寫在前面：不久前 CBinsights 發(fā)布了一份邊緣計算報告。我做了一些編譯和整理，加入了一些行業(yè)新動態(tài)，同時也有一些我的思考。

邊緣計算出現(xiàn)的背景

過去這么多年，科技行業(yè)里一直有個詞很流行，這就是「大數(shù)據(jù)」。在英文世界，關(guān)于大數(shù)據(jù)「big data」也有一個惡俗但也不失精準(zhǔn)的比喻：

big data is like teenage sex;everyone talks about itnobody really knows how to do iteveryone thinks everyone else it doing it,so everyone claims they are doing it…

從技術(shù)發(fā)展的角度去看，這段調(diào)侃的核心還是對如何處理大數(shù)據(jù)的不解和困惑。事實上，當(dāng) 2006 年亞馬遜推出第一個云服務(wù)的時候，整個世界還沒有被數(shù)據(jù)包圍。一年后，iPhone 的出現(xiàn)以及隨后 Android 手機「集團軍」的崛起，數(shù)據(jù)被這些移動設(shè)備大批次地生產(chǎn)出來，緊接著，IoT、聯(lián)網(wǎng)汽車以及智能音箱等消費市場的產(chǎn)品，當(dāng)然還有不同垂直領(lǐng)域里的工業(yè)級應(yīng)用，都成為更多元化的數(shù)據(jù)生成器。

這些海量的數(shù)據(jù)被不斷生產(chǎn)出來，然后不同的公司、開發(fā)者再經(jīng)過或簡單或復(fù)雜的過程將數(shù)據(jù)搬運到公有云的數(shù)據(jù)倉庫之中，接下來，這些公司和開發(fā)者則使用云服務(wù)商——亞馬遜、微軟、阿里云、Google——提供的各種數(shù)據(jù)分析、挖掘工具，從中找出「insight」。

某種意義上說，移動互聯(lián)網(wǎng)加速了大數(shù)據(jù)進程，而大數(shù)據(jù)又推動了云計算的發(fā)展，過去十年的科技發(fā)展史，移動互聯(lián)網(wǎng)、大數(shù)據(jù)以及云計算共同寫下了濃墨重彩的一筆。

在 CBinsights 的數(shù)據(jù)庫里，2019 年全球 IoT 市場預(yù)計達到 17000 億美元，這個巨大的市場規(guī)模也意味著將有海量的數(shù)據(jù)需要處理，也進一步刺激了云計算公司的發(fā)展，下圖是關(guān)于云計算的新聞熱度。

更進一步，云計算公司，尤其是主打公有云的公司，也進入到發(fā)展的快車道，下圖是美國三大公有云公司過去兩年客戶增長狀況。

但隨著數(shù)據(jù)量的繼續(xù)增加以及數(shù)據(jù)處理多樣化的要求，基于云端的大數(shù)據(jù)處理面臨諸多挑戰(zhàn)。

以當(dāng)下火熱的自動駕駛汽車為例，從產(chǎn)品形態(tài)上看，自動駕駛汽車更像是一個「移動數(shù)據(jù)中心」。由于配備了非常多的傳感器，汽車隨時隨地都在感知周圍環(huán)境，從而源源不斷地產(chǎn)生數(shù)據(jù)。汽車需要將這些數(shù)據(jù)實時處理，形成汽車行駛過程的指令。

比如當(dāng)汽車感知到右側(cè)有車流匯入時，就需要實時計算出車速、車距（包括與右側(cè)、左側(cè)、前、后），進而下達指令，或是減速，或是并道，這一系列復(fù)雜的計算過程必須實時而且還需要低延時。此時，如果數(shù)據(jù)在云端服務(wù)器處理，那么數(shù)據(jù)傳輸過程中的任何的延時都可能導(dǎo)致一場車禍的發(fā)生。

