边缘计算方兴未艾

海川

隨着物联网、大数据、人工智能、5G等信息技术的快速发展，云计算已经无法满足机器人、智能家居、无人驾驶、VR/AR、新媒体、智能安防、远程医疗、可穿戴设备、智能制造等场景对低延迟的高要求。

根据国际调研机构Gartner公司的报告，到2022年，超过一半的企业数据将在传统数据中心和云平台之外的边缘产生和处理，目前约为10%。边缘计算的兴起帮助企业近乎实时地分析信息，并围绕物联网（IoT）设备和数据创造新的价值。

目前，全球正在使用的物联网设备大约有231.4亿个，而这一数字在未来两年内将上升到310亿。到2025年，预计将有800亿设备在使用和收集数据，所产生的数据量可达到180ZB，而2016年仅有1ZB。根据CB Insights的市场规模量化工具，到2022年，全球边缘计算市场规模预计将达到67.2亿美元。

IDC在其发布的《中国制造业物联网市场预测2016—2020年》报告指出，2018年将会有40%的数据需要在网络边缘侧分析、处理与储存，到2020年中国制造业企业物联网支出有望达到1275亿美元，其中软件和服务合计市场占比或超过60%，而现阶段这个比例尚还不及10%。如今亚马逊、微软、谷歌、英特尔、戴尔、IBM、思科、惠普、通用电气、华为等国际巨头已经着手布局边缘计算，可以预见的是边缘计算不久将风生水起。

边缘计算内涵及优势

边缘计算（Edge computing）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。而云端计算，仍然可以访问边缘计算的历史数据。

边缘计算既可以在大型运算设备内完成也可以在中小型运算设备、本地端网络内完成。用于边缘运算的设备可以是智能手机这样的移动设备、PC、智能家居、无人驾驶汽车等家用终端，也可以是ATM机、摄像头、红绿灯、电动机、泵、发电机或其他的传感器等终端。

边缘计算是伴随着物联网的发展而出现的。对物联网而言，边缘计算技术取得突破，意味着通过本地设备就可实现数据分析与控制，无需交付云端处理。这将大大提升数据处理效率，减轻云端负荷，为用户提供更快速的响应。

“边缘计算最大的好处是能够更快地利用数据和洞察力。”Forrester公司副总裁兼首席分析师Brian Hopkins说，“缩小数据生成方式与数据提供洞察力方式之间的差距，可以创造竞争优势。”

边缘计算的兴起不是为了完全取代云计算，而是对云计算的有益补充，它的主要优势包括以下几点。

1.实时或更快速地处理和分析数据。数据处理更接近数据来源，而不是在外部数据中心或云端进行，因此可以减少迟延时间。

2.较低的运营成本。企业在本地设备的数据管理解决方案上的花费比在云和数据中心网络上的花费要少。

3.占用网络流量较少。随着物联网设备数量的增加，数据生成继续飙升。因此，网络带宽变得更加有限，让云端不堪重负，造成更大的数据瓶颈。

4.更高的应用程序运行效率。随着滞后的减少，应用程序能够以更快的速度更高效地运行。

5.减少对云的依赖可以降低发生单点故障的可能性，也意味着某些设备可以稳定地离线运行。这在互联网连接受限或无法访问的偏远地区尤其能够派上用场。

2016年，Salesforce网站的北美14站点（又名NA14）宕机超过24个小时。客户无法访问用户数据，从电话号码到电子邮件等，业务运营遭受严重的破坏。

此后，Salesforce将它的物联网云转移到亚马逊的AWS上，但是这次宕机事件凸显了仅依赖云的一大弊端。

6.边缘计算可以提高数据的安全性和合规性，这对保护个人信息大有裨益。由于边缘设备能够在本地收集和处理数据，数据不必传输到云端。因此，敏感信息不需要经由网络，这样如果云遭到网络攻击，影响也不会那么严重。边缘计算还能够让新兴联网设备和旧式的“遗留”设备之间实现互通。它将旧式系统使用的通信协议“转换成现代联网设备能够理解的语言”。这意味着传统工业设备可以无缝且高效地连接到现代的物联网平台。

边缘计算的应用场景

随着万物互联时代的到来，边缘计算将在各行各业中得到越来越多的应用，尤其是在云计算效率低下的一些领域。以下是边缘计算可以带来新价值的应用场景。

1.交通运输

边缘计算技术最显而易见的潜在应用之一是交通运输，特别是无人驾驶汽车、无人驾驶地铁和无人机。这些智能交通工具装备了各种各样的传感器，从摄像头到雷达到激光系统，来帮助其自动运行。

