邊緣計算并非是一個新鮮詞。作為一家內容分發網絡CDN和云服務的提供商AKAMAI，早在2003年就與IBM合作“邊緣計算”。作為世界上最大的分布式計算服務商之一，當時它承擔了全球15-30%的網絡流量。在其一份內部研究項目中即提出“邊緣計算”的目的和解決問題，并通過AKAMAI與IBM在其WebSphere上提供基于邊緣Edge的服務。

　　對物聯網而言，邊緣計算技術取得突破，意味著許多控制將通過本地設備實現而無需交由云端，處理過程將在本地邊緣計算層完成。這無疑將大大提升處理效率，減輕云端的負荷。由于更加靠近用戶，還可為用戶提供更快的響應，將需求在邊緣端解決。

　　邊緣計算解決的難題

　　最早了解邊緣計算，是2012年在IBM的物聯網生態圖中看到的7層技術架構中包含一層邊緣計算（Edge Computing），當時雖然不理解什么是邊緣計算，但也開始關注邊緣計算。

　　在物聯網發展早期，無疑云計算受到廣泛的關注，在單純利用云計算的智能遇到一些問題之后，行業才意識到邊緣計算的重要性。所以在2016年底，才有了邊緣計算聯盟的成立。

　　邊緣計算需要明確行業范圍

　　最近研究了一下邊緣計算產業聯盟白皮書，發現邊緣計算產業聯盟對行業范圍非常不明確！在白皮書中，提到的行業相關的內容有以下幾段：

　　今天，我們從航空業的預測性維護、公共事業領域的電梯智能運營、能源行業的智能抄表和物流行業的全流程跟蹤等行業數字化應用中，可以深刻感受到：“物”的智能互聯將無所不在，制造、能源、公共事業、交通、健康、農業等行業都將受到影響并發生深刻改變。當前以中國制造2025、北美的工業互聯網和歐洲的工業4．0位代表的產業規劃于實時正式這一趨勢的直接體現。

　　預測性維護、能效管理、智能制造是比較典型的行業應用場景。

　　如果從物聯網生態而言，邊緣計算屬于物聯網技術的一層的話，邊緣計算應用的行業范圍應該與物聯網的一致。而物聯網既包括ToB場景，也包括ToC場景。邊緣計算聯盟的行業范圍，沒有明確表述，但舉的范例集中在ToB場景，而沒有一個ToC場景，這樣容易讓人誤解邊緣計算僅僅是ToB場景。

　　其實ToC的場景有很多也需要邊緣計算：

　　智能家居行業：家中有非常多的智能家居的設備，智能家居不同產品之間互動場景的定義，需要邊緣計算。這個邊緣計算或者是個網關、或者是個中控系統，設備之間的互聯互通、場景控制需要通過云計算與邊緣計算協同。

　　可穿戴設備：未來可穿戴設備大規模普及，每個人可能隨身攜帶幾個或者幾十個可穿戴的設備，這些可穿戴設備之間是否需要聯動？什么設備做這些設備的聯動？如何讓這些可穿戴設備協同？以每個人為中心的場景也需要邊緣計算。

　　車聯網：每部車上都有大量的設備，汽車設備之間的協同，車與其他車之間的協同，車與人的協同；也需要通過邊緣計算實現。

　　我建議邊緣計算聯盟在定義邊緣計算的時候，一方面要完善邊緣計算應用行業，另外一方面也需要闡述一下與物聯網的關系。

　　邊緣計算需要解決的痛點需要更加具體

　　在邊緣計算聯盟白皮書中，有如下描述：

　　在行業數字化轉型的趨勢下，智能互聯的網絡邊緣側面臨如下挑戰：

　　聯接的海量與異構

　　業務的實時性

　　應用的智能性

　　數據的優化

　　安全與隱私保護

　　其實白皮書提到的邊緣側面臨的挑戰還需要進一步歸納整理，并具體化。

　　比如聯接的海量與異構：對工業而言網絡運維管理、靈活擴展和可靠性保障是巨大難點。

　　但對于家居和可穿戴設備而言，如果一個沒有IT背景的人，使用了智能家居系統之后，再買一個設備，這個設備如何融入到智能家居系統中？

　　如果智能家居的邊緣計算可以實現：新買的這個系統裝到家里，插上電，就可以使用，不需要用戶配置網絡，不需要用戶配置場景。這個能夠實現嗎？而要實現這個功能，邊緣計算需要解決以下的難題：

　　1、網絡自動鏈接；

　　2、設備聯網后，設備知道設備自己的屬性，根據屬性，可以尋找到周圍可以共同搭建場景的設備；

　　3、需要自動感知與自身配合的設備的位置，并根據位置配置場景；

　　4、新設備通過智能學習實現場景配置的迭代。

　　我感覺邊緣計算還有一個難題是建立一個邊緣設備決策的機制。

　　邊緣計算需要進一步歸納可以解決的行業難題。