エッジコンピューティング: テクノロジー業界の次の兆ドル規模のチャンス

[[419619]]

クラウド コンピューティングが新しいテクノロジーを採用し続けるにつれて、コンピューティング作業はますますエッジに移行します。この変化の重要な理由の 1 つは、エッジ コンピューティングがクラウド コンピューティングの後継ではなく、将来の投資と成長の絶好の機会となるテクノロジの範囲のさらなる拡張であるということです。調査会社IDCの調査によると、IoTデバイスの数は2025年までに560億を超えると予想されています。

エッジ デバイスとコンピューティング テクノロジーの導入が急増するにつれ、多くの組織では、これらのデバイスから送信されるデータの増加をオンプレミスで処理し、リアルタイムで処理する必要が生じています。これには、エッジに適応したインフラストラクチャ、および関連するツールとプラットフォームへの投資が必要になります。企業が採用するテクノロジーは再び変革しようとしています。テクノロジー スタックの他の部分をクラウドに移行するのと同じように、一部のデータを作成および消費する際にそれを処理および分析することがビジネス要件になりつつあります。

企業は、常に更新されるデータに基づいて、エッジ デバイスを通じてより優れた顧客エクスペリエンスを提供する必要があります。クラウド プラットフォームやオンプレミス データ センターからのデータのアップロードとダウンロードには、通常、長い時間がかかります。データが消費者のスマートフォン上にあるか、製造現場にあるかにかかわらず、企業はリアルタイムのデータ駆動型の応答が求められるエッジにできるだけ近いところでデータを処理および分析する必要があります。

こうした機能を提供するための競争はすでに熾烈になっています。クラウド コンピューティング サービス プロバイダー、通信事業者、サーバーおよびストレージ インフラストラクチャ プロバイダーなど、多くのベンダーは、エッジ コンピューティングを次の 1 兆ドル規模の市場機会と見ています。

なぜエッジコンピューティングなのか?

エッジ コンピューティングは、数十年にわたってさまざまな形で存在してきました。たとえば、製造プロセスのさまざまな側面を自動化するために、工場で使用される機器にスタンドアロン ソフトウェアが導入されている例は無数にあります。近年、これらのシステムの多くがインターネットに接続されるようになり、企業はより簡単にデータを収集し共有できるようになりました。現在の課題は、エッジで生成されるデータの量が、その生データを広域ネットワーク (WAN) 経由で送信する実用性を超えてしまうことが多く、企業にはネットワークのエッジで大量のデータを処理および分析できるプラットフォームが必要であることです。エッジ プラットフォームで処理されたデータからの集計結果は、クラウド、オンプレミスの IT 環境、さらにはネットワーク自体内で実行されている他のアプリケーションとより効率的に共有できます。

低レイテンシー要件は今日の最大の課題です。多くの場合、通信ネットワークのエッジにあるゲートウェイで実行されるアプリケーションは、モバイル コンピューティング アプリケーションからのデータ要求に数秒以内に応答できる必要があります。他のケースでは、エッジ アプリケーションが自動化された工場の運用を推進しており、拡張エンタープライズのエッジで処理される分析に動的に適応する必要があります。

さらに高度な使用例もあり、自動運転車用のコンピューター ビジョン データをリアルタイムで処理するオンボード コンピューターや、製造業の変革を約束するロボット アプリケーションなどがあります。

ハードウェアの進歩によりエッジコンピューティングが可能に

低遅延ネットワーク接続、高出力コンピューティング、大容量ストレージ要件などの競合する要求が、エッジ コンピューティング ハードウェアの革新を推進しています。たとえば、自動運転車メーカーのテスラは、大量のデータを前処理し、機械学習による推論を実行して運転に関する迅速な判断や予測を行うだけでなく、自動運転車自体でディープラーニング モデルをトレーニングし、その後、データのサブセットを中央システムに送信してさらにトレーニングできるカスタム プロセッサをデバイスに追加しました。

今年初め、テスラは60億個のトランジスタを搭載したコアプロセッサを発表しました。同社によれば、このプロセッサはテスラのモデルS、モデル3、モデルX車両で使用されているNvidia GPUの21倍の性能を提供するという。 AMD や Intel などの従来の CPU ベンダーの CPU に加えて、これらの強力なプロセッサは、インフォテインメントなどの主流のアプリケーションでも使用されます。

このエッジ コンピューティング機能により、テスラの自動運転車はセンサー データを処理し、自動運転車の周囲の歩行者、道路上の他の車両、道路脇の緊急標識、潜在的に危険な移動物体を識別できるようになります。このセンサー データは、事前にロードされたマップ データと GPS 接続を介して処理されます。さらに、テスラの自動運転車に搭載されたコンピューターは、テスラのネットワークを介して大容量ストレージ施設に情報を送信し、そこでデータが分析されて自動運転などの機能が向上し、その後、車両のソフトウェア スタックの改善がネットワーク経由で自動運転車にダウンロードされます。

