河套IT TALK 82: (原創(chuàng)) 解鎖邊緣的力量：邊緣計算的崛起和未來（萬字長文）

當(dāng)我們談?wù)撚嬎銠C(jī)技術(shù)的未來時，不可避免地會提到“云計算”。它已成為我們?nèi)粘Ｉ詈蜕虡I(yè)活動中必不可少的一部分，大大改變了我們處理數(shù)據(jù)和進(jìn)行業(yè)務(wù)的方式。但是，如今的世界需要更快、更可靠、更靈活的解決方案。邊緣計算便是應(yīng)運而生，它將計算和存儲能力移動到更接近數(shù)據(jù)源的地方，為我們帶來更高效的計算和更快速的響應(yīng)時間。它正在改變我們的世界，讓我們一起走進(jìn)邊緣計算的時代。

我們現(xiàn)在經(jīng)常聽到邊緣計算的概念，那么到底什么是邊緣呢？邊緣一定是針對云（中心化）而言的概念。嚴(yán)格從架構(gòu)上區(qū)分，應(yīng)該有三種類型的架構(gòu)：

邊緣架構(gòu)是將計算、存儲和分析任務(wù)放置在物理位置接近數(shù)據(jù)源和用戶的邊緣設(shè)備上，例如路由器、傳感器、攝像頭等。這樣可以避免數(shù)據(jù)傳輸?shù)难舆t和成本，并提高數(shù)據(jù)隱私和安全性。

中心化架構(gòu)（又稱為云架構(gòu)）是將計算、存儲任務(wù)集中在一些大型的數(shù)據(jù)中心中進(jìn)行處理，例如云計算和傳統(tǒng)的數(shù)據(jù)中心。它可以提供更強(qiáng)大的計算能力、更高的存儲容量和更靈活的資源管理，但是也存在數(shù)據(jù)傳輸延遲和安全性等問題。

霧網(wǎng)絡(luò)則是介于云和邊緣之間的一種架構(gòu)，它是在邊緣設(shè)備和云計算中心之間建立一層中間的計算平臺，通常霧計算部署在網(wǎng)絡(luò)邊緣層，可理解為本地化的云計算，既可以在邊緣設(shè)備上執(zhí)行一些簡單的任務(wù)，也可以在云計算中心執(zhí)行更復(fù)雜的計算任務(wù)。有有些技術(shù)中，霧網(wǎng)絡(luò)或者霧計算，也被歸為邊緣計算的范疇。實際上，霧計算（Fog Computing）是云計算的延伸概念。相比“云”的縹緲，“霧”更接近地面，且由性能較弱的、更分散的各類功能計算機(jī)組成，滲入工廠、汽車、電器、街燈及我們物質(zhì)生活中的各類用品。這個概念最初起自美國紐約哥倫比亞大學(xué)的Prof. Stolfo教授起，只不過當(dāng)時的意圖是利用“霧”來阻擋黑客入侵，后來思科進(jìn)行了理論性發(fā)展。所以，可以將霧計算理解為本地化的云計算。

"邊緣"出現(xiàn)的本質(zhì)是在互聯(lián)網(wǎng)傳輸能力和計算能力、存儲能力的一種平衡。如果對傳輸時延敏感，需要實時響應(yīng)、而對本地部署設(shè)備成本不敏感的，可以采用邊緣架構(gòu)。而如果計算復(fù)雜、大容量存儲，需要大量數(shù)據(jù)分析和處理的需求使得本地化部署的成本高昂，就會采用云架構(gòu)。

經(jīng)常用到邊緣這個詞兒的，不只是邊緣計算，還有邊緣存儲，邊緣智能等等。它們都是指在離用戶或設(shè)備更接近的位置進(jìn)行數(shù)據(jù)處理、存儲和分析的計算模式，以提高計算效率和降低延遲。那么邊緣計算，邊緣存儲，邊緣智能之間有什么區(qū)別呢？

• 邊緣計算：指在網(wǎng)絡(luò)邊緣設(shè)備上執(zhí)行計算任務(wù)，例如在智能手機(jī)、傳感器和工業(yè)機(jī)器人等設(shè)備上執(zhí)行計算任務(wù)，以降低網(wǎng)絡(luò)延遲和數(shù)據(jù)傳輸成本。邊緣計算旨在提高應(yīng)用程序的響應(yīng)速度和可靠性，并減少與云計算相關(guān)的數(shù)據(jù)傳輸延遲和帶寬成本。

• 邊緣存儲：指在邊緣設(shè)備或網(wǎng)絡(luò)邊緣存儲數(shù)據(jù)。這樣，數(shù)據(jù)可以更快地被訪問，并減少了數(shù)據(jù)傳輸延遲。邊緣存儲可以是在設(shè)備上的本地存儲，也可以是在設(shè)備附近的分布式存儲設(shè)備。

• 邊緣智能：指在邊緣設(shè)備或網(wǎng)絡(luò)邊緣進(jìn)行的人工智能任務(wù)，例如圖像和語音識別。邊緣智能旨在減少與云計算相關(guān)的網(wǎng)絡(luò)延遲和數(shù)據(jù)傳輸成本，并提高計算效率和隱私性。

