在萬物互聯的趨勢下，計算需求持續呈指數級增長，集中式的雲計算中心越來越難以處理過於龐大的計算和數據，出現高延遲、網絡不穩定等狀況。而邊緣計算中的邊緣節點具有小型、多分布、貼近用戶等特點，可減少傳輸延遲，讓數據更安全，越來越多地被用在各行各業。
隨著邊緣計算不斷賦能AI與IoT等領域的發展應用，邊緣計算非但不「邊緣」，反而漸入C位——中國信息通信研究院預測，未來80%的數據與計算將在邊緣節點完成。中國的邊緣計算更是走在世界的前列。創新研究公司GreyB今年2月的數據顯示，全球提交邊緣計算專利申請最多的10個組織中，有9個屬於中國，排名前10的學術機構全部來自中國，北京郵電大學以189項專利位居榜首。
邊緣計算到底是什麼？
邊緣計算（Edge computing）是相對雲計算而言的，可以讓存儲、計算、處理數據信息的功能在更接近生成或使用數據的設備實現，包括邊緣節點、邊緣雲、邊緣網關、邊緣控制器等。它可以在傳輸網絡、基站附近，也可以在客戶現場或是終端設備當中，如網關、攝像頭等。邊緣計算又被叫做分布式雲計算、霧計算或第四代數據中心。
網絡需要邊緣計算
邊緣計算可以彌補雲計算在架構上的諸多不足，主要體現在四個方面：
- 算力。線性增長的集中式雲計算能力無法匹配爆炸式增長的海量邊緣數據。
第二，帶寬。傳輸帶寬負載急劇增加造成較長的網絡延遲，難以滿足控制類數據及實時/准實時流式數據傳輸需求。
第三，安全。邊緣計算的分布式結構更不容易受到DDoS攻擊和故障的影響，有助於隔離邊緣應用和雲端的系統性風險。
第四，能耗。邊緣設備傳輸數據與雲平台之間的數據傳輸消耗大量電能，邊緣計算通過減少不必要的傳輸節約了能源。
邊緣計算緣何走入C位
據IDC在《數據時代2025》中預測，到2025年，屬於數據分析的全球數據總量將增長至原來的50倍，達到5.2ZB。其中，四分之三都將在集中式的數據中心之外產生並計算。數據的激增對網絡和算力提出了更高要求。在靠近數據產生的網絡邊緣提供數據處理的能力和服務，可以滿足行業數位化在敏捷聯接、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。
5G發展迅速 助力賦能加速
在供應端，以5G為代表的通信基礎設施廣泛覆蓋，是推動邊緣計算發展的關鍵因素。目前我國5G基站數量超過222萬個，占全球60%以上。邊緣計算需要超低延遲來實時處理和分析大容量數據傳輸，而5G的發展可使前端設備的網絡延遲降到個位毫秒級，因此邊緣計算離不開5G網絡。隨著我國5G發展進入下半場，「5G+邊緣計算」有望加速賦能車聯網、工業網際網路、智慧園區、智慧物流等更大流量、更低時延、更高性能的應用場景。
應用場景需求豐富 反向催化發展
從需求端看，國內所具有的全球最大的邊緣計算應用場景，反向催化邊緣計算技術性能提升，使技術與應用形成良性循環。以電網為例，我國擁有世界最大的電網系統，想要實時監測這些電力線，對其進行現代化改造，需要邊緣計算賦能。這也是國家電網和廣東電網積極投入研發邊緣計算，相關專利申請全球領先的深層原因。
邊緣計算前景廣闊
據相關數據顯示，2021年我國邊緣計算市場規模已經達到427.9億元，其中邊緣硬體市場規模為281.7億元，邊緣軟體與服務市場規模達146.2億元。據預測，2021-2025年中國邊緣計算產業市場規模預計年複合增速達到46.81%，2025年邊緣計算市場整體規模達1987.68億元，增長空間廣闊，市場潛力極大。
賦能多元場景應用 打通最後一公里
當下，邊緣計算發展進入快車道。有人形容，邊緣計算是「人工智慧的最後一公里」，是「物聯網的最後一公里」……邊緣計算看似不起眼，卻將承載起邊緣側海量的數據計算處理。這使得邊緣計算不再是一種可有可無的選擇，而是不可或缺。
打通IoT的最後一公里
根據IDC諮詢發布的報告，截至2021年已有超過500億的邊緣側設備聯網。
在物聯網某些需要快速傳輸大量數據的應用場景領域，執行邊緣計算是有意義甚至不可或缺的。
以自動駕駛車輛為例：
延遲：自動駕駛車輛需要在瞬間做出決定。如果一輛車在你面前突然轉彎，你會希望你的車不得不等待從遠處雲端得到指示嗎？不！你肯定想讓你的汽車在它的本地計算機上處理儘快做出決定。
