物联网（IoT）被业界普遍认为是互联网之后的下一次技术革命，号称是可穿戴设备、智能家居、自动驾驶骑车、智能工厂、智慧城市等等新时代的曙光。

　　物联网意味着互联网和可接入设备的万物互联，它结合了业界的潜在优势：便宜且可广泛使用的带宽、低能耗的微处理器、大数据分析工具。物联网的发展壮大与两大关键技术息息相关：边缘计算和机器学习。

　　边缘计算的不断发展

　　连接设备、传感器、网关等物联网接入端点正在呈指数级增长，IT行业分析公司Gartner预计物联网终端的增长速度约为30%，到2020年物联网接入设备的总数将会高达200亿。接入设备的爆发为数据分析和数据处理带来了新的挑战，这些终端设备将生成大量的数据。如果将这些数据传输到云计算中进行数据管理、分析和决策不仅费用高昂且效率低下，还可能阻碍网络基础设施的发展，从而导致网络延迟问题。

　　因此，边缘计算和边缘分析在大型的IoT部署中作用越来越突出。在边缘计算中，计算能力是分散的，无限接近传感器、设备，设备的数据来自网络边缘，并且在网络边缘完成数据的分析和处理工作，而不是在集中式服务器或云端。

　　其优势包括：能够有效支持实时应用程序，基础设施的负担降低，因为大部分数据都是在边缘网络进行处理，只需要将必要的数据发送到云端实现进一步的处理和存储。

　　这并不意味着边缘计算和传统的数据中心以及云计算会产生冲突，相反，边缘计算更可能会与云计算共存，以将计算能力和工作负载分布到最有意义的地方。传感器数据将会在边缘网关上进行收集和处理，边缘分析可以使用基于规则的算法。可以将过滤之后的数据发送到云端，与其他来源的数据进行聚合，然后将其反馈到云端的分析引擎，以生成可发送回到边缘分析的模型。

　　机器学习

　　随着物联网的兴起，能够对边缘计算形成良好补充的技术是机器学习。机器学习通常与人工智能一起出现，机器学习是指生成不需要由人类明确编程的自动分析模型的方法。虽然几十年前可以使用机器学习的知识，但直到近些年，计算能力的发展才能满足机器学习的需求。

　　随着计算能力越来越好，机器学习将越来越多地融入到IT架构中，尤其是在云端和边缘计算中。机器学习不仅可以集中云端的分析功能，还可以大大提高边缘分析的效率。

　　随着物联网的采用的发展和数据大爆炸，边缘计算和机器学习将在未来的物联网架构中发挥关键作用。三大公有云服务提供商AWS、微软和谷歌都在致力于将边缘计算和机器学习融入其产品中，分别在其云平台上提供机器学习即服务。目前AWS和微软已经推出了相关的边缘计算软件，可以在芯片商的系统（SOC）运行，也可以在边缘网关上运行。

　　与所有新技术一样，只有时间才能证明这些技术将如何发挥作用，但非常明确的一点是物联网的时代即将到来，边缘计算和机器学习是物联网时代必不可少的两大主角。