所以他們的區(qū)別就在于執(zhí)行任務(wù)的類型。

有人把邊緣計算、中心計算和人類的神經(jīng)系統(tǒng)來進(jìn)行類比。就像人類的神經(jīng)系統(tǒng)一樣，邊緣計算也是由一系列分布在不同位置的節(jié)點組成，這些節(jié)點可以像神經(jīng)元一樣相互連接，形成一個分布式的網(wǎng)絡(luò)。同時，這些節(jié)點都有一定的計算能力和存儲能力，可以完成一些簡單的計算任務(wù)，也可以將數(shù)據(jù)傳輸?shù)狡渌?jié)點進(jìn)行更加復(fù)雜的處理。類比于人類神經(jīng)系統(tǒng)中的神經(jīng)元，這些節(jié)點就像邊緣計算網(wǎng)絡(luò)中的基本單元。人的神經(jīng)系統(tǒng)包括中樞神經(jīng)系統(tǒng)和周圍神經(jīng)系統(tǒng)。周圍神經(jīng)系統(tǒng)負(fù)責(zé)傳遞信息，包括感覺信息和運動指令，而中樞神經(jīng)系統(tǒng)則負(fù)責(zé)信息處理和決策。在進(jìn)行簡單任務(wù)時，例如觸摸燙手的物品，信息會通過周圍神經(jīng)系統(tǒng)傳遞到脊髓，并且在脊髓水平進(jìn)行簡單的計算和處理，例如快速撤回手部。這個過程稱為反射。這種反射是自動的，不需要經(jīng)過大腦的高級處理，因此反應(yīng)速度很快。當(dāng)任務(wù)更復(fù)雜時，例如需要較高級別的決策，信息會被傳遞到大腦的皮層進(jìn)行更深層次的處理和分析。在這種情況下，反應(yīng)速度會相對較慢，因為需要經(jīng)過更多的計算和決策過程?？梢哉f邊緣計算是一種更簡單、更快速的反應(yīng)機(jī)制，類似于人類神經(jīng)系統(tǒng)的條件反射。而云計算則更類似于復(fù)雜的認(rèn)知推理，需要更多的時間和計算資源來完成復(fù)雜的任務(wù)。

根據(jù)Gartner的數(shù)據(jù)，預(yù)計到2025年，75%的數(shù)據(jù)將在傳統(tǒng)數(shù)據(jù)中心或云環(huán)境之外進(jìn)行處理。邊緣計算發(fā)展勢如破竹，高歌猛進(jìn)，一定是有其重要原因的：

2.1降低延遲，提升速度

這個優(yōu)點是顯而易見的，因為邊緣設(shè)備更接近數(shù)據(jù)源，可以直接處理數(shù)據(jù)并返回結(jié)果，而不需要將數(shù)據(jù)傳輸?shù)皆贫诉M(jìn)行處理。隨著網(wǎng)絡(luò)邊緣側(cè)設(shè)備的迅速增加，設(shè)備產(chǎn)生的數(shù)據(jù)存量達(dá)到澤字節(jié)的級別，從網(wǎng)絡(luò)邊緣設(shè)備傳輸傳輸海量數(shù)據(jù)到云數(shù)據(jù)中心致使網(wǎng)絡(luò)傳輸寬帶的負(fù)載量急劇增加造成較長的網(wǎng)絡(luò)延遲，單純的云計算已經(jīng)不足以匹配如此龐大規(guī)模數(shù)據(jù)量的即時計算。而網(wǎng)絡(luò)擁塞經(jīng)常發(fā)生的都是骨干網(wǎng)上，所以對實時響應(yīng)和低延遲的業(yè)務(wù)和應(yīng)用場景，比如智能駕駛、智能制造、智能醫(yī)療、虛擬現(xiàn)實和安防等領(lǐng)域，邊緣計算可以把延遲降低到毫秒級別，從而可以實現(xiàn)更加實時和高效的數(shù)據(jù)處理和決策。

2.2 數(shù)據(jù)安全性

盡管云計算和中心計算也會考慮數(shù)據(jù)安全和防護(hù)的問題，但是有一個基本道理：畢竟數(shù)據(jù)傳輸?shù)木嚯x越遠(yuǎn)、路徑越長、數(shù)據(jù)穿過的網(wǎng)元數(shù)量越多，時間越久，數(shù)據(jù)的被竊取風(fēng)險和丟失風(fēng)險也就越高。在很多場景中，數(shù)據(jù)源的數(shù)據(jù)對安全性有很高的要求，而云計算要嚴(yán)重依賴于大型計算中心的物理位置，可能超出了安全受限的地理范圍。邊緣計算提供了一種從集中式自上而下的基礎(chǔ)架構(gòu)轉(zhuǎn)變?yōu)榉稚⑹叫湃文Ｐ宛I機(jī)制。在邊緣可以采用更為嚴(yán)格或者特殊的加密機(jī)制，將邊緣節(jié)點劃為安全防護(hù)的設(shè)備范圍，通過在邊緣保留和處理數(shù)據(jù)，可以通過最大限度地減少敏感信息向云的傳輸來增加隱私。

2.3 降低網(wǎng)絡(luò)負(fù)載

這個應(yīng)該是邊緣計算帶來的額外好處，因為邊緣計算可以在本地處理一些簡單的任務(wù)，例如數(shù)據(jù)過濾、數(shù)據(jù)聚合等，減少數(shù)據(jù)傳輸?shù)牧亢途W(wǎng)絡(luò)負(fù)載，降低網(wǎng)絡(luò)帶寬的要求。利己的同時也利他，提升了網(wǎng)絡(luò)帶寬的可用性，減少不必要的網(wǎng)絡(luò)傳輸，做到我好，你也好。

2.4 可靠性提升

任何系統(tǒng)的搭建，中間節(jié)點越多，出現(xiàn)故障的概率就越大。邊緣計算在架構(gòu)設(shè)計上就是減少了對云端的依賴，旁路了骨干網(wǎng)或者云端服務(wù)終端和故障對業(yè)務(wù)的影響。邊緣設(shè)備通常具有一定的自主性和獨立性，可以在云端服務(wù)中斷或故障時繼續(xù)進(jìn)行本地處理，從而保證了系統(tǒng)的可用性。

2.5 更靈活的本地化部署

邊緣計算相比于云計算更容易實現(xiàn)本地化的業(yè)務(wù)定制開發(fā)。邊緣計算將計算資源放置在靠近終端設(shè)備的邊緣位置，使得開發(fā)人員可以更方便地利用本地化的資源和數(shù)據(jù)，針對具體的業(yè)務(wù)需求進(jìn)行開發(fā)和定制，從而更好地滿足用戶的個性化需求。

