エッジ・コンピューティングの要点

  • 強力なエッジ・コンピューティングをデータが生成される場所により近いところへ移行することにより、企業やサービスプロバイダーは新しい収益機会を識別し、革新的なサービスを提供し、運用における時間と費用を節約できます。

  • エッジ・コンピューティングは、データ処理のレイテンシーを削減し、レスポンスの速度を向上し、ネットワーク・トラフィック管理とセキュリティーおよびプライバシーに関する管轄区域の要件との整合性を向上させます。

  • エッジ・コンピューティングは、分散型コンピューティング・アーキテクチャーの一部にしかすぎず、相互運用可能なエッジツークラウド・ソリューションを設計する際、エッジデバイスからオンプレミスのエッジ、ネットワーク、クラウドまでのインフラストラクチャーの検討を必要とします。

BUILT IN - ARTICLE INTRO SECOND COMPONENT

膨大な数の IoT とモバイルデバイスが収集するデータの飛躍的な成長は、処理と保存のためにデータをクラウドへ送ることから、データが生成される場所により近いネットワークのエッジでコンピューティングが行われる分散型モデルへの移行を促進しています。インテル® テクノロジーは、エッジ・コンピューティング・ソリューションの導入を加速し、さまざまな市場における幅広いアプリケーションに対処します。

エッジ・コンピューティングとは?

エッジ・コンピューティングとは、データが生成される場所により近いところでデータの処理、分析、保存を行い、迅速でほぼリアルタイムの分析と応答性を実現することを指します。近年は、データストレージとクラウド内のコンピューティングを一元化することで、運用を統合する企業もあります。しかし、高度な倉庫および在庫管理のソリューションからビジョンを強化したロボットの製造ライン、高度なスマートシティの交通管制システムまで、膨大な分散型デバイスにより実現される新しいユースケースの需要は、このモデルを持続不可能にしています。

さらに、スマートカメラ、モバイル POS キオスク、医療センサー、産業用 PC などモノのインターネット (IoT) デバイスから、ゲートウェイおよびコンピューティング・インフラストラクチャーまで、データソースでのより高速でほぼリアルタイムの実用的なインサイトのためのエッジデバイスの使用の増加は、生成され、収集されるデータの量における飛躍的な成長を促進しています。

2025年までに、データの 75% は今日ほとんどの処理が行われている中央データセンターの外側で生成されると推定されています。1 これをさらに一歩進めると、今日企業が収集する全てのデータの約 90% は、二度と使用されることがありません。2 エッジ・コンピューティングは、ハイパフォーマンス・プロセシング、低レイテンシー接続、安全なプラットフォームを通して、デバイスから収集されるデータのメリットを得るための道を提供します。

2025年までに、データの 75% は今日ほとんどの処理が行われている中央データセンターの外側で生成されると推定されています。1

エッジ・コンピューティングのドライバー

クラウド・コンピューティングは、データストレージやデータ処理からシステムの応答性まで、それがサポートするサービスやアプリケーションのニーズによって、限界まで押されています。多くの場合、帯域幅や処理能力の向上は、接続されたデバイスからのデータをより迅速に処理したり、即時インサイトやほぼリアルタイムでのアクションを生成するための要件を提供するのに十分ではありません。これらのギャップは、エッジ・コンピューティングの採用と使用を推進しています。

クラウドにおける課題の主要な要因には次のようなものがあります。

  • レイテンシー。より多くの業界が、迅速な分析と応答を必要とするアプリケーションを実装しています。クラウド・コンピューティングだけでは、これらの需要に追いつくことはできません。なぜなら、データソースからのネットワークの距離により生じるレイテンシーが、非効率性、待ち時間、質の悪い顧客体験の原因となるからです。
  • 帯域幅。伝送帯域幅を追加したり、処理能力を向上することで、レイテンシーの問題を克服できます。しかしながら、企業がネットワーク上にエッジデバイスの数や生成するデータの量を増加し続けるにつれ、クラウドへデータを送信するコストは、データがエッジで処理、保存、分析される場合に軽減される非現実的なレベルに到達することがあります。
  • セキュリティーとプライバシー。個人の医療記録などといった機密データをエッジで保護し、インターネット上により少ないデータを転送することは、傍受のリスクを軽減することによるセキュリティーの向上に役立ちます。加えて、一部の政府や顧客はデータが生成された場所の管轄区域に保持されることを必要とする可能性があります。例えばヘルスケアでは、個人データの保存や送信を制限する地域要件もあるかもしれません。
  • 接続性。継続的なインターネット接続の欠如は、クラウド・コンピューティングの妨害になる可能性がありますが、さまざまなネットワーク接続のオプションにより、エッジツークラウド・コンピューティングが実現可能です。例えば、5G はエッジからの迅速なデータ転送とサービス提供のために高帯域幅で低レイテンシーな接続を提供します。
  • AI。ほぼリアルタイムに対応可能なインテリジェンスのニーズにより、企業は処理を高速化し、これまで手付かずだったデータの可能性を活用するために、データソースでの AI を必要としています。

