智慧的互联工业4.0时代

5G时代的关键技术

5G 算力需求受到信号处理和边缘计算两大驱动，一方面，通信信号处理需求的增多对算力提出了新要求，另一方面，5G 是物联网创新的起点，将带来多种物联场景，边缘计算是支撑物联技术低延时、高密度等条件的具体网络技术体现形式，具有场景定制化强等特点，多场景的算力需求驱动边缘端计算能力的提高。边缘计算作为 5G 新特性将成为重要增量部分，较之传统云计算，边缘计算安全性更高、低时延、带宽成本低，将成为 5G时代不可或缺的一部分，同时，由边缘计算带来的算力需求也将成为 5G 时代重要增量部分。

一辆自动驾驶汽车每秒能产生1GB数据，同时需要对数据进行实时处理，并做出正确的动作。

如果将全部数据传到云端进行处理，响应时间会变得很长，而且支持某片区域内的众多汽车同时工作，对当前的网络带宽及可靠性是一个巨大的挑战。随着万物互联时代的到来，网络边缘设备产生的数据量飞速增长，带来了更高的数据传输带宽需求。同时，新型应用也对数据处理的实时性以及数據存储也提出了更高的要求。边缘计算就是在网络边缘节点来处理、分析数据。它将数据的处理、应用的运行，甚至一些功能服务的实现，由云中心服务器下放到网络边缘的节点上。在5G创造的众多商业机会中，边缘计算可以说是一个将云计算触角延伸到用户家门口的基础设施。

大势所趋的边缘计算

市场调研公司Forrester最近发布的报告认为，2021年，边缘计算将从一项实验技术变成可实际应用的技术，主要受AI和5G的驱动。2021年将会诞生将边缘计算部署到生产环境中的新商业模式。云平台不得不与AI竞争，以及5G广泛普及，两大因素将使边缘计算使用场景更具实用性。Forrester预测，2021年，AI在边缘计算中的使用将发生巨大变化：机器学习将开始在边缘进行，而不单是在数据中心加以训练。边缘应用智能有望在2021年蓬勃发展，加速数字化转型，尤其是在必须实时连接物理世界和数字世界的行业。全球越来越多的电信运营商有些正在开展边缘计算试点，有些则在推行边缘商用产品和解决方案。尽管当前试点大多在 4G 或早期 5G 网络上进 行，但移动行业希望借助5G的逐步部署，推动更大规 模的边缘部署。理论上，边缘计算可以和运营商部署的5G网络以及软 件定义网络（SDN）、网络功能虚拟化（NFV）等软件控制技术适配地非常好，这些技术以分布式的方式 运行某些虚拟网络功能（包括在网络边缘）。得益于此，边缘技术也可能受益于5G时代虚拟网络的网络能力，从而充分挖掘分布式计算的潜力。

国内边缘计算生态快速成长

当前，边缘计算仍处于起步阶段。然而，在美国、中国、欧洲和亚太地区的一些发达市场，正在扩大相关的试点和小规模部署。虽然边缘计算在中国还处于起步阶段，但发展迅速，特别是近两年来进展更加明显，使得中国在试点、早期部署和生态合作方面领先于其他主要国家和地区。目前，国内从业者积极投身尚处在起步阶段的边缘计算，其中包括三大运营商，其中网络设备提供商（中兴、华为、Nokia和Ericsson）以及中国大型云服务企业（阿里巴巴、腾讯和百度），众多小型 ICT 公司、云和边缘计算专业公司、垂直行业也纷纷加入，寻求边缘新业务和解决方案的机会。中国运营商是这个领域最活跃参与者之一。中国移动 2019 年边缘计算蓝图涵盖了 300 项具体的边缘措施， 包括测试节点评估、开放 API 接口以及携手合作伙伴推广边缘商业应用。自 2018 年以来，中国联通在20 个省市开展了 60 多项 MEC 试点和商用项目。中国边缘计算产业联盟（ECC）数据显示，分布在40 个城市 的 100 多个 MEC 试点项目覆盖多个行业和应用场景， 包括智慧园区、智能制造、AR/VR、云游戏、智慧港 口、智慧矿山、智慧交通，这充分证实了发展的迅猛势头。在具体应用方面，2020年4月，阿里云与首汽约车开启基于5G边缘计算的网约车移动业务合作试点项目，6月，阿里云推出采用边缘计算最大化发挥AI的能力推出高速在线计费平台，将计费准确度提升一倍;2020年4月，金山云向美国证券交易委员会（SEC）提交正式上市招股书，招股书披露，金山云正在与小米共同开发边缘计算应用程序，6月，金山云发布具备边缘节点资源优势的云游戏PaaS服务平台;2020年5月，百度重磅发布天工物联网边云融合专有平台，提供边缘计算框架和边缘云端管理套件，7月，百度智能云旗下边缘计算框架Baetyl发布2.0版本……

