河套IT TALK 82: (原创) 解锁边缘的力量：边缘计算的崛起和未来（万字长文）

当我们谈论计算机技术的未来时，不可避免地会提到“云计算”。它已成为我们日常生活和商业活动中必不可少的一部分，大大改变了我们处理数据和进行业务的方式。但是，如今的世界需要更快、更可靠、更灵活的解决方案。边缘计算便是应运而生，它将计算和存储能力移动到更接近数据源的地方，为我们带来更高效的计算和更快速的响应时间。它正在改变我们的世界，让我们一起走进边缘计算的时代。

1. 先聊聊什么是边缘

我们现在经常听到边缘计算的概念，那么到底什么是边缘呢？边缘一定是针对云（中心化）而言的概念。严格从架构上区分，应该有三种类型的架构：

边缘架构是将计算、存储和分析任务放置在物理位置接近数据源和用户的边缘设备上，例如路由器、传感器、摄像头等。这样可以避免数据传输的延迟和成本，并提高数据隐私和安全性。

中心化架构（又称为云架构）是将计算、存储任务集中在一些大型的数据中心中进行处理，例如云计算和传统的数据中心。它可以提供更强大的计算能力、更高的存储容量和更灵活的资源管理，但是也存在数据传输延迟和安全性等问题。

雾网络则是介于云和边缘之间的一种架构，它是在边缘设备和云计算中心之间建立一层中间的计算平台，通常雾计算部署在网络边缘层，可理解为本地化的云计算，既可以在边缘设备上执行一些简单的任务，也可以在云计算中心执行更复杂的计算任务。有有些技术中，雾网络或者雾计算，也被归为边缘计算的范畴。实际上，雾计算（Fog Computing）是云计算的延伸概念。相比“云”的缥缈，“雾”更接近地面，且由性能较弱的、更分散的各类功能计算机组成，渗入工厂、汽车、电器、街灯及我们物质生活中的各类用品。这个概念最初起自美国纽约哥伦比亚大学的Prof. Stolfo教授起，只不过当时的意图是利用“雾”来阻挡黑客入侵，后来思科进行了理论性发展。所以，可以将雾计算理解为本地化的云计算。

"边缘"出现的本质是在互联网传输能力和计算能力、存储能力的一种平衡。如果对传输时延敏感，需要实时响应、而对本地部署设备成本不敏感的，可以采用边缘架构。而如果计算复杂、大容量存储，需要大量数据分析和处理的需求使得本地化部署的成本高昂，就会采用云架构。

经常用到边缘这个词儿的，不只是边缘计算，还有边缘存储，边缘智能等等。它们都是指在离用户或设备更接近的位置进行数据处理、存储和分析的计算模式，以提高计算效率和降低延迟。那么边缘计算，边缘存储，边缘智能之间有什么区别呢？

• 边缘计算：指在网络边缘设备上执行计算任务，例如在智能手机、传感器和工业机器人等设备上执行计算任务，以降低网络延迟和数据传输成本。边缘计算旨在提高应用程序的响应速度和可靠性，并减少与云计算相关的数据传输延迟和带宽成本。

• 边缘存储：指在边缘设备或网络边缘存储数据。这样，数据可以更快地被访问，并减少了数据传输延迟。边缘存储可以是在设备上的本地存储，也可以是在设备附近的分布式存储设备。

