“计算正从中央走向边缘”、“计算边缘化”……近日来，在大大小小各类有关人工智能的论坛或峰会上，我们或多或少的听见以上言论，其中的关键点只有一个——边缘计算。围绕这个问题，云天励飞、异构智能等代表性企业均给出了自己的解答。
　　边缘计算，一个不是那么“新”的词汇

　　关于“边缘计算”的热议是近一两年才慢慢开始的，但它并不是一个“新词汇”。早在2003年的时候，IBM就曾与CDN服务商AKAMAI合作过“边缘计算”。

　　根据维基百科的解释，“边缘计算”是一种分散式计算的架构，将应用程序、数据资料与服务的计算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘计算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据。

　　与集中化处理数据的云计算不同，边缘计算讲究的是分布式管理。以往，因为超大规模、高可扩展性、通用性等因素，云计算受到热捧，人们也总是强调要“上云”，将数据的计算、存储等全部搬到云上。相比之下，边缘计算强调的是一种“下沉”，离终端设备更近一点的地方。

　　更为通俗地说，“云计算”是高高在上的。当设备端完成数据采集和指令接收，它们需要通过网络走上云端，后者会基于此作出判断，继而将结果再通过网络“告知”设备端。

　　相比之下，“边缘计算”则更为接地气。基于边缘计算，设备端不需再将数据等上传至云端，将“计算”本地化，省去以往繁琐的过程。

　　边缘计算，云计算之后的“新晋网红”

　　在最早的时候，边缘计算的出现就是为了弥补云计算的一些不足，因为后者已经不能满足更多智能需求。具体说来：

　　1、海量数据汹涌来袭，但云计算却被“带宽”捆住手脚。如今，越来越多的设备被接入互联网，产生的数量、体量是以往的多倍。原本，这些数据的计算和存储均交由云端处理，即云计算。不过，随着数据的增多，带宽不够的传输通道开始出现“堵车”现象。

　　这就如同“多米诺牌效应”——因为带宽受限，数据传输、分析处理、指令反馈等一系列流程都变得缓慢，最终结果就是时间线被拉长，造成高延迟现象。

　　2、网络传输依赖性大，隐私安全令人担忧。基于云计算，我们需要把原始数据上传至云端进行处理，然后反馈给设备端，这一过程的实现，需要依赖网络。过程中，一旦有黑客拦截，用户安全隐私的保护就成了一个大问题。另外，若是遇到断网等情况，即使强大如云计算，太过依赖网络传输的它也将面临“巧妇难为无米之炊”的窘境。

　　此外，云计算还面临功耗大等更多问题。智能时代渐趋渐近，云计算也不再万能，需要有新技术来弥补缺口。此时，边缘计算本地化、边缘化的特性恰恰弥补了这些短板。

　　以智能家居场景为例。基于边缘计算，当用户发出指令，相关原始数据不必再上传云端进行处理，具备计算能力的设备端完全能够自行处理，并实时反馈。简单来说，云计算处理的是那些非实时、长周期数据的大数据分析，而边缘计算更适合本地业务的数据实时处理与执行。

　　值得注意的是，边缘计算出现之后，诸如网关、自动驾驶汽车、机器人等边缘节点能够在本地实时采集和处理数据，并针对指令给出反馈，这是不是就可以看作是终端计算?

　　其实不然，“终端计算”意味着终端要自己负责所有的计算，就像云计算出现之前的计算机，不管是数据的采集、计算、输出和存储，均由计算机在本地设备内一手操作。

　　边缘计算，不会取代也离不开云计算

　　据IDC的数据显示，到2020年，将有超过500亿的终端和设备接入网络，而这些设备中有超过半数的数据需要在网络边缘侧分析、处理与储存，整个边缘计算的市场将会超过万亿级别，市场体量不可小觑。

　　目前，在边缘计算这一块，主要有4类玩家，分别是运营商、设备商、云服务商和CDN服务商。

　　运营商：主要在移动边缘计算市场进行部署，在移动网边缘提供提服务环境和云计算能力。他们或是利用移动边缘计算进行内容本地分流业务，或是将业务处理下沉到最贴近用户的基站进行边缘数据处理等等。