類似這樣的數(shù)據(jù)處理需求正在變得越來越多，比如普通人類個體每天產(chǎn)生的數(shù)據(jù)量也以驚人的速度增長。預(yù)計到 2020 年，普通人每天平均產(chǎn)生 1.5GB 的數(shù)據(jù)，這些數(shù)據(jù)可能來自于智能手表、手環(huán)收集的運動數(shù)據(jù)，也可能來自智能手機收集的交通數(shù)據(jù)以及你瀏覽網(wǎng)頁、社交媒體等產(chǎn)生的 Cookie 數(shù)據(jù)等等。

新的數(shù)據(jù)需求也催生了新的技術(shù)/商業(yè)模式，這便是最近一兩年來「邊緣計算（Edge computing ）」所產(chǎn)生的大背景。

邊緣計算的優(yōu)勢

在邊緣計算的發(fā)展過程中，還有一個概念值得注意，這就是所謂「霧計算（fog computing）」。

這兩個概念有容易混淆。「霧計算」更強調(diào)在設(shè)備的網(wǎng)關(guān)里處理數(shù)據(jù)，數(shù)據(jù)被「霧計算」收集到設(shè)備的網(wǎng)關(guān)，進而處理、存儲，并將處理后的數(shù)據(jù)發(fā)揮需要數(shù)據(jù)的設(shè)備中。

而邊緣計算更強調(diào)「邊緣」，也就是更靠近數(shù)據(jù)生成的設(shè)備端，「霧計算」則介于云計算和邊緣計算之間。

這也意味著，邊緣計算有著諸多「先天優(yōu)勢」，其一，更實時、更快速的數(shù)據(jù)處理能力。由于減少了中間傳輸?shù)倪^程，數(shù)據(jù)處理的速度也更快。

其二，成本更低。邊緣計算處理的數(shù)據(jù)是「小數(shù)據(jù)」，從數(shù)據(jù)計算、存儲上都具有成本優(yōu)勢。

其三，更低的網(wǎng)絡(luò)帶寬需求。隨著聯(lián)網(wǎng)設(shè)備的增多，網(wǎng)絡(luò)傳輸壓力會越來越大，而邊緣計算的過程中，與云端服務(wù)器的數(shù)據(jù)交換并不多，因此也不需要占用太多網(wǎng)絡(luò)帶寬；

第四，提升應(yīng)用程序的效率。結(jié)合上面的三個優(yōu)勢來看，當(dāng)數(shù)據(jù)處理更快、網(wǎng)絡(luò)傳輸壓力更小、成本也更低的時候，應(yīng)用程序的效率也會大大提升。

第五，邊緣計算讓數(shù)據(jù)隱私保護變得更具操作性，這在今年 5 月歐盟通過史上最嚴(yán)格的數(shù)據(jù)保護法律之后意義重大。由于數(shù)據(jù)的收集和計算都是基于本地，數(shù)據(jù)也不再被傳輸?shù)皆贫?#xff0c;因此重要的敏感信息可以不經(jīng)過網(wǎng)絡(luò)傳輸，能夠有效避免傳輸過程中的泄漏。

邊緣計算的玩家們

下圖里，你會發(fā)現(xiàn)邊緣計算的新聞關(guān)注度從 2017 年開始變得越來越高。

邊緣計算的幾個重要玩家也是公有云的巨頭，亞馬遜、微軟、Google 先后有自己的布局。

亞馬遜在 2017 年推出了 AWS Greengrass，這是一個可以將亞馬遜 AWS 服務(wù)部署到終端設(shè)備的產(chǎn)品。官方稱，通過 Greengrass，可以實現(xiàn)本地數(shù)據(jù)收集、處理，同時云端還可以繼續(xù)管理數(shù)據(jù)。