• 边缘智能：指在边缘设备或网络边缘进行的人工智能任务，例如图像和语音识别。边缘智能旨在减少与云计算相关的网络延迟和数据传输成本，并提高计算效率和隐私性。

所以他们的区别就在于执行任务的类型。

有人把边缘计算、中心计算和人类的神经系统来进行类比。就像人类的神经系统一样，边缘计算也是由一系列分布在不同位置的节点组成，这些节点可以像神经元一样相互连接，形成一个分布式的网络。同时，这些节点都有一定的计算能力和存储能力，可以完成一些简单的计算任务，也可以将数据传输到其他节点进行更加复杂的处理。类比于人类神经系统中的神经元，这些节点就像边缘计算网络中的基本单元。人的神经系统包括中枢神经系统和周围神经系统。周围神经系统负责传递信息，包括感觉信息和运动指令，而中枢神经系统则负责信息处理和决策。在进行简单任务时，例如触摸烫手的物品，信息会通过周围神经系统传递到脊髓，并且在脊髓水平进行简单的计算和处理，例如快速撤回手部。这个过程称为反射。这种反射是自动的，不需要经过大脑的高级处理，因此反应速度很快。当任务更复杂时，例如需要较高级别的决策，信息会被传递到大脑的皮层进行更深层次的处理和分析。在这种情况下，反应速度会相对较慢，因为需要经过更多的计算和决策过程。可以说边缘计算是一种更简单、更快速的反应机制，类似于人类神经系统的条件反射。而云计算则更类似于复杂的认知推理，需要更多的时间和计算资源来完成复杂的任务。

2. 为什么边缘计算如此重要

根据Gartner的数据，预计到2025年，75%的数据将在传统数据中心或云环境之外进行处理。边缘计算发展势如破竹，高歌猛进，一定是有其重要原因的：

2.1降低延迟，提升速度

这个优点是显而易见的，因为边缘设备更接近数据源，可以直接处理数据并返回结果，而不需要将数据传输到云端进行处理。随着网络边缘侧设备的迅速增加，设备产生的数据存量达到泽字节的级别，从网络边缘设备传输传输海量数据到云数据中心致使网络传输宽带的负载量急剧增加造成较长的网络延迟，单纯的云计算已经不足以匹配如此庞大规模数据量的即时计算。而网络拥塞经常发生的都是骨干网上，所以对实时响应和低延迟的业务和应用场景，比如智能驾驶、智能制造、智能医疗、虚拟现实和安防等领域，边缘计算可以把延迟降低到毫秒级别，从而可以实现更加实时和高效的数据处理和决策。

2.2 数据安全性

尽管云计算和中心计算也会考虑数据安全和防护的问题，但是有一个基本道理：毕竟数据传输的距离越远、路径越长、数据穿过的网元数量越多，时间越久，数据的被窃取风险和丢失风险也就越高。在很多场景中，数据源的数据对安全性有很高的要求，而云计算要严重依赖于大型计算中心的物理位置，可能超出了安全受限的地理范围。边缘计算提供了一种从集中式自上而下的基础架构转变为分散式信任模型饿机制。在边缘可以采用更为严格或者特殊的加密机制，将边缘节点划为安全防护的设备范围，通过在边缘保留和处理数据，可以通过最大限度地减少敏感信息向云的传输来增加隐私。

2.3 降低网络负载

这个应该是边缘计算带来的额外好处，因为边缘计算可以在本地处理一些简单的任务，例如数据过滤、数据聚合等，减少数据传输的量和网络负载，降低网络带宽的要求。利己的同时也利他，提升了网络带宽的可用性，减少不必要的网络传输，做到我好，你也好。

2.4 可靠性提升

任何系统的搭建，中间节点越多，出现故障的概率就越大。边缘计算在架构设计上就是减少了对云端的依赖，旁路了骨干网或者云端服务终端和故障对业务的影响。边缘设备通常具有一定的自主性和独立性，可以在云端服务中断或故障时继续进行本地处理，从而保证了系统的可用性。

2.5 更灵活的本地化部署

边缘计算相比于云计算更容易实现本地化的业务定制开发。边缘计算将计算资源放置在靠近终端设备的边缘位置，使得开发人员可以更方便地利用本地化的资源和数据，针对具体的业务需求进行开发和定制，从而更好地满足用户的个性化需求。

当然，上述的优点，也不是意味着一定要部署边缘计算。毕竟，在边缘计算中，可用的数据量可能会受到设备数量、网络带宽等因素的限制，这会导致数据的样本数量相对较小，从而可能影响到数据分析和挖掘的精度和效果。可参考的数据量还是有限，这就类似于气泡效应或者同温层效应，很难拉通其他同质业务的其他类似数据分析和挖掘。相比之下，云计算具有更大的规模和更多的数据来源，可以为更广泛的业务场景提供更丰富、更准确的数据。这也是云计算的优势之一。