国内众多企业以生态合作的形式大力推动边缘计算大生态的假设与发展，尤其是在以智能家居为代表的物联网领域，边缘计算的应用与落地，为人们带来近乎颠覆性的应用体验。

物联网的灵魂

边缘计算本身是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。虽然云计算已经使处理大量数据成为可能，但它并不是所有应用程序和用例的理想选择。从传感器前线到服务器来回发送的大量数据阻塞了网络带宽，从而减慢了响应时间，而解决所有这些与传统云计算基础设施相关的限制的答案是所谓的边缘计算。增加数据安全性、更好的应用性能、降低运营成本、提高业务效率和可靠性、无限的可扩展性等特性让边缘计算成为物联网领域最好的伙伴。当边缘计算用于远程医疗以跟踪患者的慢性病时，可以成为真正的生命拯救者。例如，能够独立分析健康数据的心率监视器可以立即提供必要的响应，以在患者需要帮助时提醒护理者。

这样的案例在智能制造、智慧城市、直播游戏和车联网等四大主流应用领域还非常多，边缘计算结合传感器，能够赋予终端设备对数据的采集和处理能力，尤其是在其同AI智能计算基数融合在一起后，更成为物联网“灵魂”般的存在。

AIoT应用生态的基础设施

海量连接产生的交互及数据分析需求促使IoT与AI的更深融合。物联网为物理世界通往虚拟世界建立了通道，不同的用户和终端通过物联网连接协议互联互通，然后将虚拟化的“现实世界”实时反馈至各个行业或场景，从而推动各领域效率和效益的提升。因此，先连接再爆发是物联网实现“万物互联”终极形态的重要路径。

不同于纯粹的物联网，AIoT（人工智能物联网）=AI（人工智能）+IoT（物联网）。 AIoT融合AI技术和IoT技术，通过物联网产生、收集海量的数据存储于云端、边缘端，再通过大数据分析，以及更高形式的人工智能，实现万物数据化、万物智联化，物联网技术与人工智能追求的是一个智能化生态体系，除了技术上需要不断革新，技术的落地与应用更是現阶段物联网与人工智能领域亟待突破的核心问题。

相比于物联网连接数量的快速增长，目前AIoT在落地过程中重在重构传统产业价值链，既需要适应传统产业的特性，平衡传统利益链条，也需要与生态合作伙伴共同搭建最适宜产业AI赋能的架构体系。AIoT的核心是智能，将智嵌入到设备、边缘，乃至物和人的每个环节，需要数据与连接的融合、模型与硬件的匹配、需要云-边-端的协同。如道路中会有很多AI场景，包括像超速识别、闯红灯、压线、逆行等违章检测，其背后都可以运用AI算法进行识别，把这些识别结果上传到云端，实现处罚或跟踪，就是一个AIoT应用。AIoT应用集中在通过视觉识别、语音交互、预测规划等核心技术实现效率的提升，这种以通用性核心技术为内核的特性使得产品设计逻辑将围绕采集和分析有价值的通用信息，产品形态不再有强烈的行业鸿沟，行业竞争围绕着高价值通用信息带来的数据分析，相应的竞争业态也将更加复杂。在此过程中，G端和C端场景问题可通过识别比对、便捷交互得到较大程度解决，AIoT在G端与C端率先受益，AIoT在企业级市场的应用尚不能触及核心痛点，还有待提升其核心业务环节效率。

