導讀：邊緣計算雖然可以被看作云計算的延伸，但它的重要意義卻遠不止于此。

作者：趙志為 閔革勇

來源：大數(shù)據(jù)DT（ID：hzdashuju）

01 賦能萬物

泛在環(huán)境中物聯(lián)網(wǎng)技術(shù)的長足發(fā)展，使得越來越多的城市基礎(chǔ)設(shè)施和移動智能設(shè)備產(chǎn)生了計算需求，例如杭州物聯(lián)網(wǎng)小鎮(zhèn)場景中的各類智慧基礎(chǔ)設(shè)施。

因此，無處不在的計算需求使得基礎(chǔ)計算服務(wù)再也不是某個企業(yè)或者組織的個體需求，而是整個社會發(fā)展的共性需求。無處不在的計算即稱為泛在計算，而邊緣計算則是通過大量算力的部署來實現(xiàn)泛在計算的重要手段。

如果將物聯(lián)網(wǎng)的發(fā)展看作給萬物賦能的過程，低功耗嵌入式芯片、傳感器和低功耗無線傳輸技術(shù)（ZigBee、NB-IoT等）是給萬物賦予“感知”和“溝通”的能力，而邊緣計算則是進一步賦予萬物“思考”的能力。

圖1-7顯示了對應(yīng)“通信”“感知”和“計算”三方面能力的支撐技術(shù)，其中邊緣計算是對于現(xiàn)有云計算和嵌入式計算的有益補充，有望打通資源受限的物聯(lián)網(wǎng)設(shè)備和高復雜度的人工智能算法之間的鴻溝，可以看作形成“無處不在的計算”的“最后一公里”。

▲圖1-7 賦能萬物的三方面基礎(chǔ)能力

02 進一步改變?nèi)祟惖纳a(chǎn)生活方式

邊緣計算的普及將催生大量的新型計算業(yè)務(wù)（例如自動駕駛、醫(yī)療保健、智能制造、通信感知、透明計算等），并對傳統(tǒng)的生產(chǎn)生活方式產(chǎn)生重大影響。

試想，當前端設(shè)備（如手機、平板電腦等）與邊緣服務(wù)器之間的延遲小于前端設(shè)備自身的計算與讀寫延遲時，前端設(shè)備便可以不再攜帶計算資源，僅保留傳感器與通信模塊，不受前端設(shè)備操作系統(tǒng)、計算資源的限制，從而實現(xiàn)真正意義上的“透明計算”。

不僅消費電子產(chǎn)品的形態(tài)會被顛覆，各種各樣原本不具備計算能力的設(shè)備現(xiàn)在都有了計算能力，如工廠流水線、城市路燈等。這將極大促進整個社會生產(chǎn)生活的自動化和智能化。

03 提升體驗，降低能耗

在物聯(lián)網(wǎng)時代，各類物聯(lián)網(wǎng)設(shè)備數(shù)量的大幅增長將會直接導致傳感及控制數(shù)據(jù)的爆炸性增長。圖1-8顯示了近5年網(wǎng)絡(luò)數(shù)據(jù)量的變化趨勢，表1-5顯示了云計算中心的耗電量，云中心的存儲及傳輸消耗了大量能源，甚至在有些地區(qū)已成為能源消耗的最大來源。

▲圖1-8 全球數(shù)據(jù)總量及年增長率

▼表1-5 云計算中心的耗電量

在邊緣計算的模式中，大量的前端設(shè)備數(shù)據(jù)不再匯聚到少數(shù)的幾個數(shù)據(jù)中心，而是“分布式”地存儲在各個邊緣計算服務(wù)器上，從而大幅減少了流量需求，并且計算請求也被分布到世界各地，甚至各個家庭。這種新的泛在計算方式有望從根本上解決數(shù)據(jù)無限增長帶來的能源瓶頸問題。

04 大幅提升計算服務(wù)的安全性

隨著嵌入式智能設(shè)備越來越多，隱私數(shù)據(jù)的安全問題逐漸成為人們最為關(guān)心的問題之一。不同于云計算將所有的數(shù)據(jù)集中匯聚到云計算中心，在邊緣計算中，用戶數(shù)據(jù)僅直接上傳至邊緣服務(wù)器。數(shù)據(jù)傳遞通常是一跳，或經(jīng)歷極短的網(wǎng)絡(luò)路徑，而且邊緣服務(wù)器面向的用戶數(shù)量遠少于云計算，受到大規(guī)模攻擊的概率也相對較低。