3. 边缘计算的玩家们

那么现在这个概念这么火，到底是哪些玩家在主推边缘计算呢？

3.1 云计算玩家

诚然，边缘计算在市场竞争上会对云计算造成某种程度的市场侵蚀，但是这并不是简单的零和博弈。云计算和边缘计算并不是对立的关系，它们可以相互补充，形成云边一体的整体解决方案。边缘计算可以解决云计算中无法处理的延迟和带宽问题，而云计算则可以提供强大的数据处理能力和资源管理能力。因此，很多云计算玩家为了守住原本该有的市场空间，纷纷提出提前布局边缘计算而避免市场被其他对手蚕食。换句话说就是进攻时最好的防御，与其让其他人动自己的奶酪，还不如主动去动其他人动奶酪，与其被革命，还不如自己先变革。云计算玩家大力推广边缘计算，是为了守住既有市场份额基础上，扩大边缘计算领域的市场，进而提供更全面的解决方案，以满足客户更加多样化和复杂的需求。同时，云计算巨头也拥有庞大的资源和资金，可以加速边缘计算技术的研发和应用，促进整个行业的发展。所以，我们能看到云计算数据中心的玩家包括：谷歌、微软、IBM、亚马逊、阿里、腾讯、百度、华为等，都在积极拥抱边缘计算。

谷歌在边缘计算领域的一个主要举措是推出了Edge TPU芯片，这是一种专门用于边缘设备的ASIC芯片，用于加速机器学习推理任务。此外，谷歌还在推出支持TensorFlow Lite的Edge TPU开发工具包，使得开发人员可以更方便地将机器学习应用程序部署到边缘设备上。

微软的边缘计算解决方案包括Azure IoT Edge和Azure Stack Edge。Azure IoT Edge是一种在边缘设备上运行的计算机应用程序，可帮助开发人员将分析、人工智能和其他计算能力移到边缘，以便更快地响应数据。Azure Stack Edge是一个在边缘部署Azure服务的设备。

IBM在边缘计算方面的一个主要举措是推出了Edge Application Manager，这是一个开源的平台，用于在边缘设备上管理、部署和监控应用程序。IBM还推出了Watson IoT Edge，这是一个边缘计算解决方案，可帮助企业将人工智能和分析能力移到边缘设备上。

亚马逊在边缘计算方面的主要举措是AWS Greengrass，这是一种在边缘设备上运行的计算机应用程序，可帮助开发人员在边缘处理设备数据，并以更快的方式响应事件。

阿里的边缘计算解决方案包括Link Edge和Aliyun IoT Edge。Link Edge是一种轻量级的边缘计算平台，可帮助企业将数据处理和分析移到边缘，以便更快地响应数据。Aliyun IoT Edge是一种在边缘设备上运行的计算机应用程序，可帮助企业实现设备本地计算和边缘计算。

腾讯的边缘计算解决方案包括IoT Hub和Serverless Cloud Function。IoT Hub是一个在边缘设备上运行的计算机应用程序，可帮助开发人员将数据处理和分析移到边缘，以便更快地响应数据。Serverless Cloud Function是一种在边缘设备上运行的计算机应用程序，可帮助企业实现设备本地计算和边缘计算。

华为也是一家大力推广边缘计算的公司。早在2017年，华为就提出了“云-边结合”战略，力求为客户提供全场景智能云服务。华为的边缘计算解决方案包括了一系列产品和解决方案，例如华为云边缘计算引擎（MEC）、Atlas 800边缘推理服务器等。

3.2 硬件玩家

作为全球领先的半导体芯片制造商，Intel一直在积极推动边缘计算的发展。它推出了Intel NUC（Next Unit of Computing）迷你电脑，为边缘计算提供了更高效的解决方案。此外，Intel还开发了边缘计算协议（ECPS），旨在为设备和系统提供统一的边缘计算标准。此外，Intel还推出了OpenVINO工具包，用于在边缘设备上运行深度学习应用程序，以实现更快的推理速度。