AIoT应用发展的上半场是IoT硬件的铺设，而下半场将是AI 算法与智能决策的主场。

AI赋能物物相连

AIoT是一个综合性市场，其容量足够大，且目前呈现多层级、碎片化状态，因此吸引了众多从原赛道切入AIoT的玩家，主要有四大类：云计算企业、AI公司、SI公司、IoT公司。这四类企业积极构建AIoT生态合作圈，相互之间存在合作和竞争关系，它们均可提供较为完整的技术和业务解决方案，但各自的优势有所差异，率先布局的版块也有差异。云计算企业与AI公司携新生产要素AI入场，对人工智能技术的前沿性研发相对较注重，并整合成模块化能力向合作伙伴和客户输出;而SI公司、IoT公司贴近用户，对技术整合到最终产品及用户需求理解上有着天然的优势。对于在5G和物联网时代拥有重要地位的运营商，边缘计算同样。电信运营商正在加大对5G的投资，以满足消费者和企业服务的低延迟需求。然而，仅对边缘计算进行投入并不能保证它们满足这些需求。因此，运营商开始投资边缘人工智能（AI）应用，以便把网络延迟降至5毫秒。在网络速度、覆盖范围和容量方面提高网络性能来保证高质量服务和体验并降低网络运营成本，AI大有潜力。基于这个原因，运营商应该进行投资，确保自己在边缘拥有强大的应用、数据以及AI 开发和管理能力，边缘AI对运营商网络的发展至关重要。研究机构Omdia的调查显示，企业市场是运营商进行边缘投资的关键领域，其中，工业物联网和自动化工厂被认为是最有潜力的行业。德国电信和韩国电信等运营商一直在进行智能工厂方面的试验，利用AI执行视频分析工作，从而为制造业提供支持。对于在边缘优化的网络资源，AI能够推动更快的决策和行动。例如，频谱是一项有限且昂贵的资产，因此必须进行优化才能保证网络性能从而驱动高质量的服务。边缘AI快速模式识别、预测和推荐能力使运营商能够优化流量负载，确保频谱得到有效利用。诺基亚和爱立信等设备供应商将AI算法应用到无线接入网的基带单元，取得了无线电性能改善等成果，调整后的波束成形模式确保传输信号集中在用户所在位置，为他们提供更好的体验。此外，运营商还可借助AI进行数据包分析、智能IP流量控制以及预测网络边缘的网络安全漏洞等操作。

相互成就的AI、边缘计算与云计算

如果将云计算比作计算机智能系统的大脑，那么边缘计算相当于该系统的眼睛、耳朵和手脚，AI 则是该系统“智能”的核心分析器。即在云化时代，云计算相当于统筹者，边缘计算是逐个击破的重要驱动，AI 为云计算+边缘计算协同合作机制发挥最大效率。作为一种利用互联网实现随时随地、能广泛进行网络访问、资源共享、且具备快速的可伸缩性和可度量等独特优势的技术，云计算的出现颠覆了传统 IT 系统技术架构。同时，它囊括了SaaS、Paas、laaS 三种服务模式，让很多应用的研发也无须再去关注令人头疼的硬件、软件等问题，而可以让企业及工程师们直接在云端操作解决。正因此，近几年间，越来越多的企业选择了“上云”。不过，云计算虽然能够加快应用部署速度以及增强 IT 系统与业务灵活性，但是物联网时代，海量数据的爆发，如果将数据都上传云端进行智能处理，无疑将会对网络带宽带来很大的挑战，同时在一定的智能化场景中如自动驾驶、智能医疗设备等领域，有些数据来不及返回至云端，而是需要立即被识别与实时地分析与处理，这就应用到了边缘计算技术。

