數(shù)據(jù)是現(xiàn)代社會的“生命”之流。盡管光纖已經(jīng)能讓數(shù)據(jù)以二十萬千米/秒（真空光速的三分之二）飛速行駛,但在遠距離傳輸中仍不可避免存在延遲。
打個比方,從深圳發(fā)出的信號沿著光纖傳播,最快也要0.1秒才能抵達約二萬千米外的巴西。盡管這一延遲幾乎可以忽略不計,但在一個即將到來的萬物互聯(lián)世界里,再微小的數(shù)據(jù)延遲都將對一些行業(yè)造成重大影響,如遠程手術(shù)、股市交易、無人駕駛等。
因此,縮短數(shù)據(jù)的傳輸路程已成迫切需求。而這一需求也推動了數(shù)據(jù)的存儲和計算向智能設(shè)備終端一側(cè)下沉,邊緣計算由此便應(yīng)運而生。
如何理解邊緣計算？其優(yōu)勢何在？又將有哪些值得期待的應(yīng)用前景？
邊緣計算
首先，邊緣計算（MEC）是繼分布式計算、網(wǎng)格計算、云計算之后的又一新型計算模型。大家公認為邊緣計算是以云計算為核心，以現(xiàn)代通信網(wǎng)絡(luò)為途徑，以海量智能終端為前沿，通過優(yōu)化資源配置，使得計算、存儲、傳輸、應(yīng)用等服務(wù)更具智能，具備優(yōu)勢互補、深度協(xié)同的資源調(diào)度能力，是集云、網(wǎng)、端、智四位一體的新型計算模型。
怎么樣是不是有點半懂不懂了？下面我們以人類的中樞神經(jīng)系統(tǒng)為例子，來更好地理解一下邊緣計算。
試想一下，當我們的手碰到火苗時，第一反應(yīng)是迅速縮回，之后才感受到灼燒的疼痛。在這一過程中，皮膚的感受器率先接受外界刺激，并產(chǎn)生神經(jīng)沖動傳到脊髓。隨后，脊髓一方面將指令傳遞給手臂上的肌肉使其立刻縮回，同時也將信號同步傳輸給距離更遠的大腦皮層，從而使我們形成痛覺。
邊緣計算就像是能夠瞬時做出反射動作的脊髓，由于傳輸路徑短，往往具有反應(yīng)速度快、延遲較低的特點，但難以處理過于復(fù)雜的信息；而云計算則相當于大腦，它能夠處理更龐雜的信息，但也往往依賴更長的傳輸路徑。
數(shù)據(jù)時代
MEC優(yōu)勢明顯
從技術(shù)或商業(yè)演進的實際情況來看，物聯(lián)網(wǎng)設(shè)備的指數(shù)級增長，產(chǎn)生了大量需要在數(shù)據(jù)中心處理的數(shù)據(jù)。在傳統(tǒng)云計算模式下，數(shù)據(jù)的傳輸和存儲過程存在高延遲、高峰期擁堵以及低帶寬等問題。而作為云計算的一種補充，邊緣計算著重解決的正是數(shù)據(jù)傳輸、處理、存儲的效率問題。因此，邊緣計算更偏向于云計算向終端和用戶側(cè)延伸形成的新解決方案。
具體來看，邊緣計算具有以下幾種優(yōu)勢：
01、高速
物聯(lián)網(wǎng)的邊緣計算設(shè)備能夠在本地或者附近的邊緣數(shù)據(jù)中心處理數(shù)據(jù)，由于其收集的信息不必傳輸?shù)絺鹘y(tǒng)的云設(shè)施上，因此可以極大地提升智能設(shè)備的響應(yīng)速度。
02、安全
邊緣計算將數(shù)據(jù)的處理、存儲和應(yīng)用分散在大范圍的設(shè)備和數(shù)據(jù)中心，因此單一的攻擊很難破壞整個網(wǎng)絡(luò)；另一方面，傳統(tǒng)云計算將身體可穿戴、醫(yī)療、工業(yè)制造等設(shè)備采集的隱私數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心的路徑比較長，容易導(dǎo)致數(shù)據(jù)丟失或者信息泄露等問題，而通過在邊緣保存和處理數(shù)據(jù)，則能夠有效避免這一風(fēng)險；此外，收集到的數(shù)據(jù)的所有權(quán)也將從服務(wù)提供商轉(zhuǎn)移到最終用戶。
03、低帶寬需求
邊緣計算通過本地處理，能夠減少傳送到云中心的數(shù)據(jù)，降低對網(wǎng)絡(luò)帶寬的需求。這一特性在寬帶受限的場景下尤為重要，如信號較差的飛機、山區(qū)等。
04、可擴展性
邊緣計算提供了成本更低的可擴展性路徑，允許公司通過物聯(lián)網(wǎng)設(shè)備和邊緣數(shù)據(jù)中心的組合來擴展其計算能力。
5G時代MEC的應(yīng)用場景
協(xié)同5G、AI、云計算等技術(shù),邊緣計算在各行各業(yè)有著廣泛的應(yīng)用前景：
在智慧城市中,通過邊緣計算支撐智慧城市大規(guī)模基礎(chǔ)設(shè)施計算和服務(wù),可實現(xiàn)終端設(shè)備的低時延、低成本應(yīng)用。
以地鐵時刻表為例,通過為每輛地鐵車輛配備乘客計數(shù)器系統(tǒng)（PCN）和物聯(lián)網(wǎng)邊緣網(wǎng)關(guān),計數(shù)器內(nèi)置攝像頭捕捉乘客運動軌跡并將“人數(shù)”數(shù)據(jù)傳送到網(wǎng)關(guān)；網(wǎng)關(guān)進行數(shù)據(jù)聚合并提供GPS定位數(shù)據(jù),標準化后傳送至物聯(lián)網(wǎng)平臺,就能夠?qū)⒌罔F運行次數(shù)和人流數(shù)量相匹配,提升運營效率。
在智能制造領(lǐng)域，邊緣計算通過與AI結(jié)合,使用本地傳感器控制和管理輸出,能夠顯著地提高效率、減少誤差。
比如現(xiàn)在的AI機器人,在強大的邊緣算力和智能支持下,可以讓工人通過機器人精準地執(zhí)行遠程噴漆工作。而在操作一次自然示教之后,該零部件的噴漆能力就保存在了邊緣側(cè),之后對于同樣規(guī)格的零部件,機器人就能實現(xiàn)自主噴涂。
在衛(wèi)星通信領(lǐng)域,邊緣計算能夠適配環(huán)境提供低延時、低寬帶需求、低成本的服務(wù)。由于衛(wèi)星通信的大量終端設(shè)備往往分布于較偏遠的環(huán)境,傳輸距離遠、帶寬有限、跨衛(wèi)星通訊費用高昂,邊緣計算通過將數(shù)據(jù)本地化處理能有效解決這一問題,在船舶、飛機、石油鉆井、采礦作業(yè)、軍事基礎(chǔ)設(shè)施等領(lǐng)域應(yīng)用前景廣闊。
隨著應(yīng)用場景的不斷豐富，邊緣計算也將持續(xù)演進，日趨完善。據(jù)業(yè)內(nèi)人士分析，未來的邊緣計算，算力要求更高，運算顆粒度更細，算力類型更復(fù)雜，安全性要求也更高。在技術(shù)和應(yīng)用的雙重推動下，我們不僅能收獲更快、更流暢的直播、游戲等日常生活娛樂體驗，更有望見證自動駕駛、遠程醫(yī)療等前沿科技的進一步落地。