當(dāng)然，上述的優(yōu)點，也不是意味著一定要部署邊緣計算。畢竟，在邊緣計算中，可用的數(shù)據(jù)量可能會受到設(shè)備數(shù)量、網(wǎng)絡(luò)帶寬等因素的限制，這會導(dǎo)致數(shù)據(jù)的樣本數(shù)量相對較小，從而可能影響到數(shù)據(jù)分析和挖掘的精度和效果。可參考的數(shù)據(jù)量還是有限，這就類似于氣泡效應(yīng)或者同溫層效應(yīng)，很難拉通其他同質(zhì)業(yè)務(wù)的其他類似數(shù)據(jù)分析和挖掘。相比之下，云計算具有更大的規(guī)模和更多的數(shù)據(jù)來源，可以為更廣泛的業(yè)務(wù)場景提供更豐富、更準(zhǔn)確的數(shù)據(jù)。這也是云計算的優(yōu)勢之一。

那么現(xiàn)在這個概念這么火，到底是哪些玩家在主推邊緣計算呢？

3.1 云計算玩家

誠然，邊緣計算在市場競爭上會對云計算造成某種程度的市場侵蝕，但是這并不是簡單的零和博弈。云計算和邊緣計算并不是對立的關(guān)系，它們可以相互補(bǔ)充，形成云邊一體的整體解決方案。邊緣計算可以解決云計算中無法處理的延遲和帶寬問題，而云計算則可以提供強(qiáng)大的數(shù)據(jù)處理能力和資源管理能力。因此，很多云計算玩家為了守住原本該有的市場空間，紛紛提出提前布局邊緣計算而避免市場被其他對手蠶食。換句話說就是進(jìn)攻時最好的防御，與其讓其他人動自己的奶酪，還不如主動去動其他人動奶酪，與其被革命，還不如自己先變革。云計算玩家大力推廣邊緣計算，是為了守住既有市場份額基礎(chǔ)上，擴(kuò)大邊緣計算領(lǐng)域的市場，進(jìn)而提供更全面的解決方案，以滿足客戶更加多樣化和復(fù)雜的需求。同時，云計算巨頭也擁有龐大的資源和資金，可以加速邊緣計算技術(shù)的研發(fā)和應(yīng)用，促進(jìn)整個行業(yè)的發(fā)展。所以，我們能看到云計算數(shù)據(jù)中心的玩家包括：谷歌、微軟、IBM、亞馬遜、阿里、騰訊、百度、華為等，都在積極擁抱邊緣計算。

谷歌在邊緣計算領(lǐng)域的一個主要舉措是推出了Edge TPU芯片，這是一種專門用于邊緣設(shè)備的ASIC芯片，用于加速機(jī)器學(xué)習(xí)推理任務(wù)。此外，谷歌還在推出支持TensorFlow Lite的Edge TPU開發(fā)工具包，使得開發(fā)人員可以更方便地將機(jī)器學(xué)習(xí)應(yīng)用程序部署到邊緣設(shè)備上。

微軟的邊緣計算解決方案包括Azure IoT Edge和Azure Stack Edge。Azure IoT Edge是一種在邊緣設(shè)備上運行的計算機(jī)應(yīng)用程序，可幫助開發(fā)人員將分析、人工智能和其他計算能力移到邊緣，以便更快地響應(yīng)數(shù)據(jù)。Azure Stack Edge是一個在邊緣部署Azure服務(wù)的設(shè)備。

IBM在邊緣計算方面的一個主要舉措是推出了Edge Application Manager，這是一個開源的平臺，用于在邊緣設(shè)備上管理、部署和監(jiān)控應(yīng)用程序。IBM還推出了Watson IoT Edge，這是一個邊緣計算解決方案，可幫助企業(yè)將人工智能和分析能力移到邊緣設(shè)備上。

亞馬遜在邊緣計算方面的主要舉措是AWS Greengrass，這是一種在邊緣設(shè)備上運行的計算機(jī)應(yīng)用程序，可幫助開發(fā)人員在邊緣處理設(shè)備數(shù)據(jù)，并以更快的方式響應(yīng)事件。

阿里的邊緣計算解決方案包括Link Edge和Aliyun IoT Edge。Link Edge是一種輕量級的邊緣計算平臺，可幫助企業(yè)將數(shù)據(jù)處理和分析移到邊緣，以便更快地響應(yīng)數(shù)據(jù)。Aliyun IoT Edge是一種在邊緣設(shè)備上運行的計算機(jī)應(yīng)用程序，可幫助企業(yè)實現(xiàn)設(shè)備本地計算和邊緣計算。

騰訊的邊緣計算解決方案包括IoT Hub和Serverless Cloud Function。IoT Hub是一個在邊緣設(shè)備上運行的計算機(jī)應(yīng)用程序，可幫助開發(fā)人員將數(shù)據(jù)處理和分析移到邊緣，以便更快地響應(yīng)數(shù)據(jù)。Serverless Cloud Function是一種在邊緣設(shè)備上運行的計算機(jī)應(yīng)用程序，可幫助企業(yè)實現(xiàn)設(shè)備本地計算和邊緣計算。

華為也是一家大力推廣邊緣計算的公司。早在2017年，華為就提出了“云-邊結(jié)合”戰(zhàn)略，力求為客戶提供全場景智能云服務(wù)。華為的邊緣計算解決方案包括了一系列產(chǎn)品和解決方案，例如華為云邊緣計算引擎（MEC）、Atlas 800邊緣推理服務(wù)器等。

3.2 硬件玩家

作為全球領(lǐng)先的半導(dǎo)體芯片制造商，Intel一直在積極推動邊緣計算的發(fā)展。它推出了Intel NUC（Next Unit of Computing）迷你電腦，為邊緣計算提供了更高效的解決方案。此外，Intel還開發(fā)了邊緣計算協(xié)議（ECPS），旨在為設(shè)備和系統(tǒng)提供統(tǒng)一的邊緣計算標(biāo)準(zhǔn)。此外，Intel還推出了OpenVINO工具包，用于在邊緣設(shè)備上運行深度學(xué)習(xí)應(yīng)用程序，以實現(xiàn)更快的推理速度。

