擁有超4G數百倍的傳輸速度，5G技術的未來，即將是一項顛覆性突破，但同時也面臨著一項又一項重大挑戰。

引言

5G的大潮正在涌來，數百倍于4G的傳輸速度，正在醞釀著顛覆的起手勢，過往受制于網絡傳輸速度的技術限制而僅存概念創新階段抑或是掣肘于瓶頸技術而無法實現的智能終端產品正借由這股東風爭先落地。

根據IDC的數據統計，至2020年全球將有超過500億的終端和設備聯網，由于個人、企業乃至于各個行業在這一輪變革中因為物聯化智能終端產品的應用，將導致網絡邊緣側的數據量幾乎每天都在破紀錄地增長。

集中式的云計算技術架構正在日益受到挑戰，云中心雖然具備強大地算力資源去處理海量的數據，但網絡帶寬無論怎樣拓展都存在階段性的邊界值，帶寬資源的既定性與日益倍增地邊緣側海量數據的傳輸需求始終是一個不斷消長的矛盾體，另一方面云計算對于數據地處理也需要一定地時間，由此而生的時延性問題也是諸多應用場景所不能接受的。

換句話說，云計算是未來包括5G時代應用更加廣泛、貢獻更加突出的一種解決方案，但是，它解決不了所有的問題，尤其是伴隨著巨量終端的聯網帶來的邊緣側數據的爆發式增長，使得數據在邊緣側的分析處理和存儲的需求尤為明顯，云計算需要一個可以幫他解決這個問題的伙伴，共同為5G時代的萬物互聯做好基礎準備。

一、國王的煩惱、章魚與邊緣計算

讓我們來看看幾個實際地落地應用場景可能遇到的問題：

隨著智能家居系統的普及，圍繞家庭日常生活的數據將被系統實時采集和監測，如何保證這些數據的隱私性和安全性？在無人駕駛的場景中，車載傳感器獲取的大量環境數據流，如果全部上傳再由中央節點處理下發，造成的延時反饋將如何解決？對于某些企業來說，提供連續的業務服務至關重要，如果遭遇網絡問題或者惡意攻擊造成的故障，即使時間再短也可能造成非常嚴重的損失，這將如何避免？

可能邊緣計算是一位可以解決這些問題的小伙子，如何理解邊緣計算，從一個故事開始：

其實這很像一個國家的行政體系，假設王國A是一個幅員遼闊的國家，擁有廣袤的土地和眾多的子民，起初王國A的國王成立了一個強大的中央集權體制，為了配合這個體制的運營，國王將全國優秀的人才選拔出來網羅至首都并成立一個可以處理全國大小事務的行政機構——中央事務局，于是國王規定全國無論大小事務必須呈報至該機構，通過中央事務局進行決策、審判和處理，處理結果再通過行政體系下發執行。

漸漸地，國王發現民怨四起，百姓抱怨一起糾紛短則數周，長達數月才能得到官府的裁決，處理事務的官員解釋道：事務從地方呈報上來的路程很久要花一些時間，事務官處理事情也需要一些時間，處理結果傳達至地方有又需要花一點時間，距離首都近的地方還好，距離首都較遠的地方，因為路程的原因，收到并返回處理結果的時間要很久。而且各地事情不斷呈報上來，機構雖然擁有眾多的事務官可面對全國的事務量依然力不從心。

國王召集大臣，商量此事應如何解決，最后一位大臣提出了一個解決方案：將國家劃分為一個個較小的行政區域，每個行政區域設立一個事務處理機構——地方事務局，所有該行政區的大小事務只需呈報至該機構進行處理即可，于是所有大小事務都可以得到就近解決，百姓的訴求很快就得到了處理結果，而地方事務局僅將處理結果和自己無權限決策的事務上報中央事務局即可。這樣百姓的事務處理訴求就可以就近得到地方事務局的即時響應，疏導并分攤了中央事務局的處理量。某種程度上來說，這個故事就是邊緣計算的運行原理。

很多人用章魚來做比較，無脊椎動物中章魚的智商最高，巨量的神經元中60%分布于八條腿上、40%分布于腦部，行動時動作之靈巧很大程度在于腕足之間的高度配合，而這種敏捷性來源于這種神經元的慷慨分布，使得各個腕足擁有一定程度的環境感知和處理能力，而不必經由觸角將感知信息傳送至腦部再進行處理反饋，這樣對于章魚來說，每個腕足都相當于一個擁有算力資源的邊緣節點用于處理該腕足所感知的環境信息，而它的大腦則對八個腕足進行整體協調。而這種腦群系統類似于分布式計算，而邊緣計算就是一種分布式計算。