エッジ・コンピューティングのメリット

保存、処理、分析などのいくつかのデータ機能をクラウドからエッジに、データが生成される場所により近いところに移行することで、いくつかの主要なメリットが提供されます。

  • 高速化と低レイテンシー化。データ処理と分析をエッジに移行することでシステムの反応を高速化し、自動運転車の操作など、ほぼリアルタイムのアプリケーションに欠かせない、より速いトランザクションと体験の向上を実現します。
  • ネットワーク・トラフィック管理の改善。ネットワークを通じてクラウドに送られるデータの量を最小化することで、大容量データを送信、保存する帯域幅とコストを抑えることができます。
  • 信頼性の向上。ネットワークが 1 回に送信できるデータの量は限られています。インターネット接続性が標準を下回る場所では、クラウド接続が中断した場合にエッジでデータを保存し、処理することで、信頼性が向上します。
  • 強化されたセキュリティー。適切な実装により、エッジ・コンピューティング・ソリューションは、インターネット上のデータ転送を制限することでデータ・セキュリティーを向上できます。

エッジからクラウドへ

エッジ・コンピューティングは、組織がデータの価値を引き出すためのこれまでにない機会を提供しますが、クラウドは引き続き中央データレポジトリーおよび処理センターとして不可欠です。次の画像は、データの収集、処理、保存、およびネットワーク接続のための各デバイスがどのように組み合わさり、企業が各ポイントにおいてデータを最大限に活用するのに役立つかを示しています。

IoT およびエッジ・コンピューティングのデバイスは、データを収集し、それを 2 つの主要な方法の 1 つで管理します。内蔵プロセッサー搭載のインテリジェント・エッジ・コンピューティングのデバイスが、オンボードの分析や AI のような高度な機能を提供する一方で、プロセッサーを搭載しないデバイスは生成するデータをオンプレミスのエッジに導入されているサーバーに送り、保存と分析を行います。その後オンプレスのエッジサーバーは、エッジ・コンピューティングのデバイスからのデータを処理し、ほぼリアルタイムのアプリケーションで必要な重要な情報を返信、またはデータの関連性の高い部分だけをクラウドに送ります。多数のエッジ・コンピューティング・デバイスからのデータを、より広範な処理や分析のためにクラウドに統合することができます。

エッジ・コンピューティングのユースケース

インテルは多くの業界パートナーおよびエンドユーザーと提携し、数万のエッジ・コンピューティング・ソリューションを導入しています。次の 4 つのエッジ・コンピューティングのユースケースは、企業が新しい体験を可能にし、より効率的な運用を推進するために、インテルがどのように支援しているかを示しています。

小売: エッジ・コンピューティングは、センサーとカメラを使用して小売在庫の正確性を向上し、サプライチェーンと製品開発をより効率的にするのに役立ちます。さらに、エッジ・コンピューティングは、ほぼリアルタイムでの顧客行動の分析をサポートし、買い物体験を向上し、潜在的により安全にします。例えば、Sensormatic ビデオベースの AI ソリューションは、収容人数を追跡し、ソーシャル・ディスタンスを監視することで、新型コロナウィルス感染症パンデミックの間に小売店が安全に開店するのに貢献しました。
産業: エッジ・コンピューティングは、より柔軟で応答性の高い製造のために、デジタルおよび物理的なテクノロジーを統合することで、インダストリー 4.0 の基盤を提供できます。例えば、インテルと Nebbiolo Technologies は、Audi の自動車製造エンジニアと提携し、予測分析とマシンラーニングのアルゴリズムを使用するスケーラブルで柔軟なプラットフォームを作成し、溶接検査の作業効率を向上させ、重要な品質管理プロセスを強化しました。3
教育: 一部のソフトウェア・ベースの教育ソリューションでは、パーソナライズされたバーチャル支援、自然言語対話、拡張現実体験に向け、オンデバイスの AI を使用します。例えば、ViewSonic デジタル・ホワイトボード体験は、エッジおよびビジョン・テクノロジーを使用して、遠隔学習に参加する学生や教師のための教室体験を再現します。
医療: エッジ・コンピューティングは、入院患者と外来患者の監視と遠隔医療サービスによる結果を変換し、画像処理装置のマシンおよびディープラーニング推論を使用して健康上の問題をより速く検出するのに役立ちます。Philips は AI 推論を改善し、高価な新しいハードウェアの必要なしに、既存の CT スキャン装置において医用画像を 188% 向上させました。4

