下一个技术风口
——论边缘计算

云计算、大数据等技术在万物互联的时代似乎有点跟不上节奏了！

哪怕路况、天气数据、联网数据有一点点更新延迟，都有可能导致司机走错路、增加驾驶时间，甚至出现风险。

我们知道，当前几乎所有数据都需要连接到云，再通过云端存储、计算，通过网络互相连接，我们的存储、计算都越来越依赖于云端。然而，云计算可能并不是未来各行业迈向数字化的唯一路径。一股来自产业界和学术界的合力，正在尝试在云计算产业之外，打造一种电子计算的新架构。

而随着物联网和5G的快速发展，此时，边缘计算（EC，Edge Computing）技术应运而生。EC已成为ICT（信息、通信和技术）产业中继云计算之后的下一个技术风口、爆发点。

边缘计算:行业王冠上的钻石，市场前景广阔

“2017MEC技术与产业发展峰会”是全球最具影响力的边缘计算产业盛会。本届峰会以“万物智联，边缘智算”为主题，汇聚逾600名来自欧洲、美国、中国的顶级行业专家、企业领袖、行业分析师和客户，共同探讨边缘计算前沿技术、展现边缘计算创新应用、聚合边缘计算产业生态、推动边缘计算产业快速发展，为智慧城市、人工智能、物联网等的发展做出努力。

会上，产业界一致认为，边缘计算聚焦于万物智能连接，满足行业数字化在连接、实时、智能、数据优化、安全与隐私保护等方面的关键需求，已经成为行业数字化转型不可或缺的关键要素。

边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，其应用程序在边缘侧发起，就近提供边缘智能服务，产生更快的网络服务响应，以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。通俗而言，如果把云计算比作看不见、摸不着，远在天边的一片“云”，那么边缘计算则是飞入百姓寻常家的一片“云”，无处不在。这片“云”通过数据分析处理，快速高效地实现物与物之间传感、交互和控制，它是让物联网落地的根本。

边缘计算的出现有其必然性、必要性。以车联网为例，单车每秒可产生高达1GB的数据，这是由车辆所有部件每时每刻的运转状态产生的。出于交通、道路安全，数据的传输与交互必须把延迟降到最低，否则带来的威胁将是会致命的。“传统的云端计算可以点一个按钮，等后台运算完响应后给你。而在边缘计算中，很多应用需要在毫秒之间实时响应。而如果要实现实时，我们就不能把所有的东西都送到云端，因为云可能在几千公里之外，延时抖动和距离并不可控。”华为网络研发部总裁刘少伟说。

显然依靠云还不能满足其实时传输与计算的要求，这也就是边缘计算的价值所在、优势所在，即在端进行部分数据快速高效的分析和处理。

当下一方面，数据的数量在以远超过我们预期的指数级速度增长，另一方面数据的类型也变得越来越多样化。物联网时代面临的海量数据需要更敏捷地连接、更有效地数据处理，同时要有更好地数据保护。对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，可为用户提供更快的响应，将需求在边缘端解决。未来的自动驾驶，每一辆车都将内置各种各样的数据传感器，这些传感器同时工作一天所产生的数据量将高达4TB。这些只有边缘计算才能发挥的作用，能够就近高效处理海量的数据，有效的降低对带宽的要求，提供及时的响应，为无人驾驭保驾护航。

再如，在医疗领域，由于涉及大量病患的个人隐私数据，如果能在设备端就可完成运算，显然能够有效降低被攻击者入侵的可能性。

而在工业互联网平台建设中，边缘计算同样承担着有效降低网络传输负担、实时生成优化决策等重要功能。发展边缘计算，能够有力推动企业转型升级，促进企业向工业互联网平台迁移，对于加快制造强国、网络强国建设，构筑数字经济时代竞争新优势具有重要意义。

事实上，物联网概念的提出已有15年的历史，然而，物联网却并未成为一个火热的应用，直到2017年物联网才发展到一个较好的时期，物联网的大规模应用也开始加速。因此未来5-10年内物联网会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。边缘智能正在起到越来越关键的作用。