作為另一個重要的半導(dǎo)體芯片制造商，ARM也在積極推動邊緣計算。該公司推出了許多針對嵌入式設(shè)備的芯片和處理器，包括其M系列和R系列芯片。ARM還開發(fā)了Mbed操作系統(tǒng)和Pelion IoT平臺，以支持邊緣設(shè)備的連接和管理。ARM還積極與其他技術(shù)提供商合作，如Microsoft和Amazon Web Services，以在邊緣計算領(lǐng)域推出新的解決方案。

Dell是一家著名的計算機(jī)制造商和技術(shù)服務(wù)提供商，該公司通過其Dell EMC和VMware子公司積極推動邊緣計算。Dell EMC推出了一系列針對邊緣計算的硬件和軟件產(chǎn)品，如VxRail，一個基于Hyperconverged Infrastructure（HCI）的邊緣計算解決方案。VMware推出了vSphere和vSAN等邊緣計算軟件解決方案，以幫助企業(yè)將應(yīng)用程序和數(shù)據(jù)擴(kuò)展到邊緣設(shè)備。

作為網(wǎng)絡(luò)設(shè)備制造商的Cisco，也在積極推動邊緣計算的發(fā)展。該公司推出了一系列邊緣計算解決方案，如Cisco Kinetic，用于管理和分析大量的物聯(lián)網(wǎng)數(shù)據(jù)。Cisco還推出了一系列基于邊緣計算的硬件產(chǎn)品，如路由器、交換機(jī)和服務(wù)器等，以支持物聯(lián)網(wǎng)應(yīng)用程序在邊緣設(shè)備上的部署。

GE早在2015年就推出了邊緣計算平臺“Predix”，該平臺提供實時分析、工作流和機(jī)器學(xué)習(xí)能力，可以用于工業(yè)制造、能源和交通等行業(yè)。GE還與C3.ai合作開發(fā)了一個工業(yè)AI應(yīng)用程序，該程序在邊緣設(shè)備上運行，可在工業(yè)制造和物流中進(jìn)行預(yù)測性維護(hù)和優(yōu)化。

西門子已經(jīng)開始利用邊緣計算來實現(xiàn)其“數(shù)字化工廠”愿景。該公司開發(fā)了名為“邊緣管理器”的工具，可以將數(shù)據(jù)處理和分析功能從云端轉(zhuǎn)移到本地設(shè)備上，從而實現(xiàn)更快的響應(yīng)時間和更好的數(shù)據(jù)隱私保護(hù)。西門子還推出了名為“邊緣應(yīng)用中心”的解決方案，可以在本地設(shè)備上運行各種應(yīng)用程序，例如實時監(jiān)測和控制制造過程。

3.3 CDN玩家

CDN（內(nèi)容分發(fā)技術(shù)的英文縮寫）技術(shù)其實最早應(yīng)用邊緣技術(shù)的。CDN是指在互聯(lián)網(wǎng)中通過在各個網(wǎng)絡(luò)節(jié)點上部署緩存服務(wù)器，并利用這些服務(wù)器緩存原始服務(wù)器上的內(nèi)容，從而加快用戶對于內(nèi)容訪問的速度的一種技術(shù)。CDN 的核心思想就是通過將內(nèi)容盡可能地分發(fā)到最接近用戶的節(jié)點上，減少了用戶和內(nèi)容源之間的距離，從而提高了內(nèi)容訪問的速度和用戶體驗。CDN 技術(shù)的本質(zhì)是將原本在中心化的服務(wù)器上的服務(wù)分散到邊緣節(jié)點上進(jìn)行處理，以此實現(xiàn)更快的響應(yīng)速度和更好的用戶體驗。因此，在一定程度上，CDN 可以被視為邊緣計算的雛形技術(shù)。但和邊緣計算又不太一樣，CDN 更加專注于內(nèi)容分發(fā)，著重解決網(wǎng)絡(luò)延遲和訪問速度的問題；而邊緣計算則更加廣泛，不僅包括了內(nèi)容分發(fā)，還包括了數(shù)據(jù)處理、計算、存儲等方面，更加注重將計算能力盡可能地靠近用戶和設(shè)備，以提供更快的響應(yīng)速度和更好的用戶體驗。

除了亞馬遜云服務(wù)（AWS）的CloudFront和谷歌的Cloud CDN，現(xiàn)在還有一些較小的CDN公司專注于邊緣計算，例如Fastly、Akamai、CloudFlare成、Nuu、Limelight Networks、StackPath等。這些公司利用邊緣節(jié)點提供高速、高可靠性的內(nèi)容分發(fā)服務(wù)，并將計算和存儲資源放置在接近用戶的邊緣位置，以加快內(nèi)容的傳輸速度和響應(yīng)時間。這些CDN公司通過提供具有較低延遲的邊緣計算平臺，幫助企業(yè)加速了他們的數(shù)字轉(zhuǎn)型和業(yè)務(wù)增長。

3.4 移動運營商

移動運營商在搶占邊緣計算市場方面發(fā)揮了重要作用，因為它們擁有廣泛的網(wǎng)絡(luò)基礎(chǔ)設(shè)施和客戶基礎(chǔ)。在競爭激烈的市場中，為了獲得高性能低延遲的服務(wù)，移動運營商紛紛開始部署移動邊緣計算（MEC）。

Verizon：Verizon 5G Edge是該公司的邊緣計算解決方案。它與亞馬遜 AWS、IBM 和 Microsoft 等公司合作，在其網(wǎng)絡(luò)邊緣部署計算、存儲和網(wǎng)絡(luò)服務(wù)，以提供更低的延遲和更高的可靠性，以支持智能制造、自動駕駛車輛、虛擬現(xiàn)實和增強(qiáng)現(xiàn)實等應(yīng)用。

AT&T：AT&T Edge Compute 是該公司的邊緣計算平臺。它與微軟合作，使用 Azure Stack Edge 在網(wǎng)絡(luò)邊緣提供計算和存儲服務(wù)。該公司還與 VMware 合作推出 Multi-access Edge Compute（MEC），以在其無線網(wǎng)絡(luò)邊緣提供計算和存儲服務(wù)。