如今，AI 早已成为社会发展的必然趋势，而AI 想要全面入局智能终端设备，不仅需要借助云计算，更需要边缘计算的支撑。在错综复杂的数据交互中，AI 的存在是赋能各种平台构建算法和模型，并分析哪些数据需要上传至云，哪些数据需要独立和快速做出决定，从而基于机器学习、信号处理与优化等手段，将设备所收集的数据进行训练与学习，由此在不断迭代中让系统与传感器有能力根据最新的数据调整其内部算法，并扩展其智能性。三者的融合与应用，让边缘计算落地的同时，也为人们勾勒出一个不一样的未来数字时代。

边缘计算第一场景

在边缘计算的落地场景中，业内人士普遍认为，云游戏、高清视频是5G时代边缘计算的第一落地场景，拥有巨大的商业价值和市场驱动力。

多年来，高清视频一直发展火热，尤其近一两年视频直播更是空前高涨，未来前景也一直被行业看好和认可。云游戏则被看作边缘计算产业的明日之星，伽马数据的《2020年云游戏产业调查报告》显示，截至今年5月，百亿市值以上的企业布局云游戏占比达35.1%。

数万人的高清互动、VR/AR沉浸体验、快速的图像识别与视频分析;3A大作的瞬间点开，PC、PAD、手机多屏无缝切换，瘦身的终端配置，便捷的移动操作，逼真游戏环境和炫酷的视觉冲击，数万人高并发互动……这些酷炫的高清视频和云游戏体验背后，企业都面临带宽成本和网络巨压，边缘计算成为解决这一问题的有效途径。

也正因此，在目前可预见的各种应用场景中，云游戏、高清视频与边缘计算互相成就，也最早搭上了边缘计算的东风，成为边缘计算的第一落地场景，迎来了各巨头快速入局。除了高清视频和云游戏外，边缘计算还拥有着更多的大潜力市场，在巨大的风口面前，无论是运营商、设备商还是云服务厂商，都有着自己的“杀手锏”和优势，抢先入局则意味着更大的先发优势。

全面融入生活的边缘计算

根据中国移动发布的《中国移动边缘计算白皮书》，目前智能制造、智慧城市、直播游戏和车联网 4 个垂直领域对边缘计算的需求最为明确。

在智能制造领域，工厂利用边缘计算智能网关进行本地数据采集，并进行数据过滤、清洗等实时处理。同时边缘计算还可以提供跨层协议转换的能力，实现碎片化工业网络的统一接入。一些工厂还在尝试利用虚拟化技术软件实现工业控制器，对产线机械臂进行集中协同控制，这是一种类似于通信领域软件定义网络中实现转控分离的机制，通过软件定义机械的方式实现了机控分离 。

在智慧城市领域，应用主要集中在智慧楼宇、物流和视频监控几个场景。边缘计算可以实现对楼宇各项运行参数的现场采集分析，并提供预测性维护的能力;对冷链运输的车辆和货物进行监控和预警;利用本地部署的 GPU 服务器，实现毫秒级的人脸识别、物体识别等智能图像分析。在直播游戏领域，边缘计算可以为 CDN 提供丰富的存储资源，并在更加靠近用户的位置提供音视频的渲染能力，让云桌面，云游戏等新型业务模式成为可能。特别在 AR/VR 场景中，边缘计算的引入可以大幅降低AR/VR 终端设备的复杂度，从而降低成本，促进整体产业的高速发展。在车联网领域，业务对时延的需求非常苛刻，边缘计算可以为防碰撞、编队等自动/辅助驾驶业务提供毫秒级的时延保证，同时可以在基站本地提供算力，支撑高精度地图的相关数据处理和分析，更好地支持视线盲区的预警业务。除了上述垂直行业的应用场景之外，边缘计算还存在一种较为特殊的需求-本地专网。很多企业用户都希望运营商在园区本地可以提供分流能力，将企业自营业务的流量直接分流至企业本地的数据中心进行相应的业务处理。比如在校园实现内网本地通信和课件共享，在企业园区分流至私有云实现本地 ERP 业务，在公共服务/政务园区提供医疗、图书馆等数据业务。在这一类应用场景中，运营商为客户的本地边缘计算业务提供了专线服务。在具体的落地应用上，人们非常熟悉的在线教育便早早地引入了边缘计算技术。2020年初，受新冠疫情影响，在校学生不能及时返回学校上课，使得“远程授课和在线课堂”成为热点，又因互动课堂的业务需求与边緣计算擅长的领域相吻合，从而让大众在不知不觉中成为边缘计算的受众和体验者。假设一个位于上海的老师在给遍布全国各地的学生讲课，一旦中间网络发生抖动，就会出现卡顿、音画不同步、互动延迟等问题，学生提的问题老师没有及时回答，学生的积极性也会下降，授课效果必然会大打折扣。边缘计算则可以在更靠近终端的网络边缘上提供服务，全域覆盖的节点资源，仿佛打造了一张覆盖全国的高质量、低成本的实时视频转发网络。在K12在线辅导业务场景中，空间距离的缩短可以减少复杂的长链路传输网络中，各种路由转发和网络设备处理的延时和传输时间，同时可以更好地避免网络抖动带来的掉线和卡顿问题，在互动课堂业务场景中整体低时延、强互动体验提升明显。同时，视频类大流量业务的处理放到边缘完成，在大型公开课、名师讲堂直播等场景下会产生高并发访问，通过分布式的架构分散中心处理的压力，也能够有效避免网络拥塞，同时降低将数据传回源站的带宽成本。

