワーキングとオンプレミスハードウェアの普及により、純粋なクラウド中心モデルからエッジへのシフトが可能になりつつあると、コンサルタントのChaitan Sharma氏は語ります。「一夜にして起こることではありませんが、避けられない流れです」と同氏は付け加えます。Gartnerは2025年までに企業データの75%がエッジで処理されると予測し、Grand View Researchはエッジコンピューティング市場が2025年まで年率54%で成長すると予測しています。

産業現場のエッジ

エッジコンピューティングの正確な位置を定義するのは曖昧です。Open Glossary of Edge Computingでは、ネットワークの論理的末端にコンピューティングリソースを提供することと定義されています。従来のデータセンターとクラウドの向こう側に位置し、エッジはネットワークの「ラストマイル」に焦点を当て、データを生成するデバイスと個人の物理的な近くに計算をもたらします。

[IoT Worldは北米最大のIoTイベントで、ストラテジスト、テクノロジスト、実装者が集まり、AI、5G、エッジを産業に導入します。今すぐチケットを予約。]

工場や鉱山などの産業現場では、クラウドコンピューティングのみへの依存に課題があります。典型的な工場では、ネットワーク信頼性99.9999%（シックスナイン）とミリ秒レベルのレイテンシが要求され、データを敷地外に送信することが制限されることがよくあります。歴史的に、こうした施設は大量のケーブルとベンダー固有の有線プロトコルに依存してきましたが、これは断片化した技術エコシステムを生み出しました。エッジコンピューティングは、これらの異なるコンポーネントを統合する道筋を提供します。これはOvumのMarket Radar: CSPs' Industrial IoT Strategies and Propositionsでも指摘されています。

クラウドから独立して動作するエッジ導入は、すべてのデータパケットをローカルで処理する純粋なオンデバイスコンピュートモデルとは異なります。オンボードコンピューティングは即時のクリティカルな意思決定を可能にしますが、Digi Internationalの研究イノベーション担当シニアディレクターHarald Remmert氏によれば、必要なハードウェアは高価で、複雑な機械学習ワークロードの実行ではしばしば力不足です。

対照的に、工場内のAI強化エッジソリューションは、多数の機械からデータを集約・文脈化し、ダウンタイムを引き起こす問題を特定・予測できます。プロセス産業向け機械学習を専門とするAuguryのアーキテクチャ責任者Gal Ben-Haim氏は、エッジベースの推論が、超低レイテンシが必須でない場合でも、大規模アプリケーションを可能にすることを強調しています。

しかし、エッジでの機械学習導入は容易ではありません。成熟したモデルと新しい導入管理戦略が要求されるとBen-Haim氏は説明します。

クラウドからエッジへ、そして再びクラウドへ

特定のエッジユースケースは中央クラウドインフラから完全に独立して動作しますが、ほとんどのアナリストはエッジコンピューティングを分散・中央集権の連続体の一部と見なしています。従来のデータセンターから離れるのではなく、「休戦」を提供すると、GartnerアナリストのBob Gill氏は2018年のウェビナーで述べました。

Trend Microのインフラストラクチャ戦略担当バイスプレジデントBill Malik氏は、エッジコンピューティングがクラウドに取って代わることはないと警告します。

Futurum ResearchのプリンシパルアナリストDaniel Newman氏も同意見です：完全に自立したエッジを正当化できるシナリオはごくわずかです。

通常、データはエッジとクラウドの間で双方向に流れます。クラウドはエネルギー使用量や大気質の変化などマクロトレンドの把握に優れ、エッジコンピューティングは即時的で文脈特有の洞察を提供するとMalik氏は指摘します。

Accentureはエッジコンピューティングをクラウドの自然な延長と見なします。「多くのクライアントが、クラウド分析と機械学習と並行してエッジコンピューティングを採用し、革新的なビジネスサービスを実現しています」と、Accenture Technologyのマネージングディレクター兼ネットワークプラクティス責任者Charles Nebolsky氏は語ります。一例はAccentureのConnected Mineプログラムで、鉱山企業の坑内作業を最適化します。Nebolsky氏によれば、掘削リグからの高解像度ビデオを用いて岩石密度をリアルタイムで評価するためにエッジコンピューティングを統合しました。このデータにより、ドリルは角度と速度を自動調整し、予知保全も容易になります。「高密度ビデオストリームに必要な帯域幅を、必要なフレームレートでクラウドに送信するのは、法外なコストなしには現実的ではありません」とNebolsky氏は付け加えます。

Volvo Trucksは、新型モデルのテレマティクスとリモート診断でこの双方向モデルを実証しています。車載コンピュータが異常パラメータを検知しトラブルコードを生成、テレマティクスシステムがVolvoのUptime Centerにストリーミングします。センターは修理工場、ディーラー、カスタマーサービスチーム間の対応を調整します。車載診断がリアルタイムのトラブルシューティングを支援する一方、集中型クラウドコンポーネントは外部ステークホルダーがメンテナンス訪問の準備をできるようにします。

SASのIoTディレクターBill Roberts氏は、Volvoがエッジ分析、AI、機械学習を統合した一般的な成熟度モデルへ移行しつつあると観察します。「次の論理的ステップは、トラックのエッジに実用的な故障データを選別する能力を持たせることです」とRoberts氏は提案します。「これにより帯域幅が解放され、より豊富なクラウドベース分析のためのテレマティクス収集が可能になります。それらの洞察は、シナリオに応じてエッジまたはクラウドのいずれかに再展開できます。」

分散型エネルギー資源統合テストベッドは、ハイブリッド分散・クラウドコンピューティングの好例です。太陽光や風力のような分散型DC電源を最適に活用できない従来の集中型ACグリッドの代替を提供します。テストベッドは、戦略的に配置されたハードウェア全体でリアルタイムエッジ分析を展開し、レガシー設備を中央集権的な監視と統合しながら、自律的で応答性の高い運用を可能にします。「プラットフォームは自律運用とエッジ分析をサポートしながら、データと制御信号を1つ以上の制御センターに供給します」と、RTIの未来グリッド市場開発ディレクターErik Felt氏と、RTIのソフトウェア統合エンジニアNeil Puthuff氏は説明します。

5Gの登場が、従来のデータセンターを超えたエッジアーキテクチャへの関心をさらに刺激しています。まだ少数の企業しか5G対応エッジプロジェクトをパイロットしていませんが、ネットワークの成熟に伴いこの状況は変わると予想されます。Harald Remmert氏は、メリットがクラウドコンピューティングと同様ながらレイテンシが低減されることを強調し、このアーキテクチャが機械学習ワークロードでますます好まれると指摘します。