Deutsche Telekom：Deutsche Telekom 合作伙伴包括 Edge Gravity、MobiledgeX 和 SK Telecom，共同推出了邊緣計算平臺。Edge Gravity 是其子公司 Limelight Networks 的一項邊緣計算服務(wù)，提供邊緣計算和存儲，以便客戶在網(wǎng)絡(luò)邊緣運行應(yīng)用程序。

China Mobile：中國移動通過與華為、中興和 Intel 等公司合作，開發(fā)了其邊緣計算平臺。該平臺使用機(jī)柜級服務(wù)器，可在移動網(wǎng)絡(luò)邊緣提供計算和存儲服務(wù)，以支持大規(guī)模的物聯(lián)網(wǎng)和工業(yè)物聯(lián)網(wǎng)應(yīng)用。

除了上述提及的一些，還有很多專業(yè)領(lǐng)域都在邊緣計算有投入，還有一些創(chuàng)業(yè)公司和初創(chuàng)企業(yè)也在開發(fā)各種邊緣計算技術(shù)和應(yīng)用。總的來說，邊緣計算的推動者非常多樣化。如果用上生機(jī)勃勃這樣的詞匯毫不過分。

以上談的都是生態(tài)和好處，那么邊緣計算有什么關(guān)鍵技術(shù)嗎？接下來智愿君來聊一些邊緣計算的熱點技術(shù)話題。

邊緣計算下沉到什么層級是合理的？

部署邊緣計算并不是拍腦袋的事情，往往需要綜合的考量。拿5G的移動邊緣計算（MEC）來說，下沉到什么位置，需要考慮多方面因素，主要包括以下幾個原則：

• 服務(wù)質(zhì)量需求：需要根據(jù)不同的應(yīng)用場景和業(yè)務(wù)需求，綜合考慮服務(wù)的質(zhì)量需求，如時延、可靠性、吞吐量等因素，選擇合適的位置。

• 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)：需要根據(jù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，包括核心網(wǎng)、邊緣網(wǎng)、無線接入網(wǎng)等，結(jié)合MEC的位置、網(wǎng)絡(luò)資源、網(wǎng)絡(luò)拓?fù)涞纫蛩?，做出合理的部署決策。

• 成本和效益：MEC的部署位置和規(guī)模需要考慮成本和效益之間的平衡，不同位置和規(guī)模的部署可能會帶來不同的成本和效益，需要根據(jù)實際情況綜合考慮。

• 安全和隱私：MEC的部署需要考慮安全和隱私問題，如保護(hù)用戶隱私、防范網(wǎng)絡(luò)攻擊等，需要選擇合適的位置和安全策略。

在考慮以上原則的前提下，有幾個部署位置的選擇：

• 放在DU（分布式單元）中：DU是5G架構(gòu)中的基礎(chǔ)組件之一，屬于網(wǎng)絡(luò)邊緣層（Edge Layer）設(shè)備，主要負(fù)責(zé)無線資源管理和用戶數(shù)據(jù)傳輸。將邊緣計算放在DU中可以減少時延和網(wǎng)絡(luò)擁塞，適合于需要低時延和高帶寬的應(yīng)用場景，比如AR/VR、自動駕駛等。

• 放在CU（中央單元）中：CU是5G架構(gòu)中的核心組件之一，屬于網(wǎng)絡(luò)中心層（Core Layer）設(shè)備，主要負(fù)責(zé)無線接入和用戶控制，可以對網(wǎng)絡(luò)資源進(jìn)行動態(tài)調(diào)度和優(yōu)化。將邊緣計算放在CU中可以提高網(wǎng)絡(luò)的智能化程度，適合于需要智能決策和調(diào)度的應(yīng)用場景，比如物聯(lián)網(wǎng)、智能制造等。

• 放在核心網(wǎng)中：核心網(wǎng)也屬于網(wǎng)絡(luò)中心層（Core Layer）設(shè)備，將邊緣計算放在核心網(wǎng)中可以實現(xiàn)數(shù)據(jù)的全局調(diào)度和管理，適合于需要全局?jǐn)?shù)據(jù)協(xié)同和管理的應(yīng)用場景，比如金融、醫(yī)療等。

MEC的部署位置可以根據(jù)具體的業(yè)務(wù)需求和實際情況靈活選擇，可以部署在DU、CU或者核心網(wǎng)等位置，也可以通過多層次的部署方式，不同層次的節(jié)點可以相互協(xié)同，形成一個完整的邊緣計算網(wǎng)絡(luò)。根據(jù)不同的應(yīng)用場景和需求，可以選擇不同的部署方式和層次，以滿足不同的性能和效率要求。

當(dāng)面臨邊緣計算，云計算和霧計算的選擇的時候，如何平衡？

邊緣計算可以采用一級或多級設(shè)置，這取決于應(yīng)用程序的需求和網(wǎng)絡(luò)拓?fù)?。在采用邊緣計算的前提下，仍可以設(shè)置云計算，這有助于更高級別的處理和數(shù)據(jù)分析。在云計算和邊緣計算之間可以設(shè)置霧計算，以擴(kuò)展到更廣泛的網(wǎng)絡(luò)范圍，并幫助解決網(wǎng)絡(luò)延遲和帶寬問題。關(guān)于云計算節(jié)點聯(lián)接的移動邊緣計算或霧計算節(jié)點的數(shù)量，沒有固定的規(guī)定，因為這取決于具體的應(yīng)用場景、網(wǎng)絡(luò)規(guī)模和處理能力等因素。通常需要在實際場景中進(jìn)行測試和優(yōu)化，以獲得最佳性能和效率。

假設(shè)你是一個智能家居公司的技術(shù)總監(jiān)，你的公司生產(chǎn)的智能家居設(shè)備需要通過互聯(lián)網(wǎng)來與用戶的手機(jī)進(jìn)行通信。現(xiàn)在，你需要決定智能家居設(shè)備的通信架構(gòu)。這時候，邊緣計算和云計算就可以應(yīng)用上了。