ヘルスケア業界も、高度な機械学習機器とソフトウェアに対する同様のニーズを持つ業界です。複数の場所に配置された推論コンピューティング機能を備えた磁気共鳴画像 (MRI) やその他のスキャン デバイスからの画像にも、Tesla 車両に必要なのと同様のコンピューティング能力とネットワーク インフラストラクチャが必要です。しかし、ほとんどの病院は、独自の強力なエッジ コンピューティング ハードウェアを構築することに興味も資金もなく、テクノロジー ベンダーのような技術的能力も持ち合わせていません。

半導体回路技術が進歩するにつれ、エッジでエネルギー効率の高い方法でアプリケーションを実行する能力が、より幅広いビジネスにとってより現実的になります。エッジ プラットフォームの総コストはプロセッサの新しいバージョンが出るたびに下がり続け、一方でアプリケーションの実行に利用できるデバイスのパワーは着実に増加しています。

エッジネットワーク

エッジでどれだけ多くのデータが処理され分析されても、膨大なデータ量によってネットワーク帯域幅に対する需要が高まり、ボトルネックが発生する可能性があります。大きなボトルネックとなるのは、バックホール、つまりエッジ デバイスと中央サーバーおよびネットワーク間の距離です。将来のエッジ ネットワーク インフラストラクチャには、5G、より強力な WiFi 接続とデバイス、低遅延のデイジー チェーン システム、光ファイバー システム (Google が開発しているものなど)、衛星接続、および今後開発されるテクノロジの組み合わせが含まれる可能性がありますが、1 つ確かなことは、データ量がネットワーク帯域幅よりも速いペースで増加しているということです。

現在、企業は、利用可能な複数の有線および無線ネットワークの選択肢の中からエッジ プラットフォームを接続することを選択できます。エッジ コンピューティングに関連するユース ケースの数は増加していますが、その理由の 1 つは、ワイヤレス 5G ネットワークにより、相互接続された複数のエッジ プラットフォーム間でデータを共有できるようになったことです。たとえば、拡張現実ヘッドセットを装着した従業員は、地元の同僚だけでなく、数百キロ離れた同僚ともデータや分析を共有できます。

通信事業者が 5G サービスの提供に使用するネットワーク インフラストラクチャの仮想化を継続するにつれて、より広い地理的エリアにわたってこれらのサービスを提供するコストは着実に低下するはずです。現在、4G ネットワークは 1 平方キロメートルあたり約 4,000 台のデバイスをサポートできますが、5G ネットワークは同じエリアで最大 300 万台のデバイスをサポートできます。

5G技術の開発に関しては、結論を出すのは時期尚早です。キャップジェミニが5Gを業務に取り入れる計画をしている産業組織1,000社を対象に行った調査では、試験および実装段階に達している組織は3分の1未満（30%）であることが判明しました。しかし、通信事業者はすでに、今後 10 年間でワイヤレス ネットワークにさらなる大きな飛躍をもたらすと期待される 6G ワイヤレス標準を定義しています。

採用するネットワークに関係なく、企業は、エッジで処理、保存、最終的に処理されるデータの量と、WAN 経由で転送され、データを集中的に処理するか、記録システムのプラットフォームとして機能するかのいずれかで他のさまざまなネットワークに統合される必要がある集約データの量との間でバランスを取る必要があります。

安全係数

おそらく、エッジ コンピューティングの最大の障害はセキュリティです。企業がエッジ コンピューティング プラットフォームを導入するたびに、防御する必要があるネットワーク攻撃対象領域が増加します。これらのエッジ コンピューティング プラットフォームも運用技術 (OT) チームによって管理されていますが、通常、OT チームには Google のデータセンター セキュリティ チームほどのサイバーセキュリティの専門知識はありません。ほとんどの企業は、エッジ プラットフォームの導入、管理、保護のために、運用技術 (OT) チームと従来の情報技術 (IT) チームを統合しようとしています。しかし、2 つのチームの文化はまったく異なっていたため、会社が 2 つのチームの作業を調整するには時間がかかりました。

さらに困難なのは、サイバーセキュリティの専門知識を持つ人材を見つけて維持することの難しさです。サイバー犯罪者は、運用技術 (OT) 環境の脆弱性を発見しました。サイバー攻撃により、電力網やその他の重要なインフラシステムを制御する産業用制御システムがサイバー攻撃者の主な標的であることが証明されました。彼らの観点からすると、ネットワークに接続されたすべてのエッジ コンピューティング プラットフォームは、マルウェアが IT 環境に侵入する媒体となります。マルウェアがプラットフォーム全体に急速に広がるには、わずか数分しかかかりません。

最終的に、企業はエッジ コンピューティング プラットフォームのセキュリティを確保するために多額の資金をすぐに費やすことになります。エッジ コンピューティング システムがロックダウンされ、保護されると、全体的なネットワーク防御が強化され、より多くのデータを移動せずにエッジで処理できるようになり、ネットワーク攻撃対象領域が大幅に削減されます。