從上面的例子我們可以總結出邊緣計算的一個最重要的特性，一種靠近末端數據源的計算節點，可在末端即時的完成數據的分析、處理和控制反饋，智能化地處理本地業務而無需經由云端網絡進行決策反饋，大大提高了邊緣側地自主事務處理能力，實現即時化、智能化。

那么我們來了解一下官方定義根據邊緣計算產業聯盟白皮書的定義，邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

二、邊緣計算的基本屬性

1. 第一入口

由定義我們得知，邊緣計算是本身就部署于數據源的網絡邊緣測，是數據上傳地第一個關口結點，某種程度上可以看作為分布于現實世界的物理終端通向虛擬數字世界的介質或者橋梁，是物理世界終端數據源的第一入口。

2. 聯結性

聯接是邊緣計算的基礎。特定應用場景下，保證各種物理終端之間的互聯互通并進一步實現聯動操作是邊緣計算的應用基礎。

物理世界的聯接對象本身就是豐富多樣地，存在于不同的異構環境中，這些異構環境對應存在著不同的網絡接口、網絡協議、網絡部署與配置等，并產生完全不同的數據格式，而這些天然差異化地數據標準和源頭都是需要邊緣計算實現廣泛地兼容，實現數據接收感知后地歸一化處理，從而實現廣泛地聯接。

3. 約束性

每一個行業都有自己的生產體系，結合不同的客戶群體對接不同的用戶需求都有自己特定應用場景，終端和場景的差異本就是天然存在，換句話說，邊緣計算作為一種解決方案是普世適用可賦能于各行，但落地于不同的行業特性和應用場景是在客觀上是需要邊緣計算必須根據不同的條件和運行環境進行針對性的適配，以滿足各項現實性的約束條件，支持多樣化的行業應用場景。

4. 分布性

邊緣計算的實際部署天然具備分布式的特點，這就要求邊緣計算支持分布式計算與存儲，并且能支持分布式資源的動態調度與統一管理。

5. 融合性

OT與ICT的融合是行業數字化轉型的重要基礎，邊緣計算是多領域融合發展的重要途徑，需要支持包括聯接、數據、管理、控制、應用等方面的協同。

三、邊緣計算的“CROSS”價值

1. Connection（聯接的海量與異構）

在物聯網環境中會有大量的數據生成，并且由于物聯網網絡的異構環境，生成的數據是各種格式的，把各種各樣的數據格式化對邊緣計算來說是一個挑戰，如何化解和整合物理終端的差異，實現異構狀態下的數據整合和共通，是一切的開始。

5G時代下萬物互聯，作為組成這張大網的聯接結點從數量層面是海量的，從種類層面是多樣的，不同的物理終端對應不同的應用場景。

2. Real-time（業務實時性）

在即時性要求較高的行業領域，譬如無人駕駛、VR/AR以及工業系統的控制、執行等，如果所有的數據經由云端進行處理分析并下發，很難滿足這些場景的實時性要求，而邊緣計算使得數據能夠在最近地邊緣結點進行處理，減少與云端之間的數據傳輸需要。邊緣計算可在本地處理和存儲關鍵數據，本地化數據處理和存儲對于計算網絡的壓力較小，推送到云的數據量減少時延遲的可能性就會降低。

例如“城市大腦”中利用攝像頭等傳感器以及物聯網設備進行城市的監管和治理，在大量攝像頭接入網絡時，由于每個攝像頭都在進行著高碼率的實時直播，不適合全部即時上傳至中心云，最好的解決方案就是在各個街道部署邊緣計算結點，自行完成對實時原始數據的處理和結構化運算。

3. Optimization（數據的優化）

工業應用場景與物聯網末端存在多樣化地海量異構數據，這就必須通過數據優化手段完成這些數據地聚合、數據地統一呈現于開放，從而進一步服務于邊緣應用。

4. Smart（應用的智能性）

邊緣計算可以在邊緣側通過引入數據分析和業務自動化處理能力從而智能化的處理本地業務邏輯，極大地提升了系統地反應效率，降低成本，尤其在預測性維護等應用方面成效顯著。例如電梯的預測性維護，通過電梯故障的自檢和預警，大大減少人力的巡檢成本。

