“計算正從中央走向邊緣”、“計算邊緣化”……近日來，在大大小小各類有關人工智能的論壇或峰會上，我們或多或少的聽見以上言論，其中的關鍵點只有一個——邊緣計算。圍繞這個問題，看看這些從業(yè)者們給出的解答。
邊緣計算，一個不是那么“新”的詞匯
關于“邊緣計算”的熱議是近一兩年才慢慢開始的，但它并不是一個“新詞匯”。早在2003年的時候，IBM就曾與CDN服務商AKAMAI合作過“邊緣計算”。
根據(jù)維基百科的解釋，“邊緣計算”是一種分散式計算的架構，將應用程序、數(shù)據(jù)資料與服務的計算，由網(wǎng)絡中心節(jié)點，移往網(wǎng)絡邏輯上的邊緣節(jié)點來處理。邊緣計算將原本完全由中心節(jié)點處理大型服務加以分解，切割成更小與更容易管理的部分，分散到邊緣節(jié)點去處理。邊緣節(jié)點更接近于用戶終端裝置，可以加快資料的處理與傳送速度，減少延遲。在這種架構下，資料的分析與知識的產(chǎn)生，更接近于數(shù)據(jù)資料的來源，因此更適合處理大數(shù)據(jù)。
與集中化處理數(shù)據(jù)的云計算不同，邊緣計算講究的是分布式管理。以往，因為超大規(guī)模、高可擴展性、通用性等因素，云計算受到熱捧，人們也總是強調要“上云”，將數(shù)據(jù)的計算、存儲等全部搬到云上。相比之下，邊緣計算強調的是一種“下沉”，離終端設備更近一點的地方。
更為通俗地說，“云計算”是高高在上的。當設備端完成數(shù)據(jù)采集和指令接收，它們需要通過網(wǎng)絡走上云端，后者會基于此作出判斷，繼而將結果再通過網(wǎng)絡“告知”設備端。
相比之下，“邊緣計算”則更為接地氣?；谶吘売嬎悖O備端不需再將數(shù)據(jù)等上傳至云端，將“計算”本地化，省去以往繁瑣的過程。
邊緣計算，云計算之后的“新晉網(wǎng)紅”
在最早的時候，邊緣計算的出現(xiàn)就是為了彌補云計算的一些不足，因為后者已經(jīng)不能滿足更多智能需求。具體說來：
1、海量數(shù)據(jù)洶涌來襲，但云計算卻被“帶寬”捆住手腳。如今，越來越多的設備被接入互聯(lián)網(wǎng)，產(chǎn)生的數(shù)量、體量是以往的多倍。原本，這些數(shù)據(jù)的計算和存儲均交由云端處理，即云計算。不過，隨著數(shù)據(jù)的增多，帶寬不夠的傳輸通道開始出現(xiàn)“堵車”現(xiàn)象。
這就如同“多米諾牌效應”——因為帶寬受限，數(shù)據(jù)傳輸、分析處理、指令反饋等一系列流程都變得緩慢，最終結果就是時間線被拉長，造成高延遲現(xiàn)象。
2、網(wǎng)絡傳輸依賴性大，隱私安全令人擔憂。基于云計算，我們需要把原始數(shù)據(jù)上傳至云端進行處理，然后反饋給設備端，這一過程的實現(xiàn)，需要依賴網(wǎng)絡。過程中，一旦有黑客攔截，用戶安全隱私的保護就成了一個大問題。另外，若是遇到斷網(wǎng)等情況，即使強大如云計算，太過依賴網(wǎng)絡傳輸?shù)乃矊⒚媾R“巧婦難為無米之炊”的窘境。
此外，云計算還面臨功耗大等更多問題。智能時代漸趨漸近，云計算也不再萬能，需要有新技術來彌補缺口。此時，邊緣計算本地化、邊緣化的特性恰恰彌補了這些短板。
以智能家居場景為例?；谶吘売嬎悖斢脩舭l(fā)出指令，相關原始數(shù)據(jù)不必再上傳云端進行處理，具備計算能力的設備端完全能夠自行處理，并實時反饋。簡單來說，云計算處理的是那些非實時、長周期數(shù)據(jù)的大數(shù)據(jù)分析，而邊緣計算更適合本地業(yè)務的數(shù)據(jù)實時處理與執(zhí)行。
值得注意的是，邊緣計算出現(xiàn)之后，諸如網(wǎng)關、自動駕駛汽車、機器人等邊緣節(jié)點能夠在本地實時采集和處理數(shù)據(jù)，并針對指令給出反饋，這是不是就可以看作是終端計算?
