“計(jì)算正從中央走向邊緣”、“計(jì)算邊緣化”……近日來，在大大小小各類有關(guān)人工智能的論壇或峰會上，我們或多或少的聽見以上言論，其中的關(guān)鍵點(diǎn)只有一個——邊緣計(jì)算。圍繞這個問題，看看這些從業(yè)者們給出的解答。

邊緣計(jì)算，一個不是那么“新”的詞匯

關(guān)于“邊緣計(jì)算”的熱議是近一兩年才慢慢開始的，但它并不是一個“新詞匯”。早在2003年的時候，IBM就曾與CDN服務(wù)商AKAMAI合作過“邊緣計(jì)算”。

根據(jù)維基百科的解釋，“邊緣計(jì)算”是一種分散式計(jì)算的架構(gòu)，將應(yīng)用程序、數(shù)據(jù)資料與服務(wù)的計(jì)算，由網(wǎng)絡(luò)中心節(jié)點(diǎn)，移往網(wǎng)絡(luò)邏輯上的邊緣節(jié)點(diǎn)來處理。邊緣計(jì)算將原本完全由中心節(jié)點(diǎn)處理大型服務(wù)加以分解，切割成更小與更容易管理的部分，分散到邊緣節(jié)點(diǎn)去處理。邊緣節(jié)點(diǎn)更接近于用戶終端裝置，可以加快資料的處理與傳送速度，減少延遲。在這種架構(gòu)下，資料的分析與知識的產(chǎn)生，更接近于數(shù)據(jù)資料的來源，因此更適合處理大數(shù)據(jù)。

[[242794]]

與集中化處理數(shù)據(jù)的云計(jì)算不同，邊緣計(jì)算講究的是分布式管理。以往，因?yàn)槌笠?guī)模、高可擴(kuò)展性、通用性等因素，云計(jì)算受到熱捧，人們也總是強(qiáng)調(diào)要“上云”，將數(shù)據(jù)的計(jì)算、存儲等全部搬到云上。相比之下，邊緣計(jì)算強(qiáng)調(diào)的是一種“下沉”，離終端設(shè)備更近一點(diǎn)的地方。

更為通俗地說，“云計(jì)算”是高高在上的。當(dāng)設(shè)備端完成數(shù)據(jù)采集和指令接收，它們需要通過網(wǎng)絡(luò)走上云端，后者會基于此作出判斷，繼而將結(jié)果再通過網(wǎng)絡(luò)“告知”設(shè)備端。

相比之下，“邊緣計(jì)算”則更為接地氣?；谶吘売?jì)算，設(shè)備端不需再將數(shù)據(jù)等上傳至云端，將“計(jì)算”本地化，省去以往繁瑣的過程。

邊緣計(jì)算，云計(jì)算之后的“新晉網(wǎng)紅”

在最早的時候，邊緣計(jì)算的出現(xiàn)就是為了彌補(bǔ)云計(jì)算的一些不足，因?yàn)楹笳咭呀?jīng)不能滿足更多智能需求。具體說來：

1、海量數(shù)據(jù)洶涌來襲，但云計(jì)算卻被“帶寬”捆住手腳。如今，越來越多的設(shè)備被接入互聯(lián)網(wǎng)，產(chǎn)生的數(shù)量、體量是以往的多倍。原本，這些數(shù)據(jù)的計(jì)算和存儲均交由云端處理，即云計(jì)算。不過，隨著數(shù)據(jù)的增多，帶寬不夠的傳輸通道開始出現(xiàn)“堵車”現(xiàn)象。

這就如同“多米諾牌效應(yīng)”——因?yàn)閹捠芟?，?shù)據(jù)傳輸、分析處理、指令反饋等一系列流程都變得緩慢，最終結(jié)果就是時間線被拉長，造成高延遲現(xiàn)象。

2、網(wǎng)絡(luò)傳輸依賴性大，隱私安全令人擔(dān)憂。基于云計(jì)算，我們需要把原始數(shù)據(jù)上傳至云端進(jìn)行處理，然后反饋給設(shè)備端，這一過程的實(shí)現(xiàn)，需要依賴網(wǎng)絡(luò)。過程中，一旦有黑客攔截，用戶安全隱私的保護(hù)就成了一個大問題。另外，若是遇到斷網(wǎng)等情況，即使強(qiáng)大如云計(jì)算，太過依賴網(wǎng)絡(luò)傳輸?shù)乃矊⒚媾R“巧婦難為無米之炊”的窘境。