对于常见的跨国授课来说，以阿里云边缘计算为代表的新一代信息技术，也能通过国际高速通道将海外的授课媒体流转发回国内的云中心，再通过边缘云智能选路系统以及遍布全国的边缘转发网络，将授课内容实时、高质量地呈现在学生面前。边缘计算能够解决数字业务场景下云计算的延迟、带宽、自主性和隐私需求问题，其具体应用将由人、设备和业务之间的数字业务交互来定义，在未来拥有十分广阔的发展前景，超过90%的企业都将开启自身在边缘计算的独特应用，并将在未来发展成为一个颇具规模的行业。而除当下悄然无声进入多个数字社会领域外，边缘计算本身也有自己的成长道路。

边缘计算未来的进化之路

作为极具价值且影响巨大的新兴技术，边缘计算本身也拥有自己的成长路线。“试验及小规模定制部署”是边缘计算成长的第一阶段，中国移动、中国电信和中国联通在2018-2019年进 行了大量边缘计算试验，为进一步商用打下重要基 础。2020 年各行业边缘计算部署验证增多，部分测试转为小规模部署。在这个阶段，边缘计算的部署大多是私有及定制化应用，专门设计用于满足企业需求， 如智慧港口、智慧园区或智能工厂，而且边缘技术主要在本地部署。经过前期积极准备，“初具商用规模阶段”则有望在2021年-2023年展开。在这个阶段，5G网络的普及程度越来越高（预计截至2023年底，5G网络覆盖率超过60%的人口），第一阶段的私有边缘计算设施部署开始在更大规模上产生效益。除了本地定制的边缘计算应用之外，自动驾驶、体育赛事和游戏等公共应用也将进行更多探索，边缘计算基础设施部署在区域或城市，靠近基站或汇聚基站。在这个阶段边缘计算应用程序的成本较高，因为要在分散计算负载的可用租户较少的情况下运营大量微型数据中心。而业界普遍预计，边缘计算要成为主流，估计得2024年以后才有机会。到2025年末，中国5G 人口覆盖率预计将超过70%。5G技术的成熟、5G 设备成本的降低、移动产业与企业的良好合作将推动扩大边缘计算部署规模。随着5G基站数量增加，可以更广泛地部署边缘计算，并且可以越来越多地用于公共边缘计算应用场景。

