人工智能一直是近年來科技圈熱門的領域，國內更是在這幾年誕生了諸如曠視科技、商湯科技、極鏈科技Video++、依圖科技等優秀初創企業。但隨著5G、人工智能和物聯網時代的到來，傳統的云計算技術已經無法滿足人工智能終端“大連接、低時延、大帶寬”的需求。

盡管目前云計算的能力越來越強大，但是面對大量涉及個人隱私的數據，傳統的云計算依然不能高效地支持基于物聯網的應用服務程序，而邊緣式大數據處理時代下的邊緣云計算恰好可以很好的解決這些問題。

邊緣計算是什么

邊緣云是基于云計算技術的核心和邊緣計算的能力，構筑在邊緣基礎設施之上的云計算平臺。形成邊緣位置的計算、網絡、存儲、安全等能力全面的彈性云平臺，并與中心云和物聯網終端形成“云邊端三體協同” 的端到端的技術架構，通過將網絡轉發、存儲、計算，智能化數據分析等工作放在邊緣處理，降低響應時延、減輕云端壓力、降低帶寬成本，并供全網調度、算力分發等云服務。

簡單來說，邊緣計算就是指在靠近物或數據源頭的網絡邊緣，融合了網絡、計算、存儲以及應用處理能力的分布式平臺，就近提供智能服務。邊緣計算可以理解為云計算的一個逆操作，云計算強調的是計算和存儲等能力從邊緣端或桌面端集中，而邊緣計算則是將這種計算和存儲能力重新下沉到邊緣。

邊緣計算產生原因

邊緣計算產生原因主要還是云計算的服務不足，云計算大多采用集中式管理的方法，這使云服務創造出較高的經濟效益，而在萬物互聯的背景下，應用服務需要低延時、高可靠性以及數據安全，而傳統云計算無法滿足這些需求。

首先物聯網環境下，邊緣設備產生大量實時數據，云計算性能正逐漸達到瓶頸，據IDC預測，到2020年，全球數據總量將大于40ZB，隨著邊緣設備數據量的增加，網絡帶寬正逐漸成為云計算的另一瓶頸。其次當用戶使用電子購物網站、搜素引擎、社交網絡等時，用戶的隱私數據將被上傳至云中心，其包含用戶隱私數據，如果直接將視頻數據上傳至云數據中心，視頻數據的傳輸不僅會占用帶寬資源，還增加了泄露用戶隱私數據的分風險，邊緣計算模型恰好為這類敏感數據提供了額較好的隱私保護機制。***，針對云數據中心的能耗問題，隨著在云計算中心運行的用戶應用程序越來越多，未來大規模數據中心對能耗的需求將難以滿足，為解決這一能耗難題，邊緣計算模型提出將原有云數據中心上運行的一些計算任務進行分解，然后將分解的計算任務遷移到邊緣節點進行處理，以此降低云計算中心的計算負載，以達到降低能耗的目的。

邊緣計算的應用場景

邊緣計算的應用場景從覆蓋上可以分為全網覆蓋和本地覆蓋兩類。全網覆蓋類應用的核心要求是從邊緣節點在地區和運營商網絡兩個層面上的覆蓋度，來保證就近計算（如 CDN、視頻直播、邊緣撥測/監控等業務），或者基于足夠多的節點進行網絡鏈路優化。

本地覆蓋類應用的核心要求是邊緣節點的本地化，即邊緣節點的接入距離要足夠近（《30 公里），時延足夠低（《5ms），來支持本地化服務的上云需求，例如新零售、醫療等行業的監控數據上云等。這類應用的大帶寬需求是最能體現邊緣云計算時延和成本優化等核心優勢的場景。

視頻直播的媒體流推送到就近的邊緣節點，在邊緣節點直接進行轉碼，轉碼后的媒體流分發到CDN邊緣節點，當有用戶訪問時就近返回內容。基于邊緣節點上的服務、直播流的上下行內容推送以及轉碼處理等都不用再回中心處理，大大降低了業務時延，提升了互動體驗，同時邊緣處理架構對帶寬成本的節省也非常明顯。

小結：

過去AI必須依靠強大的云端計算能力來進行數據分析與算法的運作，隨著技術的成熟以及新應用的出現，商業數字化概念逐漸深入人們的思想，芯片能力不斷提升、邊緣計算平臺成熟，開始賦予了AI更強的能力，協助數據初步篩選分析、裝置設備實時反應等，在工業領域、智慧城市、視頻識別都能讓服務有進一步的提升。邊緣云計算技術將成為人工智能、物聯網等領域的關鍵組成部分，也將得到更大的發展，覆蓋的潛在客戶和場景將不斷出現。隨著邊緣云計算的應用場景越來越多，用戶需求的變化將是未來關注的重點，如果做得好，未來邊緣云計算將比傳統云計算低更多的成本實現項目。

責任編輯：ct