2018年，移动网络向5G演进的速度进一步加快，边缘计算将在大流量业务的普及下发挥更多价值，降低核心网压力，提升接入网的能力与价值。同时随着可穿戴设备及附带传感器的智能设备数量呈爆发式增长，未来更多设备将被接入物联网。根据IDC统计数据显示，到2020年将有超过500亿的终端和设备联网，其中超过50%的数据需要在网络边缘侧分析、处理与存储，形成万亿级的商业价值，边缘计算市场之大作用之大显而易见。根据市场研究公司Research and Markets近日发布的报告，边缘计算的市场规模复合年均增长率高达35.2%。据估算，美国2017年至2026年间边缘计算方面的支出将达到870亿美元，欧洲则为1850亿美元。

2017年8月，英特尔与爱立信、丰田汽车等正式成立汽车边缘计算联盟，帮助实现了从网到车到端的整体平台能力提升。在边缘计算网络的保障下，未来的无人驾驶汽车一定会更加安全。而微软高层在其开发者大会上也发表声明称，公司的云战略正在朝着边缘计算方向发展。亚马逊则推出了应用于边缘计算的“AWS Greengrass”平台，将“移动边缘计算”重新定义为“多接入边缘计算”。2016年，华为、英特尔、ARM、通软动力、中国科学院沈阳自动化研究所、中国信息通信研究院这6家企业与研究机构共同成立“边缘计算产业联盟”，并且发布了《边缘计算产业联盟白皮书》。可以说，伴随5G、物联网的爆发，边缘计算（EC）正在快速崛起。

边缘计算 vs 云计算 ，谁是王者?

边缘计算是一个新名词，它横跨OT、IT、CT多个领域，涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色。

但其实边缘计算也非是一个完全的新鲜词，早在2009年就有一位美国科学家提出。与云计算，它们好比“同父异母”的“兄弟”。只是云计算更早出名、更出名，耳熟能详了，而边缘计算只是最近才被大力挖掘、运用。

边缘计算和云计算有什么区别与联系？目前，云计算是行业的大势所趋，互联网的技术本质就是通过云计算平台来实现用户在随时随地按需访问自己所需要的资源的过程，帮助实现各方资源的节约、共享，这也是云计算大受欢迎之处。

对于云计算来说，所有的数据都要汇总到后端的数据中心才能完成，而在“云、管、端”三者的角色中，云计算更侧重于“云”，是实现最终数据分析与应用的场所。但是在边缘计算中，其强调“边缘”也就是“端”所在的物理区域。在这个区域，如果能够为“端”就近提供网络、计算、存储等资源，显然实时性等业务需求能够容易满足，因其主要计算节点以及应用分布式部署在靠近终端的数据中心，这使得在服务的响应性能、还是可靠性方面都是高于传统中心化的云计算概念。这是“边缘计算”相比于“云计算”最大的不同与优势。

再进一步而言，相较于云计算适合非实时、长周期数据的大数据分析，边缘计算更聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。而且由于更靠近数据源的本地网络内进行运算，数据无需上传至遥远的云端，减少数据往返云端的等待时间及网络带宽成本。现在，即使是理想上最高速的光纤网路的传输速度，资料交换还是需要时间，如考虑到资料传输需要耗费的延迟时间、停留中介站与远端处理的等待时间的话，采用边缘运算就可大为缩短资料往返时间，资料处理能更快。而这方面云计算就显得稍逊一筹了。

对于未来而言，物联网、AR、VR场景以及大数据和人工智能行业，实际上都有着极强的对近场计算的需求，边缘计算保障大量的计算需要在离终端很近的区域完成计算，完成苛刻的低延时服务响应。

还有边缘计算另一个真正的价值，在于能将每一个与本地网路连结的组件，整合成为一个更复杂的完整个体，来打造一个整合性系统（Meta System），可以做更惊人的事情。