微軟在 2018 年 Build 大會上將邊緣計算作為一個重中之重，我曾在 5 月的會員通訊里作出過分析：

……微軟的野心是希望通過構(gòu)建一個「云—端」的協(xié)同產(chǎn)品通道，將人工智能的各項能力輸出到各個產(chǎn)品中，比如今年的主旨就是邊緣計算。為此，微軟在邊緣計算領(lǐng)域持續(xù)發(fā)力。開源了 Azure IoT Edge Runtime，這是一個連接云和物聯(lián)網(wǎng)設(shè)備的開發(fā)框架。開發(fā)者通過這個框架可以直接在設(shè)備端開發(fā)擁有機器學(xué)習(xí)能力的應(yīng)用，比如第一批合作伙伴里的大疆，就利用這個框架實現(xiàn)無人機本地的圖像識別功能。同時，微軟還將高通拉入自己的陣營，合作的主旨也是視覺領(lǐng)域的邊緣計算，快速構(gòu)建移動終端設(shè)備上的圖像處理能力……

Google 則在今年 Google Cloud Next 大會期間發(fā)布了兩個產(chǎn)品：云端芯片 Edge TPU（硬件）和軟件工具 Cloud IoT Edge（軟件）。Google Cloud 官方這樣介紹兩個產(chǎn)品：

Cloud IoT Edge extends Google Cloud’s powerful data processing and machine learning to billions of edge devices, such as robotic arms, wind turbines, and oil rigs, so they can act on the data from their sensors in real time and predict outcomes locally……

除此之外，還有很多科技巨頭加入到邊緣計算的賽場。比如惠普企業(yè)（Hewlett Packard Enterprise）就表示將在未來四年投資 40 億美元用于邊緣計算。惠普企業(yè)的邊緣計算產(chǎn)品名叫「Edgeline Converged Edge Systems」，其主要客戶群體是工業(yè)領(lǐng)域，比如油田、煤礦等，這些特定行業(yè)的工作環(huán)境里，無法滿足云端數(shù)據(jù)的處理條件，因此邊緣計算就成為一個重要需求。

今年 4 月的云棲大會深圳峰會上，阿里云掌舵者胡曉明代表阿里巴巴宣布進軍物聯(lián)網(wǎng)，并將物聯(lián)網(wǎng)作為電商、金融、物流、云計算之后的「新賽道」。

戰(zhàn)略層面，胡曉明提了一個「小目標(biāo)」，阿里云計劃在未來 5 年內(nèi)連接 100 億臺設(shè)備。而在戰(zhàn)術(shù)上，阿里希望「打通云、邊、端，整合包括物聯(lián)網(wǎng)操作系統(tǒng) AliOS Things、IoT 邊緣計算產(chǎn)品、通用物聯(lián)網(wǎng)平臺，實現(xiàn)物的實時決策和自主協(xié)作。」

不過，阿里巴巴在國內(nèi)將面臨華為的巨大壓力，在阿里巴巴發(fā)布物聯(lián)網(wǎng)計劃之后，華為的發(fā)布了一個意味深長的圖片。

邊緣計算的應(yīng)用場景

微軟 CTO Kevin Scott 曾坦言，邊緣計算還處在相對早期階段。但透過這段時間內(nèi)的場景落地狀況，我們也可能窺見邊緣計算的潛力。

如上文所言，自動駕駛成為邊緣計算領(lǐng)域重要的行業(yè)應(yīng)用，下圖是英特爾對于自動駕駛汽車上的「數(shù)據(jù)洪流」的描述。

不過，當(dāng)下自動駕駛也處在早期階段，車聯(lián)網(wǎng)或者聯(lián)網(wǎng)汽車則是汽車領(lǐng)域可以馬上落地的場景。

在國內(nèi)，不管是阿里旗下的斑馬網(wǎng)絡(luò)還是百度的小度車載，都在將汽車變成一種「移動的數(shù)據(jù)中心」，只是相對于自動駕駛，聯(lián)網(wǎng)汽車的數(shù)據(jù)量和處理要求要簡單很多。即便如此，由于汽車的數(shù)據(jù)處理不能出現(xiàn)任何的卡頓和延遲，這也就需要在汽車?yán)锊渴饠?shù)據(jù)處理能力。

另一個應(yīng)用場景則是醫(yī)療。前幾年風(fēng)靡一時的所謂智能手環(huán)，本質(zhì)上就是一個數(shù)據(jù)采集器，但是由于需要和云端服務(wù)器進行數(shù)據(jù)交換，使得整個手環(huán)的「智商」幾乎為零。