此外，云計(jì)算還面臨功耗大等更多問題。智能時代漸趨漸近，云計(jì)算也不再***，需要有新技術(shù)來彌補(bǔ)缺口。此時，邊緣計(jì)算本地化、邊緣化的特性恰恰彌補(bǔ)了這些短板。

以智能家居場景為例?；谶吘売?jì)算，當(dāng)用戶發(fā)出指令，相關(guān)原始數(shù)據(jù)不必再上傳云端進(jìn)行處理，具備計(jì)算能力的設(shè)備端完全能夠自行處理，并實(shí)時反饋。簡單來說，云計(jì)算處理的是那些非實(shí)時、長周期數(shù)據(jù)的大數(shù)據(jù)分析，而邊緣計(jì)算更適合本地業(yè)務(wù)的數(shù)據(jù)實(shí)時處理與執(zhí)行。

值得注意的是，邊緣計(jì)算出現(xiàn)之后，諸如網(wǎng)關(guān)、自動駕駛汽車、機(jī)器人等邊緣節(jié)點(diǎn)能夠在本地實(shí)時采集和處理數(shù)據(jù)，并針對指令給出反饋，這是不是就可以看作是終端計(jì)算?

其實(shí)不然，“終端計(jì)算”意味著終端要自己負(fù)責(zé)所有的計(jì)算，就像云計(jì)算出現(xiàn)之前的計(jì)算機(jī)，不管是數(shù)據(jù)的采集、計(jì)算、輸出和存儲，均由計(jì)算機(jī)在本地設(shè)備內(nèi)一手操作。

邊緣計(jì)算，不會取代也離不開云計(jì)算

據(jù)IDC的數(shù)據(jù)顯示，到2020年，將有超過500億的終端和設(shè)備接入網(wǎng)絡(luò)，而這些設(shè)備中有超過半數(shù)的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與儲存，整個邊緣計(jì)算的市場將會超過萬億級別，市場體量不可小覷。

目前，在邊緣計(jì)算這一塊，主要有4類玩家，分別是運(yùn)營商、設(shè)備商、云服務(wù)商和CDN服務(wù)商。

運(yùn)營商：主要在移動邊緣計(jì)算市場進(jìn)行部署，在移動網(wǎng)邊緣提供提服務(wù)環(huán)境和云計(jì)算能力。他們或是利用移動邊緣計(jì)算進(jìn)行內(nèi)容本地分流業(yè)務(wù)，或是將業(yè)務(wù)處理下沉到最貼近用戶的基站進(jìn)行邊緣數(shù)據(jù)處理等等。

設(shè)備商：在打法上主要以“硬件”為主，***有代表性的就是各類芯片。將計(jì)算、存儲等功能從云端搬到芯片的計(jì)算單元中。比如AI芯片，對于一些指令，系統(tǒng)不必再將數(shù)據(jù)上傳云端，可以在本地端、設(shè)備端實(shí)時處理并給出反饋，大大節(jié)省了中間的流程。

云服務(wù)商：作為云計(jì)算的助力，云服務(wù)商并沒有放棄邊緣計(jì)算，他們將之視為云計(jì)算的一個延伸，包括亞馬遜、微軟、阿里巴巴等巨頭企業(yè)均已有所布局。比如微軟，其于去年推出了混合云解決方案Azure Stack，將云端能力融入終端，讓數(shù)據(jù)在本地實(shí)現(xiàn)處理，然后進(jìn)行聚合分析與決策，可以看作是在邊緣設(shè)備設(shè)置了一個“微型云”。

CDN服務(wù)商：CDN是構(gòu)建在網(wǎng)絡(luò)之上的內(nèi)容分發(fā)網(wǎng)絡(luò)，依靠部署在各地的邊緣服務(wù)器，讓用戶更快獲取內(nèi)容等等，其天生就有著“邊緣屬性”。眼下，智能化需求推動其向邊緣計(jì)算靠攏，只需經(jīng)過改造，其原有的節(jié)點(diǎn)就可升級為具備計(jì)算、存儲、傳輸、安全功能的邊緣計(jì)算節(jié)點(diǎn)。

從以上派別來看，在邊緣計(jì)算的部署上，主要分為“軟件”和“硬件”兩大類。AI芯片創(chuàng)企異構(gòu)智能中國區(qū)總裁周斌表示，這其中的“邊緣計(jì)算”是有所不同。在芯片端，“這里更多的是在邊緣自主的完成計(jì)算任務(wù)，不需要云端的參與。”或者說，這里的“邊緣計(jì)算”并不能看作是云計(jì)算的延伸，而是獨(dú)立存在的。