首先，你可以考慮將一些簡單的計算任務(wù)放到智能家居設(shè)備本身，這樣就能減輕云端服務(wù)器的負(fù)擔(dān)，提高通信效率。比如，將智能家居設(shè)備與用戶手機(jī)之間的身份認(rèn)證、數(shù)據(jù)加密解密、數(shù)據(jù)壓縮等簡單計算任務(wù)放到設(shè)備端進(jìn)行處理，這就是邊緣計算的應(yīng)用。邊緣計算可以提高智能家居設(shè)備的反應(yīng)速度，降低通信延遲，減少對云端計算資源的依賴。

但是，對于一些需要復(fù)雜計算的任務(wù)，比如圖像識別、語音識別等，邊緣計算的計算能力顯然是不夠的，這時候就需要借助云計算了。你可以將這些復(fù)雜計算任務(wù)交給云端服務(wù)器進(jìn)行處理，并將處理結(jié)果返回給智能家居設(shè)備和用戶手機(jī)。這樣，就能充分利用云端計算資源，提高系統(tǒng)的計算能力和精度。

當(dāng)然，還有一些計算任務(wù)，可能需要在邊緣計算和云計算之間進(jìn)行協(xié)同處理。這時候，就需要借助霧計算來實現(xiàn)。比如，某些數(shù)據(jù)需要在邊緣進(jìn)行初步處理，然后再將處理結(jié)果發(fā)送到云端進(jìn)行進(jìn)一步分析，最后再將分析結(jié)果返回到邊緣。這樣的數(shù)據(jù)處理過程中，邊緣計算和云計算需要進(jìn)行協(xié)同處理，霧計算就能起到協(xié)同作用。

在實際應(yīng)用中，邊緣計算、云計算和霧計算的具體應(yīng)用方式和比例會根據(jù)應(yīng)用場景的不同而有所不同。但總的來說，它們可以共同構(gòu)建一個分層的計算架構(gòu)，從而實現(xiàn)更高效、更精確的數(shù)據(jù)處理和應(yīng)用。

在云計算與邊緣計算間優(yōu)化配置計算能力需要考慮到許多因素，例如應(yīng)用的特點、數(shù)據(jù)的位置、通信延遲和網(wǎng)絡(luò)帶寬等等。計算能力的分割可以是固定的，也可以是可動態(tài)調(diào)整的。對于固定的分割，不同的任務(wù)將會在預(yù)先規(guī)定好的計算節(jié)點上進(jìn)行處理；對于可動態(tài)調(diào)整的分割，計算任務(wù)的處理位置將根據(jù)實時的網(wǎng)絡(luò)狀況和設(shè)備負(fù)載情況進(jìn)行動態(tài)調(diào)整，以最優(yōu)的方式分配計算資源。

邊緣計算和網(wǎng)絡(luò)分片技術(shù)可以結(jié)合在一起以提高網(wǎng)絡(luò)效率和性能。網(wǎng)絡(luò)分片技術(shù)是5G網(wǎng)絡(luò)的一個關(guān)鍵特征，它可以將網(wǎng)絡(luò)資源分成多個虛擬的切片，每個切片可以為不同的應(yīng)用或服務(wù)提供專門的網(wǎng)絡(luò)資源和性能保障。而邊緣計算可以將應(yīng)用和服務(wù)部署在更靠近終端設(shè)備的邊緣節(jié)點上，以提高計算性能和降低時延。

在結(jié)合邊緣計算和網(wǎng)絡(luò)分片技術(shù)時，可以根據(jù)應(yīng)用需求將邊緣節(jié)點分配到不同的網(wǎng)絡(luò)分片中，以確保應(yīng)用能夠獲得足夠的網(wǎng)絡(luò)資源和性能保障。同時，可以利用邊緣計算節(jié)點上的資源來執(zhí)行網(wǎng)絡(luò)分片管理和控制任務(wù)，以降低網(wǎng)絡(luò)分片管理的時延和復(fù)雜度。

例如，在一個智能制造場景中，通過將邊緣計算節(jié)點部署在不同的網(wǎng)絡(luò)分片中，可以為不同的機(jī)器人和生產(chǎn)設(shè)備提供專門的計算資源和網(wǎng)絡(luò)連接。邊緣節(jié)點可以通過處理本地數(shù)據(jù)和執(zhí)行控制任務(wù)，提高生產(chǎn)效率和質(zhì)量，并減少對云計算資源的依賴。同時，網(wǎng)絡(luò)分片技術(shù)可以為生產(chǎn)設(shè)備提供足夠的網(wǎng)絡(luò)資源和保障，以確保實時通信和數(shù)據(jù)傳輸?shù)目煽啃院偷蜁r延。

邊緣計算和虛擬網(wǎng)元技術(shù)可以結(jié)合使用來實現(xiàn)更高效的網(wǎng)絡(luò)服務(wù)。虛擬網(wǎng)元技術(shù)可以將網(wǎng)絡(luò)功能虛擬化為獨立的軟件模塊，這些模塊可以在邊緣計算節(jié)點上運行。這樣一來，邊緣計算節(jié)點就可以提供網(wǎng)絡(luò)功能服務(wù)，比如路由、防火墻、負(fù)載均衡等。同時，虛擬網(wǎng)元技術(shù)可以使得網(wǎng)絡(luò)功能服務(wù)可以在需要的時候動態(tài)地部署和調(diào)度到合適的邊緣計算節(jié)點上，從而更好地支持移動性、彈性和可靠性。

以5G網(wǎng)絡(luò)為例，邊緣計算節(jié)點可以被部署為虛擬網(wǎng)元，以提供網(wǎng)絡(luò)功能服務(wù)。這些節(jié)點可以部署在接近無線電網(wǎng)絡(luò)基站的位置，以提高網(wǎng)絡(luò)的響應(yīng)速度和帶寬利用率。虛擬網(wǎng)元技術(shù)可以將網(wǎng)絡(luò)功能虛擬化為獨立的軟件模塊，這些模塊可以在邊緣計算節(jié)點上動態(tài)地部署和調(diào)度，以響應(yīng)網(wǎng)絡(luò)服務(wù)的需求。這樣一來，邊緣計算節(jié)點可以更好地支持5G網(wǎng)絡(luò)的移動性和彈性，同時提供更好的網(wǎng)絡(luò)服務(wù)質(zhì)量。