エッジコンピューティングエコシステムの発展

適切なレベルのインフラストラクチャが整ったら、次の課題はアプリケーションを構築することです。コンテナ テクノロジーが広く採用されたことにより、開発者はメモリとストレージをより少なく必要とするツールを使用してアプリケーションを構築できるようになりました。今日のコンテナ環境のほとんどは、Docker や Kubernetes をベースにしたものなど、ある意味では分散化されていますが、データ センターなどの集中型環境で実行されます。より小型のコンテナの開発が進んでおり、サーバーやゲートウェイから数百キロ離れた石油掘削装置にアプリケーションを展開することが容易になります。

オープンソースの Kubernetes コンテナ オーケストレーション エンジンの軽量インスタンスが普及し始めています。 Kubernetes は、デプロイ先のプラットフォームに関係なく、一貫したアプリケーション プログラミング インターフェイス (API) セットを提供することで、高度に分散されたコンピューティング環境で最新のマイクロサービス ベースのアプリケーションを集中的にデプロイおよび管理する機会を提供します。

機械学習、データ サイエンス、エッジ コンピューティングをサポートするその他のテクノロジー向けの産業用 API 仕様とフレームワークも登場し始めています。一例として、Intel 社などが支援するエッジ アプリケーション開発用のフレームワークを提供する oneAPI が挙げられます。

開発プラットフォームのプロバイダーも、エッジ コンピューティング アーキテクチャでのアプリケーションの構築を容易にし、クラウド プラットフォームで実行されるバックエンド アプリケーション サービスをシームレスに呼び出すフレームワークの作成に競い合っています。 Apache Airflow や Kafka などの分散イベント ストリーミング プラットフォームは、エッジ コンピューティング プラットフォームがこれらのバックエンド プラットフォームと大規模にデータを共有できるようにする役割を果たすことができます。一部の企業では、構築したグローバルな Point of Presence (PoP) ネットワーク全体に展開されたアプリケーションのパフォーマンスを向上させるために、コンテンツ配信ネットワーク (CDN) のサービスも利用します。

最後に、エッジに展開されるステートフル アプリケーションには、永続的な形式のデータへのアクセスを提供するローカル データベースが必要になる場合があります。現在導入されているコンテナ アプリケーションのほとんどはステートレスであり、データを外部ストレージ システムに保存します。ローカル Kubernetes クラスター上のコンテナ内のデータにアクセスするステートフル アプリケーションの構築はさらに困難です。

コンテナ プラットフォームに精通した多数の開発者がすでに存在し、ハードウェアとソフトウェアの改良により、移植性の高いアプリケーションをエッジにできるだけシンプルかつ安全に展開できるようになるまで待っています。

今後のAIとデータ管理の課題

機械学習と人工知能の台頭により、将来的にはエキサイティングなエッジイノベーションが推進される可能性があります。現在、AI モデルは通常、集中管理されたクラウド コンピューティング プラットフォームでトレーニングされています。その後、AI および機械学習推論エンジンを作成して実稼働環境に展開し、トレーニング済みの AI エンジンが新しいデータを検出したときに実行するアクションを推論できるようになります。

時間の経過とともに、収集された新しいデータの量が元の AI モデルのベースとなったパラメータを超えると、これらの推論エンジンはドリフトします。 IT チームや OT チームと連携して作業するデータ サイエンス チームは、エッジの推論エンジンを置き換える新しい AI モデルをトレーニングする必要があります。人工知能と機械学習の機能の進歩と、コスト削減に役立つ低電力で高性能なプロセッサやその他のコンポーネントを組み合わせることで、予測システムの精度とパフォーマンスを向上させることができますが、通常、このドリフトが発生する範囲は軽減されません。

AI モデルをエッジで少なくとも部分的に再トレーニングできれば、予測精度のドリフトを減らすことができます。ただし、エッジ プラットフォーム内で AI モデルを効果的に再トレーニングするために必要なソフトウェアとハ​​ードウェアのインフラストラクチャはまだ初期段階にあります。とはいえ、ますます高性能になるハードウェアのコストが下がり、エッジ機械学習ソフトウェア システムが向上するにつれて、エッジでのトレーニングがより実現可能になるでしょう。

経済への影響と投資機会

調査会社MarketsandMarketsの調査によると、2020年の世界のエッジコンピューティング市場規模は約36億米ドルでした。 2025年までに157億ドルにまで成長すると予想されており、年間平均成長率（CAGR）は驚異の34.1%です。

McKinsey & Company は、2025 年までに、モノのインターネット (IoT) アプリケーションのみのユースケースによって生み出される経済価値が年間 3.9 兆ドルから 11.1 兆ドルに達すると予測しています。そして、エッジ プラットフォームのその他のすべてのユース ケースと潜在的な経済へのプラスの影響は、非常に大きくなります。

エッジ コンピューティングは、それ自体が巨大なテクノロジー市場であり、集中型クラウド コンピューティングの需要の増加も促進します。ガートナーは、2023 年末までに、インストールされたエッジ コンピューティング プラットフォームの 20% がハイパースケール クラウド プロバイダーによって提供および管理されると指摘しています。この巨大な新興市場には、他のメーカーに提供できる機会がまだ 80% 残っています。