比如，自动驾驶汽车可以利用边缘计算，通过这些传感器在离车辆更近的地方处理数据，进而尽可能减少系统在驾驶过程中的响应时间。

Gartner公司副总裁兼杰出分析师Thomas Bittman说，自动驾驶汽车需要能够自我学习，而无需连接到云端来处理数据。机器学习技术不依赖于训练大数据集的大型模型，与其相反，可以直接由汽车的计算机自行进行处理，这实质上是边缘计算。

今年早些时候，汽车边缘计算联盟（AECC）宣布将启动以联网汽车解决方案为重点的项目。该联盟的成员包括DENSO Corporation、丰田汽车、AT&T;、爱立信、英特尔等公司。

不单单是自动驾驶汽车会产生大量的数据并需要实时处理，飞机、火车、地铁和其他交通工具也是如此，不管它们有没有人类驾驶。

例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就装备了大量的传感器来迅速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达844TB的数据。边缘计算支持对数据进行实时处理，因此该公司能够主动处理引擎问题。

此外，边缘计算还可应用于智能交通管理。比如收集了大量的数据需要处理，不过只有部分数据是有用的。边缘计算能够分析和处理交通硬件本身的数据，并过滤掉不需要的信息，从而消除不必要的交通拥堵。这减少了需要通过网络传输的数据总量，并有助于降低操作和存储成本。

2.智能制造

由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。

Bittman表示，边缘计算可以帮助创建能够感知、检测和学习东西的机器，而无需编程。例如，如果阳光透过窗户照射到机器上，机器最终将能够判断出其温度变化会不会产生问题。

工业机器人的大量使用显得边缘计算更加重要，如果边缘设备断定机器人很可能会出现故障，它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评估潜在的故障。如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。不仅可以提高生产效率，而且能防止安全隐患。

3.医疗保健

如今，人们越来越喜欢佩戴健身追踪设备、血糖血压监测仪、智能手表手环和其他监测健康状况的可穿戴设备。但要真正地从所收集的海量数据中获益，实时分析可能是必不可少的。许多可穿戴设备直接连接到云上，但也有其他一些设备支持离线运行。

一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。然后，医生可以当场对病人进行评估，并就病人的健康状况提供即时反馈。

在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来巨大的好处。

医生将能够为患者提供更快、更好的护理，同时患者所生成的健康数据也多了一层安全保护。这些数据的处理将直接发生在更靠近边缘的地方，而不是将隐私数据发送到云端，因此能够避免数据被不当访问的风险。

4.智慧农业

边缘计算非常适合应用于农业，因为偏远的位置和恶劣的环境可能存在带宽和网络连接方面的问题。边缘计算则是一种合适的、具有成本效益的替代方案。

智慧农业可以使用边缘计算来监测温度、湿度、土壤、光照和设备性能，以及自动让各种设备（比如过热的泵）减缓运转或者关闭。

5.智慧能源

边缘计算或许在整个能源行业都非常有效，尤其是在能源设施的安全监测方面。例如，压力和湿度传感器应当受到严密监控，不能在连接性上出差错，尤其是考虑到这些传感器大多位于偏远地区。如果出现异常情况，比如油管过热，却没有被及时注意到，那就可能会发生灾难性的爆炸。

边缘计算的另一个好处是能够实时检测设备故障。通过电网控制，传感器可以监控从电动汽车到发电厂的一切设施所产生的能源，有助于相应作出决策来降低成本和提高能源生产效率。

6.新零售

一些零售商包括电商正在利用增强现实（AR）等技术创造更多身临其境的店内环境，以吸引更多购物者。这需要更低的延迟，这是边缘计算发挥作用的地方。零售可以使用边缘计算应用程序来增强顾客体验。此外，很多人使用店内平板电脑所生成的销售点数据，这些数据会被传输到云端或数据中心。借助边缘计算，数据可以在本地进行分析，从而减少商业敏感数据泄漏的风险。

此外，金融、家居、办公、安防、新媒体等场景也有边缘计算的用武之地。现阶段，边缘计算距离规模化落地还需要一段时间，相关的解决方案也需要进一步完善和优化。对于很多边缘计算服务商而言，需要广积粮、高筑墙、缓称王。

边缘计算面临的挑战

随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也很重要，它就是雾计算。

边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。雾计算使得云更接近于网络的边缘；因此，根据OpenFog的说法，“雾计算總是使用边缘计算，而不是边缘计算总是使用雾计算。”

比如火车场景，传感器能够收集数据，但不能立即就数据采取行动。如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。

在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的（与确定引擎状态不同）。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中央云。