除了可以用时间段了解边缘计算的成长情况，也可以用不同技术表现能力，确定当下边缘计算所处阶段。边缘计算 1.0是关于如何安全、管理和连接机器和设备以启用数字边缘。数据显示，目前大多数企业还处于边缘计算 1.0阶段，这一阶段只具备在数字世界中成功实现业务运营所需要的基本能力。而在边缘计算2.0阶段，边缘计算开始采用开放的、软件定义的技术。软件定义技术是指从底层计算机硬件中提取出各项功能，并使这些功能能够在软件中执行。这与服务器虚拟化背后的概念相一致，后者已经存在多年。最近，这一技术被应用于包括计算、存储、网络和安全等在内的各个领域。例如，借助软件定义网络（SDN）技术，企业能够从集中控制平台上修改包括路由表、配置和策略在内的各种属性，而不必逐一修改各交换机的属性，从而更轻松地管理网络。到了边缘计算3.0阶段， IT和OT将实现真正的融合，具备了一系列弹性和实时能力。如今，仍然有很多IT未触达的工业领域。例如，工厂需要机械控制系统来执行确定性行为，并保障安全性。这些控制系统诞生于操作技术领域，而不是信息技术产业。落实边缘计算 3.0的功能是成功迈向边缘计算4.0转变的必要条件。在边缘计算4.0阶段，IT和OT基础设施和运营将与人工智能（AI）相融合，一个自管理、自愈和自动化的工业领域即将诞生。一旦机器出现问题，AI系统就能进行诊断并进行修复——无需人工干预。

人们无法直接从1.0直接跨越到3.0，必须构建每个阶段所需要的能力才能一个阶段一个阶段地迈进，正如同边缘计算会成为物联网支撑一样，从芯片到算法，同样也是边缘计算的基础支撑。

边缘计算背后的芯片博弈

边缘终端市场是指直接在终端设备上做计算的AI芯片，对于功耗和能效比有很强的要求。目前来看，边缘终端市场有两种形态的芯片产品，一种是针对特定应用的SoC，一种是通用加速器做独立芯片。SoC面向专用市场，在芯片中深度学习加速计算事实上只是一小部分，而其他大部分芯片面积则交给了主控处理器、视频解码等等模块。SoC集成度高，一般的技术路线是用新的SoC代替原有的不支持深度学习加速的SoC做更新换代。一个典型的例子就是华为麒麟系列SoC加入寒武纪的NPU，就属于SoC自己的更新换代。专注于AI芯片的厂商进入SoC市场的策略往往是提供IP授权，以发挥自己的强项（如寒武纪给华为提供NPU IP）。对于SoC往往针对的是一个特定市场，因为其中的模块都是针对该应用而设计，如果用在其他应用中则显得浪费，例如麒麟SoC最适合的场景是手机，其中包含的GPU、ISP、Modem等都是为了手机场景打造，如果是用在工业场景则这些模组都闲置了，因此也就引出了另一个终端通用型深度学习加速器芯片市场。该市场相对于SoC市场来说允许较低的集成度，即可以在主控芯片之外再搭配额外的芯片以支持相应功能。

在终端SoC市场，事实上竞争已经白热化，华为、高通等公司都纷纷推出专属的SoC搭载 A I加速模组，而A I加速模组IP的提供商也有ARM，Cadence，CEVA等传统IP提供商以及寒武纪这样的初创公司。不少传统SoC芯片公司都纷纷在自家SoC中加入自研或授权的人工智能模块。对于人工智能终端SoC市场，我们的分析是该市场虽然最早得到关注但是很可能近几年还是被原来的SoC公司占领市场，因为目前终端人工智能市场尚未真正落地收获真金白银，因此SoC中加入人工智能还只是锦上添花之举。

边缘计算加速神经网络加速器兴起

从硬件层面讨论边缘计算、AI等技术融合的同时，神经网络加速器也浮出水面。随着5G时代的到来，边缘计算逐渐将智能化处理从云端转向边缘。汽车的智能化趋势越来越明显，数字驾舱、人机界面、先进驾驶辅助系统被越来越多地应用于汽车当中，传感器也与多入多出（MIMO）等通信方式相融合，增加了复杂性。这些都要求汽车拥有更强的处理能力和控制能力。根据Imagination的估算，如果执行ADAS的车道偏离检测需要10 GFLOPS的算力，那么执行行人预测可能需要500GFLOPS的算力。在自动驾驶方面，如果处于Levels2+级别的驾驶员监测、语音/手势控制需要10 TOPS算力，那么Level5的功能势必需要500TOPS以上的算力才能支持。更高的性能、更低的延时和更好的安全性是未來汽车发展的主要趋势。为了应对这样大规模数据采集、传输乃至分析的要求，神经网络加速器开始浮出水面。尽管神经网络推理可以在CPU上运行，同时人们也经常会采用GPU。然而为了在严格的功耗要求下满足下一代性能要求，专用的神经网络加速硬件也越来越广泛地被采用。