作为另一个重要的半导体芯片制造商，ARM也在积极推动边缘计算。该公司推出了许多针对嵌入式设备的芯片和处理器，包括其M系列和R系列芯片。ARM还开发了Mbed操作系统和Pelion IoT平台，以支持边缘设备的连接和管理。ARM还积极与其他技术提供商合作，如Microsoft和Amazon Web Services，以在边缘计算领域推出新的解决方案。

Dell是一家著名的计算机制造商和技术服务提供商，该公司通过其Dell EMC和VMware子公司积极推动边缘计算。Dell EMC推出了一系列针对边缘计算的硬件和软件产品，如VxRail，一个基于Hyperconverged Infrastructure（HCI）的边缘计算解决方案。VMware推出了vSphere和vSAN等边缘计算软件解决方案，以帮助企业将应用程序和数据扩展到边缘设备。

作为网络设备制造商的Cisco，也在积极推动边缘计算的发展。该公司推出了一系列边缘计算解决方案，如Cisco Kinetic，用于管理和分析大量的物联网数据。Cisco还推出了一系列基于边缘计算的硬件产品，如路由器、交换机和服务器等，以支持物联网应用程序在边缘设备上的部署。

GE早在2015年就推出了边缘计算平台“Predix”，该平台提供实时分析、工作流和机器学习能力，可以用于工业制造、能源和交通等行业。GE还与C3.ai合作开发了一个工业AI应用程序，该程序在边缘设备上运行，可在工业制造和物流中进行预测性维护和优化。

西门子已经开始利用边缘计算来实现其“数字化工厂”愿景。该公司开发了名为“边缘管理器”的工具，可以将数据处理和分析功能从云端转移到本地设备上，从而实现更快的响应时间和更好的数据隐私保护。西门子还推出了名为“边缘应用中心”的解决方案，可以在本地设备上运行各种应用程序，例如实时监测和控制制造过程。

3.3 CDN玩家

CDN（内容分发技术的英文缩写）技术其实最早应用边缘技术的。CDN是指在互联网中通过在各个网络节点上部署缓存服务器，并利用这些服务器缓存原始服务器上的内容，从而加快用户对于内容访问的速度的一种技术。CDN 的核心思想就是通过将内容尽可能地分发到最接近用户的节点上，减少了用户和内容源之间的距离，从而提高了内容访问的速度和用户体验。CDN 技术的本质是将原本在中心化的服务器上的服务分散到边缘节点上进行处理，以此实现更快的响应速度和更好的用户体验。因此，在一定程度上，CDN 可以被视为边缘计算的雏形技术。但和边缘计算又不太一样，CDN 更加专注于内容分发，着重解决网络延迟和访问速度的问题；而边缘计算则更加广泛，不仅包括了内容分发，还包括了数据处理、计算、存储等方面，更加注重将计算能力尽可能地靠近用户和设备，以提供更快的响应速度和更好的用户体验。

除了亚马逊云服务（AWS）的CloudFront和谷歌的Cloud CDN，现在还有一些较小的CDN公司专注于边缘计算，例如Fastly、Akamai、CloudFlare成、Nuu、Limelight Networks、StackPath等。这些公司利用边缘节点提供高速、高可靠性的内容分发服务，并将计算和存储资源放置在接近用户的边缘位置，以加快内容的传输速度和响应时间。这些CDN公司通过提供具有较低延迟的边缘计算平台，帮助企业加速了他们的数字转型和业务增长。

3.4 移动运营商

移动运营商在抢占边缘计算市场方面发挥了重要作用，因为它们拥有广泛的网络基础设施和客户基础。在竞争激烈的市场中，为了获得高性能低延迟的服务，移动运营商纷纷开始部署移动边缘计算（MEC）。

Verizon：Verizon 5G Edge是该公司的边缘计算解决方案。它与亚马逊 AWS、IBM 和 Microsoft 等公司合作，在其网络边缘部署计算、存储和网络服务，以提供更低的延迟和更高的可靠性，以支持智能制造、自动驾驶车辆、虚拟现实和增强现实等应用。

AT&T：AT&T Edge Compute 是该公司的边缘计算平台。它与微软合作，使用 Azure Stack Edge 在网络边缘提供计算和存储服务。该公司还与 VMware 合作推出 Multi-access Edge Compute（MEC），以在其无线网络边缘提供计算和存储服务。