　　设备商：在打法上主要以“硬件”为主，最具有代表性的就是各类芯片。将计算、存储等功能从云端搬到芯片的计算单元中。比如AI芯片，对于一些指令，系统不必再将数据上传云端，可以在本地端、设备端实时处理并给出反馈，大大节省了中间的流程。

　　云服务商：作为云计算的助力，云服务商并没有放弃边缘计算，他们将之视为云计算的一个延伸，包括亚马逊、微软、阿里巴巴等巨头企业均已有所布局。比如微软，其于去年推出了混合云解决方案Azure Stack，将云端能力融入终端，让数据在本地实现处理，然后进行聚合分析与决策，可以看作是在边缘设备设置了一个“微型云”。

　　CDN服务商：CDN是构建在网络之上的内容分发网络，依靠部署在各地的边缘服务器，让用户更快获取内容等等，其天生就有着“边缘属性”。眼下，智能化需求推动其向边缘计算靠拢，只需经过改造，其原有的节点就可升级为具备计算、存储、传输、安全功能的边缘计算节点。

　　从以上派别来看，在边缘计算的部署上，主要分为“软件”和“硬件”两大类。AI芯片创企异构智能中国区总裁周斌表示，这其中的“边缘计算”是有所不同。在芯片端，“这里更多的是在边缘自主的完成计算任务，不需要云端的参与。”或者说，这里的“边缘计算”并不能看作是云计算的延伸，而是独立存在的。

　　但是，不管是哪一类，其最终应用和落地，皆离不开云计算。

　　边缘计算为什么会兴起?因为数据太多了，云计算处理不过来，所以要分开处理。这时候，分布在各个节点的边缘计算将负责自己范围内的数据计算和存储工作。而对于应用场景来说，这还远远不够。

　　以自动驾驶为例，地平线机器人创始人兼CEO余凯称，未来的计算模式是边缘跟中央结合，边缘侧的自动驾驶专用芯片会感知传感器数据并立刻处理、做决策，同时，这些处理之后的数据，也会在云端汇聚，进行大数据分析、模型搭建和编辑，同时做大规模的仿真。在其看来，算法+芯片+云计算，构成了未来自动驾驶的三大核心支点。

　　比如物联网，以阿里云发布的边缘计算产品Link Edge为例。的确，通过赋予家庭网关计算能力，即便是断网，诸如生物识别门锁、机器人等都能正常运作。但是，如果加上云，基于以往云端的大数据分析和判断，在联动的前提下，整个家庭场景的智能设备将变得更为个性化，譬如关上门的时候，扫地机器人就开始运作等等。

　　可以看到，在这里，提供边缘计算算力的芯片主要在前端，负责数据的实时采集和计算。但是，在数据如“石油”的智能化时代，这些数据并不是一次性数据，那些经过处理的数据需要在系统中进行留存，以做算法训练、数据验证等用。

　　这时候就需要一个大容量的“容器”，而这个是边缘计算所没有的。在这个容器中，这些数据将被用于AI算法训练、用户个性化功能塑造等等，这些都是非实时需求，之后再传输给终端设备，从而进一步提升服务质量。

　　“AI边缘计算可在前端实现图像识别、特征值提取和识别比对，不受带宽影响，自成体系，可快速反应。云计算做大数据分析挖掘、数据共享，同时进行算法模型的训练和升级， 升级后的算法推送到前端，完成自主学习闭环。”云天励飞研发副总兼芯片团队负责人李爱军称。

　　同时，这些数据也有“备份”的需要，当边缘计算过程中出现意外情况，这些数据也不会丢失。

　　另外，边缘计算解决了“算力”问题，但解决不了“内容”，这方面需要“云计算”来提供帮助。当用户向设备发出一个指令，要求边缘计算使得设备能够实时“了解”用户表达的内容以及目的，在这之后，诸如音乐播放、订票等服务等指令的执行，均需要云服务的介入，这些是边缘计算所不能提供的。

　　虽然在某些场景下，边缘计算本身是独立的、不需要云计算介入的。但是，从整体来看，它并不能代替云计算，也离不开云计算。未来，边缘计算将与云计算形成一种互补、协同的关系，届时，边缘计算将主要负责那些实时、短周期数据的处理，负责本地业务的实时处理与执行，而云计算将负责非实时、长周期数据的处理。简单说来，边缘计算将注重局部，而云计算关注整体。