隨著蘋果發(fā)布 Apple Watch 所帶來的新穿戴設(shè)備潮流，這些邊緣設(shè)備也終于開始擁有了自己的芯片，并能實現(xiàn)一些簡單的計算。醫(yī)生也可以通過這些計算結(jié)果作出一些簡單診斷。

更進一步，在美國，醫(yī)療領(lǐng)域的本地數(shù)據(jù)非常多樣化，比如醫(yī)院的病床可以和 20 多個設(shè)備連接，這些數(shù)據(jù)被收集、清洗、挖掘之后，可以幫助醫(yī)生更好地了解病人的身體狀況。

工業(yè)領(lǐng)域，邊緣計算也正在發(fā)揮越來越重要的作用。從工業(yè)發(fā)展的方向來看，數(shù)據(jù)將成為驅(qū)動生產(chǎn)制造的重要生產(chǎn)資料，那么如何處理這些海量、實時產(chǎn)生的數(shù)據(jù)就成為企業(yè)能否快速發(fā)展的重要課題。

以流程型生產(chǎn)為例，一條生產(chǎn)線其實就是數(shù)據(jù)流動的通道，產(chǎn)品從上一名工人傳遞到下一個工人，同時伴隨著產(chǎn)品數(shù)據(jù)的傳遞。在這個過程中，如果由于某一名工人錯誤操作的導(dǎo)致了數(shù)據(jù)異常，在下一名工人開始操作時，基于邊緣計算的生產(chǎn)線可以做出預(yù)警提示。如果再進一步，當(dāng)機器學(xué)習(xí)能力被邊緣計算融入到生產(chǎn)線的時候，工人的不合規(guī)操作可以被實時監(jiān)測出來并預(yù)警，這對提升產(chǎn)品的良品率意義重大。

尾巴：邊緣計算不是云計算的替代品

前面談了這么多邊緣計算的優(yōu)勢和應(yīng)用場景，并不是要證明邊緣計算可以替代云計算，兩者沒有誰好誰壞，更應(yīng)該具體到不同設(shè)備、不同應(yīng)用以及不同場景里，看看到底誰更合適。

兩年前，利用基于云端的卷積神經(jīng)網(wǎng)絡(luò)算法，一款名叫「Prisma」迅速竄紅，用戶只要將自己拍攝的照片交給這個 App，就會得到一張可媲美歷史名畫的「藝術(shù)照片」。這款應(yīng)用雖然得到全球用戶的青睞，但是由于該應(yīng)用的處理流程，要求每張圖片都要上傳到云端服務(wù)器，通過云端的卷積神經(jīng)網(wǎng)絡(luò)算法來處理這些照片，因此用戶體驗非常差。

這便是一個典型需要邊緣計算的場景，而當(dāng) 2017 年，包括華為、蘋果都在新一代智能手機芯片中加入 NPU（神經(jīng)網(wǎng)絡(luò)處理單元）之后，也賦予了智能手機全新的邊緣計算處理能力，華為 P20 Pro 的逆天夜拍效果，除了硬件堆積之外，處理器的 NPU 也發(fā)揮了不小的作用，去年蘋果推動的 AR 應(yīng)用（游戲）開發(fā)熱潮，其底層的技術(shù)支撐就是 iPhone 擁有了可以在邊緣處理實時、海量數(shù)據(jù)的能力。

從智能手機到可穿戴設(shè)備，從醫(yī)療到汽車以及工業(yè)制造，邊緣計算正在上演一個又一個行業(yè)傳奇，它的落腳點是要讓終端成為更智慧的存在——能夠?qū)崟r處理數(shù)據(jù)、能夠低延時做出反饋——這不就是我們期待中的智能設(shè)備嗎？

總結(jié)

以上是生活随笔為你收集整理的详解边缘计算：为何而起、优势如何、哪些玩家以及正在爆发的场景的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。