这些都是边缘计算为什么现在这么火的原因。

平心而论，无论是云计算还是边缘计算，本身只是实现物联网、智能制造等所需要计算技术的一种方法或者模式，都是处理大数据的计算运行方式。二者在计算架构上看似矛盾，但他们之间并不能互相替代。在英特尔中国区物联网事业部首席技术官张宇博士看来，今天在强调边缘计算，并不是说边缘计算将代替云计算。边缘计算和云计算二者之间是很好的互补。专家认为，在一些应用场景中，可以在边缘端做快速分析，同时也在云端做深入分析，使两者各展所长。如果说“云计算”负责铺天盖地，那么“边缘计算”就负责星罗棋布。

不管是云计算还是边缘计算，都从另一个方面说明计算的价值，随着万物互联时代的到来，不可能有哪一种计算可“一招制敌”，未来的时代，应该是各种计算方式并存的时代，落地到不同的应用场景，践行最适合的“计算”。

边缘计算需要面对的挑战与软肋

尽管业界普遍对边缘计算在消费物联网、工业互联网、人工智能、智慧城市等领域发挥重大作用寄予了厚望，但打造边缘计算产业生态不可能一蹴而就，需要看到的是，现阶段的边缘计算也遭遇不少挑战、存在一些软肋，限制了边缘计算在当下的快速发展。

一是技术水平尚未成熟。边缘计算终端的计算力如何，当前可否能起到“智能”分析的作用，专家一直有争议。鉴于现阶段终端设备无法兼容过多的智能化处理方式，是否能够胜任在数据源头完成采集并分析的任务？即便加载了各种强大的元器件，让边缘计算变快了，但代价是不是反而比云计算来得更慢？显然，后续技术演进仍有待观察。目前来看，能否基于软件定义、虚拟化、服务化等关键技术打造一个支撑边缘计算理念的通用型操作系统，部署在设备、网关或者边缘数据平台等不同位置，还需加强基础研发和试验验证。

二是体系架构亟需统一。尽管目前来看，针对固定互联网、移动通信网、消费物联网、工业互联网等不同网络接入和承载技术中，边缘计算的技术实现上存在一定差异；但整体来看，边缘计算的技术理念都是强调系统的通用性、网络的实时性、应用的智能性、服务的安全性，需要构建统一的体系架构进行顶层设计指导。

三是产业推进难度很大。从推广应用度看，现在采用支持边缘计算的“智能”AI设备单价都比较高。一般的终端电子产品一旦搭载AI芯片、提升存储空间后，会大大提高设备的造价成本，令终端的整体性价比不高。众多企业在面临负担如此高昂的技术成本后，显然会阻碍相关产品的普及与推广。而从产业角度看，工业互联网、物联网技术方案碎片化，跨厂商的互联互通和互操作一直是很大的挑战，边缘计算需要跨越计算、网络、存储等多方面进行长链条的技术方案整合，难度较大。

四是商业模式急待改善。边缘计算平台由于在部署时将服务下移，计算、网络、存储、应用、智能在边缘侧进行本地化提供，对于现有的网络运营商服务体系，需要重新设计计费规则。同时，由于相关技术研发、标准化工作涉及到较多的利益相关方，还需要互联网企业、通信设备企业、通信运营商、工业企业等多方共同努力和积极探索。

五是安全隐私存在挑战。边缘计算希望培育的边缘侧应用生态可能存在一些不受信任的终端及移动边缘应用开发者的非法接入问题。因此需要在用户、边缘节点、边缘计算服务之间建立新的访问控制机制和安全通信机制，以保证数据的机密性和完整性、用户的隐私性。比如，比较依赖边缘计算技术的医疗、自动驾驶、国防等领域，由于数据获取难度大、法规松绑程度偏低，实际导入人工智能分析、共享时风险就会变得较高，安全隐私的挑战就较大。

作为一个新兴的产业，边缘计算虽然应用前景广阔，但毕竟横跨OT、IT、CT多个领域，且涉及网络连接、数据聚合、芯片、传感、行业应用等多个产业，需要各方合作才能推进发展。边缘计算产业只有构建开放的产业生态，才能持续发展壮大。

在迈向万物互联的演进之中，未来究竟有多少应用场景会利用到云计算，而多少场景会将计算分布到边缘。

凭借对云计算的潜在补充性、竞争性，未来新技术架构下、新玩法下，谁主沉浮？让我们拭目以待。