Deutsche Telekom：Deutsche Telekom 合作伙伴包括 Edge Gravity、MobiledgeX 和 SK Telecom，共同推出了边缘计算平台。Edge Gravity 是其子公司 Limelight Networks 的一项边缘计算服务，提供边缘计算和存储，以便客户在网络边缘运行应用程序。

China Mobile：中国移动通过与华为、中兴和 Intel 等公司合作，开发了其边缘计算平台。该平台使用机柜级服务器，可在移动网络边缘提供计算和存储服务，以支持大规模的物联网和工业物联网应用。

除了上述提及的一些，还有很多专业领域都在边缘计算有投入，还有一些创业公司和初创企业也在开发各种边缘计算技术和应用。总的来说，边缘计算的推动者非常多样化。如果用上生机勃勃这样的词汇毫不过分。

以上谈的都是生态和好处，那么边缘计算有什么关键技术吗？接下来智愿君来聊一些边缘计算的热点技术话题。

4. 边缘计算的部署层级

边缘计算下沉到什么层级是合理的？

部署边缘计算并不是拍脑袋的事情，往往需要综合的考量。拿5G的移动边缘计算（MEC）来说，下沉到什么位置，需要考虑多方面因素，主要包括以下几个原则：

• 服务质量需求：需要根据不同的应用场景和业务需求，综合考虑服务的质量需求，如时延、可靠性、吞吐量等因素，选择合适的位置。

• 网络拓扑结构：需要根据网络拓扑结构，包括核心网、边缘网、无线接入网等，结合MEC的位置、网络资源、网络拓扑等因素，做出合理的部署决策。

• 成本和效益：MEC的部署位置和规模需要考虑成本和效益之间的平衡，不同位置和规模的部署可能会带来不同的成本和效益，需要根据实际情况综合考虑。

• 安全和隐私：MEC的部署需要考虑安全和隐私问题，如保护用户隐私、防范网络攻击等，需要选择合适的位置和安全策略。

在考虑以上原则的前提下，有几个部署位置的选择：

• 放在DU（分布式单元）中：DU是5G架构中的基础组件之一，属于网络边缘层（Edge Layer）设备，主要负责无线资源管理和用户数据传输。将边缘计算放在DU中可以减少时延和网络拥塞，适合于需要低时延和高带宽的应用场景，比如AR/VR、自动驾驶等。

• 放在CU（中央单元）中：CU是5G架构中的核心组件之一，属于网络中心层（Core Layer）设备，主要负责无线接入和用户控制，可以对网络资源进行动态调度和优化。将边缘计算放在CU中可以提高网络的智能化程度，适合于需要智能决策和调度的应用场景，比如物联网、智能制造等。

• 放在核心网中：核心网也属于网络中心层（Core Layer）设备，将边缘计算放在核心网中可以实现数据的全局调度和管理，适合于需要全局数据协同和管理的应用场景，比如金融、医疗等。

MEC的部署位置可以根据具体的业务需求和实际情况灵活选择，可以部署在DU、CU或者核心网等位置，也可以通过多层次的部署方式，不同层次的节点可以相互协同，形成一个完整的边缘计算网络。根据不同的应用场景和需求，可以选择不同的部署方式和层次，以满足不同的性能和效率要求。

5. 平衡边缘计算、云计算和雾计算

当面临边缘计算，云计算和雾计算的选择的时候，如何平衡？

边缘计算可以采用一级或多级设置，这取决于应用程序的需求和网络拓扑。在采用边缘计算的前提下，仍可以设置云计算，这有助于更高级别的处理和数据分析。在云计算和边缘计算之间可以设置雾计算，以扩展到更广泛的网络范围，并帮助解决网络延迟和带宽问题。关于云计算节点联接的移动边缘计算或雾计算节点的数量，没有固定的规定，因为这取决于具体的应用场景、网络规模和处理能力等因素。通常需要在实际场景中进行测试和优化，以获得最佳性能和效率。