其實不然，“終端計算”意味著終端要自己負責所有的計算，就像云計算出現(xiàn)之前的計算機，不管是數(shù)據(jù)的采集、計算、輸出和存儲，均由計算機在本地設備內一手操作。
邊緣計算，不會取代也離不開云計算
據(jù)IDC的數(shù)據(jù)顯示，到2020年，將有超過500億的終端和設備接入網(wǎng)絡，而這些設備中有超過半數(shù)的數(shù)據(jù)需要在網(wǎng)絡邊緣側分析、處理與儲存，整個邊緣計算的市場將會超過萬億級別，市場體量不可小覷。
目前，在邊緣計算這一塊，主要有4類玩家，分別是運營商、設備商、云服務商和CDN服務商。
運營商：主要在移動邊緣計算市場進行部署，在移動網(wǎng)邊緣提供提服務環(huán)境和云計算能力。他們或是利用移動邊緣計算進行內容本地分流業(yè)務，或是將業(yè)務處理下沉到最貼近用戶的基站進行邊緣數(shù)據(jù)處理等等。
設備商：在打法上主要以“硬件”為主，最具有代表性的就是各類芯片。將計算、存儲等功能從云端搬到芯片的計算單元中。比如AI芯片，對于一些指令，系統(tǒng)不必再將數(shù)據(jù)上傳云端，可以在本地端、設備端實時處理并給出反饋，大大節(jié)省了中間的流程。
云服務商：作為云計算的助力，云服務商并沒有放棄邊緣計算，他們將之視為云計算的一個延伸，包括亞馬遜、微軟、阿里巴巴等巨頭企業(yè)均已有所布局。比如微軟，其于去年推出了混合云解決方案Azure Stack，將云端能力融入終端，讓數(shù)據(jù)在本地實現(xiàn)處理，然后進行聚合分析與決策，可以看作是在邊緣設備設置了一個“微型云”。
CDN服務商：CDN是構建在網(wǎng)絡之上的內容分發(fā)網(wǎng)絡，依靠部署在各地的邊緣服務器，讓用戶更快獲取內容等等，其天生就有著“邊緣屬性”。眼下，智能化需求推動其向邊緣計算靠攏，只需經(jīng)過改造，其原有的節(jié)點就可升級為具備計算、存儲、傳輸、安全功能的邊緣計算節(jié)點。
從以上派別來看，在邊緣計算的部署上，主要分為“軟件”和“硬件”兩大類。AI芯片創(chuàng)企異構智能中國區(qū)總裁周斌表示，這其中的“邊緣計算”是有所不同。在芯片端，“這里更多的是在邊緣自主的完成計算任務，不需要云端的參與。”或者說，這里的“邊緣計算”并不能看作是云計算的延伸，而是獨立存在的。
但是，不管是哪一類，其最終應用和落地，皆離不開云計算。
邊緣計算為什么會興起?因為數(shù)據(jù)太多了，云計算處理不過來，所以要分開處理。這時候，分布在各個節(jié)點的邊緣計算將負責自己范圍內的數(shù)據(jù)計算和存儲工作。而對于應用場景來說，這還遠遠不夠。
以自動駕駛為例，地平線機器人創(chuàng)始人兼CEO余凱稱，未來的計算模式是邊緣跟中央結合，邊緣側的自動駕駛專用芯片會感知傳感器數(shù)據(jù)并立刻處理、做決策，同時，這些處理之后的數(shù)據(jù)，也會在云端匯聚，進行大數(shù)據(jù)分析、模型搭建和編輯，同時做大規(guī)模的仿真。在其看來，算法+芯片+云計算，構成了未來自動駕駛的三大核心支點。
比如物聯(lián)網(wǎng)，以阿里云發(fā)布的邊緣計算產(chǎn)品Link Edge為例。的確，通過賦予家庭網(wǎng)關計算能力，即便是斷網(wǎng)，諸如生物識別門鎖、機器人等都能正常運作。但是，如果加上云，基于以往云端的大數(shù)據(jù)分析和判斷，在聯(lián)動的前提下，整個家庭場景的智能設備將變得更為個性化，譬如關上門的時候，掃地機器人就開始運作等等。
可以看到，在這里，提供邊緣計算算力的芯片主要在前端，負責數(shù)據(jù)的實時采集和計算。但是，在數(shù)據(jù)如“石油”的智能化時代，這些數(shù)據(jù)并不是一次性數(shù)據(jù)，那些經(jīng)過處理的數(shù)據(jù)需要在系統(tǒng)中進行留存，以做算法訓練、數(shù)據(jù)驗證等用。
這時候就需要一個大容量的“容器”，而這個是邊緣計算所沒有的。在這個容器中，這些數(shù)據(jù)將被用于AI算法訓練、用戶個性化功能塑造等等，這些都是非實時需求，之后再傳輸給終端設備，從而進一步提升服務質量。
“AI邊緣計算可在前端實現(xiàn)圖像識別、特征值提取和識別比對，不受帶寬影響，自成體系，可快速反應。云計算做大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時進行算法模型的訓練和升級， 升級后的算法推送到前端，完成自主學習閉環(huán)。”云天勵飛研發(fā)副總兼芯片團隊負責人李愛軍稱。
同時，這些數(shù)據(jù)也有“備份”的需要，當邊緣計算過程中出現(xiàn)意外情況，這些數(shù)據(jù)也不會丟失。
另外，邊緣計算解決了“算力”問題，但解決不了“內容”，這方面需要“云計算”來提供幫助。當用戶向設備發(fā)出一個指令，要求邊緣計算使得設備能夠實時“了解”用戶表達的內容以及目的，在這之后，諸如音樂播放、訂票等服務等指令的執(zhí)行，均需要云服務的介入，這些是邊緣計算所不能提供的。
雖然在某些場景下，邊緣計算本身是獨立的、不需要云計算介入的。但是，從整體來看，它并不能代替云計算，也離不開云計算。未來，邊緣計算將與云計算形成一種互補、協(xié)同的關系，屆時，邊緣計算將主要負責那些實時、短周期數(shù)據(jù)的處理，負責本地業(yè)務的實時處理與執(zhí)行，而云計算將負責非實時、長周期數(shù)據(jù)的處理。簡單說來，邊緣計算將注重局部，而云計算關注整體。