5. Security（安全與隱私保護）

由于網絡邊緣側更貼近于萬物互聯的終端設備，邊緣計算接收著源源不斷地第一手數據流，大量的生產數據和個人隱私信息都將匯入邊緣結點，保證這些數據信息的安全則是邊緣計算首先要解決的問題。

而這種安全性地除了上述所說的敏感信息的關鍵數據安全還包括終端設備安全、網絡安全、數據安全與應用安全等。

而這種安全性地邊緣計算可在本地處理和存儲關鍵數據，數據不必存儲至云端，因此敏感信息不需要經由網絡，進一步確保數據的安全性和隱私性，降低被惡意攻擊的影響程度。

比如，蘋果春季發布會宣布進軍流媒體之后強調所有的個性化推薦都會在本機運算完成，而不會上傳至蘋果服務器，這就是邊緣計算在安全與隱私保護方面的有效應用。

四、邊云協同

邊緣計算與云計算在實際地場景中應作為互相補充的解決方案，二者各有所長，不存在替代關系。云計算擅長進行全局性、非即時、長周期地大數據處理能力，能夠在宏觀層面進行長周期地調度和維護，對于系統層面整體業務決策提供強大地支撐作用。邊緣計算適合于局部地、實時地、短周期地數據分析和處理，能夠非常好地支撐本地業務地智能決策化。

5G時代下地萬物互聯，實際地應用場景更多地需要邊緣計算于云計算進行緊密協同，也基于此才能使得組合后地“邊云協同”整體價值遠遠大于邊緣計算和云計算在場景中獨自落后地局部價值。邊緣計算因為其部署于末端地執行單元，這些執行單元恰恰是云端所需要地高價值地數據采集單元，由執行單元產生地數據則是云端進行大數據分析應用地基礎。而云計算通過大數據優化輸出地業務規則也可以下發到邊緣側，邊緣計算基于新地業務規則進行業務執行地優化處理。

讓我們來看看在工業場景中，“邊云協同”所釋放地數據價值。工業生產過程中高頻數據采集，往往會對網絡傳輸、平臺存儲與計算處理等方面帶來性能和成本上的巨大壓力，在邊緣層進行數據的預處理和緩存，正成為主要平臺企業的共同做法。

一是在邊緣層進行數據預處理，剔除冗余數據，減輕平臺負載壓力。

二是利用邊緣緩存保留工業現場全量數據，并通過緩存設備直接導入數據中心，降低網絡使用成本。

在工業場景中，通過將計算能力下放到更為靠近物或數據源頭的網絡邊緣側，一方面利用邊緣層直接運行實時分析算法，二是通過邊緣與云協同，實現模型不斷成長和優化，從而讓邊緣分析技術增強平臺實時分析能力。

邊緣計算產業聯盟（ECC）與工業互聯網產業聯盟（AII）計劃聯合發布《邊云協同白皮書》中將邊云協同地主要應用場景分為六種，包括物聯網邊緣計算、工業邊緣計算、智慧家庭邊緣計算、廣域接入網絡邊緣計算、邊緣云、多接入邊緣計算，它們又分別對應了六大邊云協同主場景：物聯網邊云協同、工業邊云協同、智慧家庭邊云協同、廣域接入網絡邊云協同、邊緣云邊云協同、MEC邊云協同，以及十四種邊云協同子場景。

當然，邊云協同的能力與內涵落地到各應用場景時其具體能力與關注點又會有所不同，因為每種邊緣計算業務形態對于與云計算協同的業務需求不盡相同。比如在IoT系統控制子場景下，更多關注時延的敏感性和確定性以及數據的隱私性，映射到對于邊緣協同的關注點上，就會涉及資源協同、業務管理協同、應用管理協同和服務協同。

結語

5G將使得物聯網更加泛化，在汽車領域，物聯網與汽車網絡相結合，形成解放人類雙手的自動化駕駛；在家居領域，物聯網使各類家居智能化，為人們生活提供便利；在工業領域，物聯網廣泛應用于工業控制系統中，為生產流程提高效率。

隨著技術的進步和人們消費水平的提高，物聯網的“泛化”有望呈現進一步擴張的態勢，從而產生更多的應用領域，而匹配物聯網大發展的邊緣計算將更多地被應用。

本文由 @江天一隅 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議