在某些邊緣計算場景（如家庭智能路由網(wǎng)關(guān)）中，邊緣服務(wù)器完全可以是用戶自主擁有的，從運行機制上避免了數(shù)據(jù)與遠程服務(wù)器的直接接觸。

不僅如此，各類隱私保護的計算方法也因為邊緣計算較低的延遲得以具有更廣闊的應(yīng)用前景。如Google提出的數(shù)據(jù)與服務(wù)器隔離的聯(lián)邦學習（Federated Learning）框架，運用在傳統(tǒng)網(wǎng)絡(luò)中可能會帶來較大延遲，因此很難支持實時運算的場景。

而在邊緣計算當中，由于邊緣服務(wù)器與用戶之間的延遲極低，使得這類隱私保護的機器學習算法能夠支持更廣泛的應(yīng)用和服務(wù)場景。

關(guān)于作者：趙志為，電子科技大學計算機學院副教授、博士生導師。主要研究方向為低功耗物聯(lián)網(wǎng)與邊緣計算。在計算機網(wǎng)絡(luò)領(lǐng)域國際重要學術(shù)期刊/會議上發(fā)表60余篇學術(shù)論文，期刊包括IEEE/ACM Trans.on Networking、IEEE Trans.on Mobile Computing、IEEE JSAC、IEEE INFOCOM、IEEE ICNP、IEEE ICDCS等，并獲得3項國際會議論文獎，主持國家級、省部級科研項目10余項。

閔革勇，英國埃克塞特大學計算機系教授。在移動互聯(lián)網(wǎng)、無線通信、物聯(lián)網(wǎng)、分布式計算等領(lǐng)域取得了一系列創(chuàng)新性科研成果，在國際重要學術(shù)期刊/會議上發(fā)表300多篇論文，獲得10余項國際會議論文獎。現(xiàn)任多個國際學術(shù)期刊的編委并擔任多個國際學術(shù)會議的主席。

本文摘編自《邊緣計算：原理、技術(shù)與實踐》，經(jīng)出版方授權(quán)發(fā)布。（ISBN：9787111690894）

《邊緣計算：原理、技術(shù)與實踐》

點擊上圖了解及購買

轉(zhuǎn)載請聯(lián)系微信：DoctorData

推薦語：一本書讀懂邊緣計算原理與技術(shù)、系統(tǒng)實現(xiàn)方式。本書配備完整的PPT、習題和實驗（包括教程與實驗源碼），可作為計算機科學、物聯(lián)網(wǎng)工程、互聯(lián)網(wǎng)+、電子信息、通信工程、人工智能、智慧城市等專業(yè)高年級本科生或研究生的教材，也可供科研人員和從業(yè)者參考。

刷刷視頻👇

干貨直達👇

• 吐血整理！12種通用知識圖譜項目簡介
  

• 50%企業(yè)數(shù)據(jù)治理失敗！這9大要素才是成功關(guān)鍵
  

• 多段實例代碼詳解7大類Python運算符，建議收藏！

• 4918字，詳解商品系統(tǒng)的存儲架構(gòu)設(shè)計

更多精彩👇

在公眾號對話框輸入以下關(guān)鍵詞

查看更多優(yōu)質(zhì)內(nèi)容！

讀書?|?書單?|?干貨?|?講明白?|?神操作?|?手把手

大數(shù)據(jù)?|?云計算?|?數(shù)據(jù)庫?|?Python?|?爬蟲?|?可視化

AI?|?人工智能?|?機器學習?|?深度學習?|?NLP

5G?|?中臺?|?用戶畫像?|?數(shù)學?|?算法?|?數(shù)字孿生

據(jù)統(tǒng)計，99%的大咖都關(guān)注了這個公眾號

👇

新人創(chuàng)作打卡挑戰(zhàn)賽發(fā)博客就能抽獎！定制產(chǎn)品紅包拿不停！

總結(jié)

以上是生活随笔為你收集整理的边缘计算比云计算强在哪里？终于有人讲明白了的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。