但是，不管是哪一類，其最終應(yīng)用和落地，皆離不開云計(jì)算。

邊緣計(jì)算為什么會興起?因?yàn)閿?shù)據(jù)太多了，云計(jì)算處理不過來，所以要分開處理。這時候，分布在各個節(jié)點(diǎn)的邊緣計(jì)算將負(fù)責(zé)自己范圍內(nèi)的數(shù)據(jù)計(jì)算和存儲工作。而對于應(yīng)用場景來說，這還遠(yuǎn)遠(yuǎn)不夠。

以自動駕駛為例，地平線機(jī)器人創(chuàng)始人兼CEO余凱稱，未來的計(jì)算模式是邊緣跟中央結(jié)合，邊緣側(cè)的自動駕駛專用芯片會感知傳感器數(shù)據(jù)并立刻處理、做決策，同時，這些處理之后的數(shù)據(jù)，也會在云端匯聚，進(jìn)行大數(shù)據(jù)分析、模型搭建和編輯，同時做大規(guī)模的仿真。在其看來，算法+芯片+云計(jì)算，構(gòu)成了未來自動駕駛的三大核心支點(diǎn)。

比如物聯(lián)網(wǎng)，以阿里云發(fā)布的邊緣計(jì)算產(chǎn)品Link Edge為例。的確，通過賦予家庭網(wǎng)關(guān)計(jì)算能力，即便是斷網(wǎng)，諸如生物識別門鎖、機(jī)器人等都能正常運(yùn)作。但是，如果加上云，基于以往云端的大數(shù)據(jù)分析和判斷，在聯(lián)動的前提下，整個家庭場景的智能設(shè)備將變得更為個性化，譬如關(guān)上門的時候，掃地機(jī)器人就開始運(yùn)作等等。

可以看到，在這里，提供邊緣計(jì)算算力的芯片主要在前端，負(fù)責(zé)數(shù)據(jù)的實(shí)時采集和計(jì)算。但是，在數(shù)據(jù)如“石油”的智能化時代，這些數(shù)據(jù)并不是一次性數(shù)據(jù)，那些經(jīng)過處理的數(shù)據(jù)需要在系統(tǒng)中進(jìn)行留存，以做算法訓(xùn)練、數(shù)據(jù)驗(yàn)證等用。

這時候就需要一個大容量的“容器”，而這個是邊緣計(jì)算所沒有的。在這個容器中，這些數(shù)據(jù)將被用于AI算法訓(xùn)練、用戶個性化功能塑造等等，這些都是非實(shí)時需求，之后再傳輸給終端設(shè)備，從而進(jìn)一步提升服務(wù)質(zhì)量。

“AI邊緣計(jì)算可在前端實(shí)現(xiàn)圖像識別、特征值提取和識別比對，不受帶寬影響，自成體系，可快速反應(yīng)。云計(jì)算做大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時進(jìn)行算法模型的訓(xùn)練和升級， 升級后的算法推送到前端，完成自主學(xué)習(xí)閉環(huán)。”云天勵飛研發(fā)副總兼芯片團(tuán)隊(duì)負(fù)責(zé)人李愛軍稱。

同時，這些數(shù)據(jù)也有“備份”的需要，當(dāng)邊緣計(jì)算過程中出現(xiàn)意外情況，這些數(shù)據(jù)也不會丟失。

另外，邊緣計(jì)算解決了“算力”問題，但解決不了“內(nèi)容”，這方面需要“云計(jì)算”來提供幫助。當(dāng)用戶向設(shè)備發(fā)出一個指令，要求邊緣計(jì)算使得設(shè)備能夠?qū)崟r“了解”用戶表達(dá)的內(nèi)容以及目的，在這之后，諸如音樂播放、訂票等服務(wù)等指令的執(zhí)行，均需要云服務(wù)的介入，這些是邊緣計(jì)算所不能提供的。

雖然在某些場景下，邊緣計(jì)算本身是獨(dú)立的、不需要云計(jì)算介入的。但是，從整體來看，它并不能代替云計(jì)算，也離不開云計(jì)算。未來，邊緣計(jì)算將與云計(jì)算形成一種互補(bǔ)、協(xié)同的關(guān)系，屆時，邊緣計(jì)算將主要負(fù)責(zé)那些實(shí)時、短周期數(shù)據(jù)的處理，負(fù)責(zé)本地業(yè)務(wù)的實(shí)時處理與執(zhí)行，而云計(jì)算將負(fù)責(zé)非實(shí)時、長周期數(shù)據(jù)的處理。簡單說來，邊緣計(jì)算將注重局部，而云計(jì)算關(guān)注整體。