边缘计算、雾计算都是比较新的概念，容易混淆，下面是几个权威定义，但愿可以澄清一下。

Futurum Research：不像云计算依赖数据中心和通信带宽来处理和分析数据，边缘计算在网络边缘附近处理和分析数据，数据最初在边缘附近加以收集。边缘计算（专注于在网络节点层面处理和分析的一类雾计算）应被视为雾计算的一个事实上的要素。

State of the Edge 2018：将计算能力提供给网络的逻辑末端，以便改善应用和服务的性能、运营成本和可靠性。通过缩短设备与提供给设备的云资源之间的距离，另外减少网络跳数，边缘计算消除了当今互联网在延迟和带宽方面的限制，从而带来全新的应用类别。实际上，这意味着沿着今天的集中式数据中心和越来越多的现场设备之间的路径，分配新的资源和软件堆栈，而这条路径邻近最后一英里网络，连接基础设施和设备两端。

Research/开放雾联盟：“雾”的一端始于边缘设备（我们在这里定义的边缘设备是生成传感器数据的那些设备，比如车辆、制造设备和“智能”医疗设备），这些设备拥有必要的计算硬件、操作系统、应用软件和连接功能，以便参与分布式分析雾。它从边缘延伸到“近边缘”功能，比如本地数据中心及其他计算资产、企业或运营商无线接入网络内的多接入边缘（MEC）功能、托管服务提供商内的中间计算和存储功能以及互连和托管设施，最终延伸到云服务提供商。这些位置有集成或主机“雾节点”，这些其实是能够参与整个分布式分析系统的设备。

David Linthicum（德勤咨询公司的首席云战略官）：“就边缘计算而言，计算系统和存储系统也位于边缘，尽可能接近生成所处理的数据的部件、设备、应用或人。目的是消除处理延迟，因为数据不必从网络边缘发送到中央处理系统，然后发回到边缘……思科首创的“雾计算”这个术语还指将计算扩展到网络边缘。思科在2014年1月推出了其雾计算，以此将云计算功能引入到网络边缘……实际上，雾是标准，边缘是概念。雾实现了边缘计算概念中的可重复结构，那样企业就可以将计算推送到集中系统或云之外的地方，以获得更好的性能和可扩展性。”

任何新的IT项目都需要标准和最佳实践，而早期阶段的特点常常是多家组织和联盟林立，它们的工作议程各不相同（尽管成员常常存在很大的重叠）。边缘/雾计算也不例外。Bittman就说，目前并没有实现边缘计算的标准流程。

雾计算是思科创建的一个术语，得到了开放雾联盟的支持，该联盟由Arm、思科、戴尔、英特尔、微软和普林斯顿大学边缘实验室于2015年共同成立。其使命内容如下（部分）。

我们致力于定义涵盖分布式计算、网络、存储、控制和资源的一种架构，以支持物联网边缘处的智能，包括自我感知的自主机器、物件、设备和智能对象。开放雾联盟的成员还将确定和开发新的运营模式。最终，我们的工作将有助于实现和推动下一代物联网。

邊缘计算由Linux基金会主持的开源项目EdgeX Foundry负责推广。EdgeX Foundry的目标包括：构建和推广EdgeX成为统一物联网边缘计算的通用平台，认证EdgeX组件以确保互操作性和兼容性，提供快速创建基于EdgeX的物联网边缘解决方案的工具，并与相关的开源项目、标准组织和行业联盟合作。

据EdgeX Foundry声称：“该项目注重的是边缘节点，比如嵌入式PC、集线器、网关、路由器和本地服务器，以克服分布式物联网雾架构中互操作性方面的重大挑战。”

EdgeX Foundry的技术指导委员会包括来自IOTech、ADI、Mainflux、戴尔、Linux基金会、三星电子、VMware和Canonical的代表。

这个领域还有另外两大行业机构：一个是注重日本市场的EdgeCross联盟，由欧姆龙公司、Advantech、NEC、IBM日本、Oracle日本和三菱电机于2017年11月共同成立；另一个是工业互联网联盟，由AT&T;、思科、通用电气、英特尔和IBM于2014年共同成立。

边缘计算也受到国内高度关注。2016年边缘计算产业联盟成立，由华为、中科院沈阳自动化研究所、中国信息通信研究院、英特尔、ARM和软通动力联合倡议发起。在业界首次提出“OICT”理念，旨在搭建边缘计算产业合作平台，推动OT与ICT产业的开放协作，加速推进行业数字化转型。截至目前，根据联盟网站的列表，有近200家会员单位，会员单位包括各行业知名企业。