未来，随着边缘计算的普及，相信这一类新兴硬件会越来越多，而除了应用于边缘计算外，相信会有更多领域会被这类新兴硬件开启。

绝非万能的边缘计算

边缘计算对于未来数字社会有着重要影响，但这并不意味着边缘计算就是万能或绝对优秀的存在，边缘计算同样有着自己需要解决的问题和局限性。边缘计算通过很大程度地减少数据传输时间来降低一些安全风险，但同时也带来了更复杂的安全挑战。例如，如果企业在不受控制的最终用户设备上存储或处理数据，很难保证这些设备没有受到网络攻击者可能利用的漏洞的攻击。即使使用云计算-边缘计算模型来保留对边缘计算基础设施的控制，拥有更多可管理基础设施也会增加攻击面。在延迟方面，边缘计算可提高应用程序性能和响应能力，因为数据不必往返于云计算的数据中心进行处理。对于需要真正即时通信流的工作负载，这是一个关键优势。大多数工作负载具有较低的延迟标准。与传统的云计算架构相比，边缘计算网络可能只会将网络响应速度提高几毫秒。对于标准应用，常规架构带来的网络延迟是可以接受的。而确保延迟改善确实值得进行权衡，尤其是在考虑了增加的成本和管理负担之后。

简而言之，边缘计算可能会减少应用程序加载或响应请求所需的时间，但这种改进并不值得付出更多成本。 而当下边缘的完整定义依然不明确，特别是关于计算资源的部署位置和边缘 基础设施的规模没有统一观点。要部署边缘基础设施，就需要大量投资，但在应用场景和商业模式仍然较为模糊的情况下，要确定这种投资是否合理是对运营商乃至所有的企业都是一个挑战。

不可忽视的雾计算

在技术不断更迭过程中，边缘计算的出现很好的解决了云计算的不足，可面对多样化的市场需求，人们往往需要更多细分技术。在云计算和边缘计算之间，雾计算的出现很好地解决了端点和云数据中心间的算力需求。边缘计算和雾计算之间的关键区别在于该数据的处理位置，在边缘计算的情况下，像可编程自动化控制器一样，在靠近数据生成的地方进行数据处理。相反，在雾计算中，数据在雾节点或IoT网关内处理，雾节点或IoT网关位于网络的局域网（LAN）级别内。在雾计算中有多种应用。例如，由于雾网络的能力和弹性，可以通过实时数据分析提供低延迟，移动性和位置标识，因此在线流媒体平台可以提供不间断的观看服务。同样，在医疗保健领域，我们每天都会产生大量的患者数据。利用雾计算可以减少耗时数分钟的数据传输并将其转换为秒。对于患者护理而言，这是非常重要的，因为它将大大提高服务速度。

从这里我们可以看出，任何技术都难以单独存在，不同应用特点的技术融合应用，才能构造完整的数字社会。

写在最后：数字时代的新基建

如果说前十年云计算的发展主要是技术驱动的话，那么当越来越多的IT人士接受云计算的理念，希望让这一技术理念更加符合实际场景的时候，应用逐渐成为云计算的发展驱动力;而传统中心化的不足之处，成为边缘计算发展的重要机会。近十年间，各行各业的企业都经历着数字化技术和产品对传统生产经营模式的冲击。人工智能、大数据、区块链、自动化等技术的日渐完善，让企业的生产效率和业务模式发生了翻天覆地的变化。如果说云计算和雾计算是数字化转型的敲门砖，那么边缘计算才是解决未来数字化难题的重要路径。很显然，许多企业管理者已经洞察到边缘计算的重要性，并着手开始布局边缘计算相关的基础设施和应用。作为数字时代的新基建，边缘计算相信会带给人们很多不同与改变。