进入万物互联时代，云计算、人工智能、大数据等新兴技术不断融合创新，智能终端设备总量爆发式增长，催生数据边缘侧算力与存储需求飙升。为了更加靠近终端用户及其设备，边缘计算应运而生，将快速、实时的数据计算能力部署到边缘终端。据Grand View Research预测，截至2028年，全球边缘计算市场规模将达到611.4亿美元，与2020年46.8亿美元相比年复合增长38.4%。

作为智能边缘软件提供商，风河在边缘计算领域拥有雄厚的产业积淀和技术积累，为智能边缘设备的功能安全与信息安全提供灵魂驱动力。近40年来，风河帮助一代代行业领军者不断完善智能边缘系统开发流程，以模拟仿真与DevOps攻克硬件关键难题。

智能边缘硬件待解之困

正如风河Jeff Gowan所言，在智能边缘开发过程中，硬件将成为关键问题。主要集中在四个方面。首先是开发生命周期面临瓶颈。针对正在设计的设备或系统，处理器或操作系统组合的最佳选项中，常常包含还未上市或者已经上市但成本太高的硬件部件，从而导致开发周期不断延长，成本持续承压。

即便如此，寻找勉强满足设计需求的替代品往往面临巨大的风险。从需要准确无误执行100多万次任务的工业机器人，到安全运送数百名乘客的飞机，智能边缘系统总是在制造关键应用领域发挥作用。在这些应用场景中，“凑合”是绝对不被允许的。

其次，应用场景对仿真模型的精度有着特定的要求。已经有些开发团队使用某种形式的模拟或仿真来解决缺少硬件部件的问题。一般而言，开发团队通过权衡精度与速度间的光谱来选择仿真模型，然而这并非最佳选择。一套80%通过率的低精度仿真模型，很难发现设计中的全部缺陷，一旦应用到真实电路板开发中，各种未能发现的缺陷和问题便会一一显露出来。

此外，在进行实际认证之前，智能边缘设备必须反复进行测试，查找全部漏洞并及时修正。在进行压力测试的过程中，难免会损坏实验室甚至破坏实际设备，从而大幅提高开发成本。因而，通过高精度模拟仿真工具进行无损测试的优势显著。最后，对于多设备系统而言，混乱的实体实验环境将会为运行测试带来巨大的挑战，测试成本与测试时间都将大幅增加。

从模拟仿真到DevOps

依赖于物理硬件的测试将会增加部署成本和时间，同时降低信心和质量。硬件可用性造成的瓶颈不仅拉长了系统开发周期，还限制了全面测试能力，从而严重拖延上市时间。因而，采用模拟仿真模型来实现开发设计和无损测试的意义不言自明。

在风河看来，从设计初期就开始引入高精度模型，工程师无需等待供应商提供硬件即可进行开发设计，大幅缩短了等待时间。同时，高精度模型能够为智能边缘设计预留足够的时间运行所需的全部测试，通过自动化测试，每项更改都会直接反馈到DevOps流程，开发人员可随时根据需要进行部署。

风河Simics全系统模拟软件能够帮助开发人员完善集成/持续部署（CI/CD）实践，同时扩展DevOps实践的价值，全面提升产品开发、测试和交付速度。通过对实际硬件进行精确建模，Simics全系统模拟软件可模拟各种各样的场景组合，进行无限次数的测试，无需更换硬件、重新布线或重新配置，大幅度减少了安全漏洞，削减了硬件实验室的成本。

基于Simics全系统模拟软件，智能边缘系统或设备开发可在虚拟模型上实现，开发过程中无需关注物理硬件。同时，该平台还可满足DevOps和敏捷开发实践对访问、自动化和协作方面的要求，可以更快、更好地持续交付软件。

将DevOps引入嵌入式开发流程

根据Google DORA( DevOps、Research与Assessment)团队最新的《DevOps现状》报告，在DevOps方面成效不佳的团队很少能够在6个月内将软件投入生产运营。而精英团队的部署频率却高出973倍，从提交到部署的交付时间加快了6570倍，从故障中恢复的时间更快，其变更失败的可能性降低了30%。

基于此，风河将DevOps引入嵌入式开发流程，协同敏捷开发流程与其他现代化开发方法，同时协调开发团队步调，督促代码更高质高效地推向生产第一线。此外，在风河看来，企业需要克服惯性思维，并调整管理层期望值。

在企业考量投资回报率（ROI），或引入新的DevOps实践时，厘清衡量指标是首要任务。其次，风河还使用净推荐评分（Net Promoter Score）来衡量企业商誉，以跟踪企业续约率、客户满意度、现有客户渗透或媒体报道等指标，从而分辨市场趋势。