之所以談到網(wǎng)絡(luò)切片和虛擬化，是因為邊緣計算不僅僅是單一的計算能力，而是需要集成多種功能和技術(shù)來實現(xiàn)更加復(fù)雜的任務(wù)。邊緣計算可以獨立設(shè)置，也可以與其他功能集成，具體取決于應(yīng)用場景和需求。舉例來說，5G基站邊緣計算中，它需要集成大數(shù)據(jù)采集、加密、緩存、數(shù)據(jù)分析和過濾等功能。邊緣計算節(jié)點作為數(shù)據(jù)的第一站，在接收到數(shù)據(jù)后可以通過集成的計算能力，快速地進(jìn)行數(shù)據(jù)處理和分析，并將處理后的數(shù)據(jù)緩存下來，以供后續(xù)使用。此外，邊緣計算節(jié)點還可以集成加密技術(shù)來確保數(shù)據(jù)的安全傳輸和存儲。

更進(jìn)一步來說，邊緣計算的網(wǎng)絡(luò)切片和虛擬化支持使其具備了軟件定義的能力。通過軟件定義網(wǎng)絡(luò)（SDN）和網(wǎng)絡(luò)功能虛擬化（NFV）技術(shù)，邊緣計算可以動態(tài)地分配和管理資源，實現(xiàn)可編程性和自動化。這意味著邊緣計算可以根據(jù)不同應(yīng)用程序和服務(wù)的需求，動態(tài)地調(diào)整網(wǎng)絡(luò)和計算資源，以滿足不同的性能要求。這種靈活性和可編程性使得邊緣計算可以更好地適應(yīng)不斷變化的應(yīng)用需求，并具備更好的可擴(kuò)展性和可維護(hù)性。

在部分業(yè)務(wù)場景下，邊緣計算節(jié)點之間需要通信協(xié)同完成分布式計算任務(wù)。例如，在一個智能城市的場景中，交通監(jiān)控節(jié)點和交通信號燈節(jié)點可以協(xié)同工作來減少交通擁堵。但邊緣節(jié)點之間的通信協(xié)同需要考慮多種因素，以便提高通信效率和可靠性：

通信方式的選擇：需要根據(jù)節(jié)點之間的關(guān)系和通信需求，選擇合適的通信方式?？梢酝ㄟ^直接通信、通過云端協(xié)調(diào)通信或者基于P2P技術(shù)的通信。但是不同的通信網(wǎng)絡(luò)延遲和負(fù)擔(dān)會腹痛，管理的復(fù)雜度也不同。

網(wǎng)絡(luò)拓?fù)涞脑O(shè)計：需要根據(jù)節(jié)點之間的物理位置和網(wǎng)絡(luò)帶寬等因素，合理設(shè)計節(jié)點之間的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，以便提高通信效率和可靠性。

通信協(xié)議的設(shè)計：需要選擇合適的通信協(xié)議，并根據(jù)通信需求進(jìn)行定制化開發(fā)，以便提高通信效率和可靠性。

安全策略的制定：需要對節(jié)點之間的通信進(jìn)行合理的安全策略制定，以保證信息的機(jī)密性、完整性和可用性。

隨著很多計算邊緣化，原基于云計算的服務(wù)生態(tài)也會遷移到邊緣計算節(jié)點。一般來說，邊緣計算可以提供至少兩層服務(wù)能力：基礎(chǔ)設(shè)施層和應(yīng)用服務(wù)層。基礎(chǔ)設(shè)施層主要提供IaaS和PaaS服務(wù)，包括計算資源、存儲資源、網(wǎng)絡(luò)資源和應(yīng)用開發(fā)工具等；應(yīng)用服務(wù)層主要提供SaaS和DaaS服務(wù)，包括應(yīng)用程序、數(shù)據(jù)服務(wù)、分析服務(wù)和安全服務(wù)等。不同的應(yīng)用場景和需求可能需要不同的服務(wù)層次和服務(wù)類型。例如，在增強(qiáng)人臉識別能力的應(yīng)用中，邊緣計算需要提供PaaS服務(wù)來支持算法模型的開發(fā)和管理，需要提供SaaS服務(wù)來支持視頻轉(zhuǎn)碼等功能，也需要提供DaaS服務(wù)來支持?jǐn)?shù)據(jù)的采集、存儲和分析等。

無論何時何地，數(shù)據(jù)都需要即時可用，這一趨勢越來越明顯。全球各行各業(yè)都在經(jīng)歷由這種需求推動的“數(shù)字化轉(zhuǎn)型”。根據(jù)IDC的分析，到2025年，全球創(chuàng)建的數(shù)據(jù)中，超過四分之一的數(shù)據(jù)在本質(zhì)上都是實時數(shù)據(jù)，而物聯(lián)網(wǎng)實時數(shù)據(jù)將占這部分?jǐn)?shù)據(jù)的95%以上。大量涌現(xiàn)的數(shù)據(jù)催生出了一系列全新的技術(shù)，機(jī)器學(xué)習(xí)、自然語言處理和人工智能，它們將數(shù)據(jù)分析從不常見的、追溯式的實踐，轉(zhuǎn)變成為戰(zhàn)略決策和行動的前攝式推動因素。這些技術(shù)可以大大提高各種行業(yè)、環(huán)境和應(yīng)用數(shù)據(jù)分析的頻率、靈活性和即時性。同樣根據(jù)IDC的預(yù)測，到 2025 年，屬于數(shù)據(jù)分析的全球數(shù)據(jù)總量將增長至原來的50倍，達(dá)到 5.2ZB；而機(jī)器學(xué)習(xí)所“觸及”的分析數(shù)據(jù)總量將增長至原來的100倍，達(dá)到1.4ZB。