帶寬：無人駕駛汽車輛捕獲的大量數據估計為每小時4TB，與你的智慧型手機每天平均100MB的數據相比，這是40000倍的數據。流式傳輸所有這些數據既昂貴又可能導致網絡擁塞。
汽車在道路上行駛時，如果這些數據全部需要上傳雲端處理後再反饋車輛，就會產生嚴重的安全隱患，如果恰巧汽車行駛在無信號的山洞、隧道中，或信號故障、干擾的區域，雲計算失聯，汽車無法自主進行決斷，而藉助邊緣計算便可以避免這些問題。出於這兩個原因，在自動駕駛車輛時執行邊緣計算是有意義的。
此外，在物聯網的其他應用場景中，邊緣計算也同樣具備不可或缺的賦能作用。
分布式智能製造：分布式工廠的特點在於一個完整的產品將由多個空間分散的小工廠、由多種材料、多種工藝組合完成，因此大量不同的設備將會產生大量的數據，對應的部署和維護的成本會很高，但是邊緣計算和雲計算構建的物聯網系統可以實現設備的遠程監控管理和維護，減少成本優化流程並提升效率。
新能源：傳統能源採取集中原料並生產能源的模式，而太陽能、風能、水能等新能源則是就地取材，產生能源後再集中運輸的模式。新能源的網狀結構與物聯網邊緣計算更加契合，可以隨時了解各部分設備的產能情況與運行數據。同理也能應用在污水處理、智慧水利等領域。
智慧城市：包含交通和物流等領域，對應的也是分布式的設備網絡，契合物聯網的架構模式，可以了解貨物或者車輛的情況，更能藉助人工智慧實現智慧化的處理更新。通過邊緣計算支撐智慧城市大規模基礎設施的計算和服務，可以實現終端設備的低時延應用，也可降低帶寬占用，這對城市中海量物聯網設備是很有必要的。
打通AI的最後一公里
近幾年隨著邊緣計算與AI的結合，邊緣AI逐漸成為新的智能轉型手段，因其流量占用小、時延低、隱私性強等特點，可以與傳統雲計算形成組合拳。邊緣端現場實時處理與響應，保留重要數據回傳雲端，這種組合方式可以加速傳統行業智能化升級的落地。邊緣AI的計算領域非常廣泛，包括智慧交通、智能家居、智慧農業等等。
在智慧交通方面，各種終端數量的增加，對海量信息實時處理提出了新的需求。比如交通監控攝像頭，單個路口的高清攝像頭每天就會產生幾十G的視頻文件，再延伸到一條街、一個區域、甚至一座城市，產生的數據量是無比巨大的，而這些視頻中真正有效的，需要捕捉的違法行為內容占比很少。邊緣AI計算機可在現場進行智能處理，直接在本地分析違法行為，篩選有價值內容上傳，大大降低了無效內容產生的帶寬和存儲浪費。
在智慧農業方面，目前很多大型農場都採用了人工智慧的方式，例如溫室大棚，其場景中重要的是對植物的生長環境和生長環節進行精確的控制和管理。在棚內部署邊緣AI，可以通過傳感採集設備獲取關鍵指標數據，智能判斷，控制水肥系統進行灌溉施肥，天幕系統控制光照，視覺採集監控農作物生長狀態。並定期將相關數據同步到雲端的農業管理系統，為其科學決策提供依據。
在智能家居方面，隨著物聯網的普及，家庭生活將引入越來越多的智能應用，如智能照明控制、智能電視、智能空調等。這些應用需要在家中部署大量的傳感器和控制器。為了保護家庭數據的私密性，數據處理可以使用邊緣AI，使得大部分計算資源被限制在家庭內部網關，禁止敏感數據外流。通過邊緣AI優化室內定位和家庭安防檢測，獲得比雲計算更高的精度和更低的延遲。家庭娛樂也將從邊緣AI受益，無需將用戶偏好上傳到雲端，系統可自行推薦個性化服務，讓用戶擁有更好的娛樂體驗。
邊緣計算，通過為IoT與AI等應用領域賦能，打通「最後一公里」，正在為各行各業帶來便利。隨著技術的成熟，邊緣計算漸入C位，未來還將會在更多領域更多場景中，得到更好的應用。
責編：方鈺潔
監製：李紅梅
文章參考：
- 《全球邊緣計算專利申請前10中國占9個，怎麼做到的？》新華社
- 《中國邊緣計算行業創新突飛猛進》科技日報
- 《國內邊緣計算技術全球領先，AI應用場景滲透進各行各業！》 電子發燒友網
- 《5G時代，創新技術如何定義邊緣計算？》英特爾數據中心
- 《為什麼邊緣計算在物聯網中很重要？》雷鋒網
- 《2022 年的邊緣計算：邊緣如何工作以及為什麼重要？》出新研究
- 《物聯網領域中邊緣計算的應用價值》物通博聯