アプリケーションにおけるエッジ・コンピューティング・テクノロジー

インテル IoT ジェネラル・マネージャーのスティーン・グラハムによる「The Inside Edge」のエピソード 5 では、ヘルスケアから製造、小売におけるエッジ・コンピューティングの現実世界のアプリケーションについて説明し、インテル搭載のエッジ・コンピューティング・ソリューションが、どのように顧客に新しい体験を実現し、業界全体を変革したかを立証します。

エッジで得られるより良い成果

エッジ・コンピューティングは、企業やサービスプロバイダーがデータの価値を引き出すためのこれまでにない機会を提供します。適切なパートナーにより、企業はあらゆるポイントにおいてデータを最大限に活用できます。真の価値を創造する数万のエッジ導入事例、数百の市場対応ソリューション、規格に準拠したテクノロジー、そして世界で最も成熟した開発者のエコシステムを擁するインテルが、インテリジェント・エッジを現実のものにする支援をします。

よくある質問 (FAQ)

よくある質問

エッジ・コンピューティングとは、ネットワーク内のデータが生成される場所により近いところでデータの処理、分析、保存を行うことを指します。これにより、迅速でほぼリアルタイムの分析とレスポンス、データ収益化の可能性の創造、新しいサービスの提供、運用にかかる時間と費用の節約を実現します。エッジ・コンピューティングを推進する 5 つの主要な要因は、レイテンシー、帯域幅、セキュリティー、接続性、そして AI です。

ネットワーク・エッジは、ネットワーク内のネットワーク・コアのすぐ外側に位置し、地域のデータセンター、次世代セントラルオフィス (NGCO)、固定の有線アクセスポイント、ワイヤレス・アクセス・ベース・ステーション、および無線アクセス・ネットワーク (RAN) などの場所を統合します。

エッジ・クラウド・コンピューティングは、特定の種類のワークロード向けに、エッジ・コンピューティングでクラウド・コンピューティングを強化します。エッジ・クラウド・コンピューティングにより、エッジサーバー上にホストされ、マイクロデータ・センターとして機能するエッジクラウドは、データの収集、保存、高速データ処理のためにインテリジェントなエッジノードをローカルデバイス、機器、リソースにより近い場所へ配置することでクラウドの利便性をエッジ・ネットワークに拡張します。これにより、ほぼリアルタイムのデータに依存するエッジ・アプリケーションのためのレイテンシー削減につながります。

免責事項

1

Rob van der Meulen 著、「What Edge Computing Means for Infrastructure and Operations Leaders (インフラストラクチャーおよび運用のリーダーにとってエッジ・コンピューティングが意味するもの)」、Smarter with Gartner*、2018年10月3日、https://www.gartner.com/smarterwithgartner/what-edge-computing-means-for-infrastructure-and-operations-leaders/

2

Tom Taulli 著、「What You Need to Know About Dark Data (ダークデータについて知っておくべきこと)」、Forbes*、2019年10月27日、https://www.forbes.com/sites/tomtaulli/2019/10/27/what-you-need-to-know-about-dark-data/?sh=62b9d4be2c79

3

「Audi’s Automated Factory Moves Closer to Industry 4.0 (Audi の自動化工場は業界の 4.0 に近づく)」、インテル、https://www.intel.com/content/dam/www/public/us/en/documents/case-studies/audis-automated-factory-closer-to-industry-case-study.pdf

4

「Intel and Philips Accelerate Deep Learning Inference on CPUs in Key Medical Imaging Uses (インテルと Philips、主要な医用画像処理用途で CPU のディープラーニング推論を加速)」、インテル® News Byte、2018年8月14日、https://newsroom.intel.com/news/intel-philips-accelerate-deep-learning-inference-cpus-key-medical-imaging-uses/#gs.kx7zmx。インテルは、提供する製品やサポートをいつでも予告なしに変更する場合があります。詳細については、インテルの担当者までお問い合わせください。