這一趨勢變化會推進(jìn)人工智能向邊緣靠攏，減少了數(shù)據(jù)傳輸?shù)难舆t和帶寬消耗，同時也可以更好地保護(hù)用戶隱私。

邊緣智能的實現(xiàn)需要利用到各種AI技術(shù)，例如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理等，通過對本地數(shù)據(jù)的處理和分析，邊緣設(shè)備可以快速做出響應(yīng)并進(jìn)行實時決策。此外，邊緣智能還可以與物聯(lián)網(wǎng)（IoT）技術(shù)相結(jié)合，通過智能傳感器和設(shè)備采集環(huán)境數(shù)據(jù)、生產(chǎn)數(shù)據(jù)等實時數(shù)據(jù)，進(jìn)一步提高設(shè)備的智能化水平。

對不同類型的計算平臺，在不同時間創(chuàng)建和使用的數(shù)據(jù)量，機(jī)器學(xué)習(xí)被劃分為3種類型：

云端機(jī)器學(xué)習(xí)是指將大規(guī)模的機(jī)器學(xué)習(xí)任務(wù)放在云端進(jìn)行處理，通常需要海量的計算資源和存儲資源。用戶可以通過云服務(wù)商提供的平臺和工具，進(jìn)行數(shù)據(jù)處理、特征提取、模型訓(xùn)練和推理等任務(wù)。云端機(jī)器學(xué)習(xí)適用于數(shù)據(jù)量大、計算復(fù)雜度高的場景，例如語音識別、圖像識別、自然語言處理等。

邊緣機(jī)器學(xué)習(xí)是指將機(jī)器學(xué)習(xí)任務(wù)放在邊緣設(shè)備或者邊緣服務(wù)器上進(jìn)行處理，將計算和存儲資源盡可能地靠近數(shù)據(jù)源和終端用戶。邊緣機(jī)器學(xué)習(xí)適用于需要快速響應(yīng)和低延遲的場景，例如智能家居、智能醫(yī)療、自動駕駛等。

TinyML是指在資源受限的設(shè)備上運行輕量級的機(jī)器學(xué)習(xí)算法，通常需要滿足低功耗、低內(nèi)存、低帶寬和低成本等要求。TinyML可以運行在微控制器、傳感器和嵌入式系統(tǒng)等設(shè)備上，可以實現(xiàn)物聯(lián)網(wǎng)設(shè)備的智能化，例如智能家居、智能工業(yè)、智能農(nóng)業(yè)等。

隨著太空探索任務(wù)的不斷發(fā)展和計算需求的不斷增加，傳統(tǒng)的中心化地面計算已經(jīng)無法滿足需求，因此太空邊緣計算技術(shù)應(yīng)運而生。太空邊緣計算技術(shù)是指將邊緣計算應(yīng)用于太空探索中的計算任務(wù)，利用在軌道衛(wèi)星等太空設(shè)備上的邊緣計算節(jié)點來實現(xiàn)計算任務(wù)的處理。

太空邊緣計算，最重要的是將太空很多設(shè)備之間的協(xié)同工作方式變成了不用事無巨細(xì)地通過地面節(jié)點來進(jìn)行控制協(xié)調(diào)，從而極大降低了延遲（畢竟衛(wèi)星和地面的距離太大了），節(jié)省了寶貴的衛(wèi)星傳輸?shù)膸?，同時也避免了太空和地面通信終端引發(fā)的數(shù)據(jù)丟失和系統(tǒng)故障。目前還沒有完全采用太空邊緣計算技術(shù)的衛(wèi)星系統(tǒng)，但有一些正在研究和開發(fā)中。例如，美國國防高級研究計劃局（DARPA）正在推進(jìn)一個名為"OrbitOutlook"的項目，旨在研究和開發(fā)在太空中運行的邊緣計算技術(shù)。不過已經(jīng)有在衛(wèi)星上部署計算和機(jī)器學(xué)習(xí)軟件的應(yīng)用案例。AWS與D-Orbit和Unibap合作，在衛(wèi)星上部署了計算和機(jī)器學(xué)習(xí)軟件，以便在軌道上對大量地球觀測（EO）圖像數(shù)據(jù)進(jìn)行快速分析。這種在軌道上進(jìn)行實時數(shù)據(jù)處理和分析的能力有助于提高對地球觀測和通信任務(wù)的響應(yīng)速度，提高衛(wèi)星系統(tǒng)的效率和可靠性。這種技術(shù)也可以為未來的太空任務(wù)提供新的可能性，例如在太空探索和未來的空間工業(yè)中應(yīng)用邊緣計算和機(jī)器學(xué)習(xí)。

今天談了很多邊緣計算的內(nèi)容。大家會發(fā)現(xiàn)，邊緣計算應(yīng)用場景非常廣泛。邊緣計算技術(shù)就像是一座橋梁，將人與人、人與物、物與物之間的距離縮短，讓信息和智能在不同的場景之間流動無阻。這座橋梁不僅是連接智慧城市、智能制造、智慧醫(yī)療等各行各業(yè)的關(guān)鍵支撐，還可以讓無處不在的物聯(lián)網(wǎng)設(shè)備和嵌入式設(shè)備獲得更高效、更靈活、更安全的計算和存儲能力，從而實現(xiàn)更多元化、更智能化的應(yīng)用場景。

我們有理由相信未來，邊緣計算技術(shù)將變得更加智能和高效，它將像人類的神經(jīng)系統(tǒng)一樣無處不在、快速反應(yīng)、智能計算，使得我們的生活更加便捷、高效，甚至可能開啟一個全新的數(shù)字化時代，讓人類與機(jī)器更加親密地融合在一起。同時，隨著太空邊緣計算技術(shù)的發(fā)展，我們甚至可以看到未來太空中將會部署更多的智能設(shè)備和系統(tǒng)，讓人類可以更加深入地探索宇宙，開啟一個更加宏偉的數(shù)字化時代。

<本文完>