假设你是一个智能家居公司的技术总监，你的公司生产的智能家居设备需要通过互联网来与用户的手机进行通信。现在，你需要决定智能家居设备的通信架构。这时候，边缘计算和云计算就可以应用上了。

首先，你可以考虑将一些简单的计算任务放到智能家居设备本身，这样就能减轻云端服务器的负担，提高通信效率。比如，将智能家居设备与用户手机之间的身份认证、数据加密解密、数据压缩等简单计算任务放到设备端进行处理，这就是边缘计算的应用。边缘计算可以提高智能家居设备的反应速度，降低通信延迟，减少对云端计算资源的依赖。

但是，对于一些需要复杂计算的任务，比如图像识别、语音识别等，边缘计算的计算能力显然是不够的，这时候就需要借助云计算了。你可以将这些复杂计算任务交给云端服务器进行处理，并将处理结果返回给智能家居设备和用户手机。这样，就能充分利用云端计算资源，提高系统的计算能力和精度。

当然，还有一些计算任务，可能需要在边缘计算和云计算之间进行协同处理。这时候，就需要借助雾计算来实现。比如，某些数据需要在边缘进行初步处理，然后再将处理结果发送到云端进行进一步分析，最后再将分析结果返回到边缘。这样的数据处理过程中，边缘计算和云计算需要进行协同处理，雾计算就能起到协同作用。

在实际应用中，边缘计算、云计算和雾计算的具体应用方式和比例会根据应用场景的不同而有所不同。但总的来说，它们可以共同构建一个分层的计算架构，从而实现更高效、更精确的数据处理和应用。

在云计算与边缘计算间优化配置计算能力需要考虑到许多因素，例如应用的特点、数据的位置、通信延迟和网络带宽等等。计算能力的分割可以是固定的，也可以是可动态调整的。对于固定的分割，不同的任务将会在预先规定好的计算节点上进行处理；对于可动态调整的分割，计算任务的处理位置将根据实时的网络状况和设备负载情况进行动态调整，以最优的方式分配计算资源。

6. 边缘计算和网络切片和虚拟化技术的结合

边缘计算和网络分片技术可以结合在一起以提高网络效率和性能。网络分片技术是5G网络的一个关键特征，它可以将网络资源分成多个虚拟的切片，每个切片可以为不同的应用或服务提供专门的网络资源和性能保障。而边缘计算可以将应用和服务部署在更靠近终端设备的边缘节点上，以提高计算性能和降低时延。

在结合边缘计算和网络分片技术时，可以根据应用需求将边缘节点分配到不同的网络分片中，以确保应用能够获得足够的网络资源和性能保障。同时，可以利用边缘计算节点上的资源来执行网络分片管理和控制任务，以降低网络分片管理的时延和复杂度。

例如，在一个智能制造场景中，通过将边缘计算节点部署在不同的网络分片中，可以为不同的机器人和生产设备提供专门的计算资源和网络连接。边缘节点可以通过处理本地数据和执行控制任务，提高生产效率和质量，并减少对云计算资源的依赖。同时，网络分片技术可以为生产设备提供足够的网络资源和保障，以确保实时通信和数据传输的可靠性和低时延。

边缘计算和虚拟网元技术可以结合使用来实现更高效的网络服务。虚拟网元技术可以将网络功能虚拟化为独立的软件模块，这些模块可以在边缘计算节点上运行。这样一来，边缘计算节点就可以提供网络功能服务，比如路由、防火墙、负载均衡等。同时，虚拟网元技术可以使得网络功能服务可以在需要的时候动态地部署和调度到合适的边缘计算节点上，从而更好地支持移动性、弹性和可靠性。

以5G网络为例，边缘计算节点可以被部署为虚拟网元，以提供网络功能服务。这些节点可以部署在接近无线电网络基站的位置，以提高网络的响应速度和带宽利用率。虚拟网元技术可以将网络功能虚拟化为独立的软件模块，这些模块可以在边缘计算节点上动态地部署和调度，以响应网络服务的需求。这样一来，边缘计算节点可以更好地支持5G网络的移动性和弹性，同时提供更好的网络服务质量。

之所以谈到网络切片和虚拟化，是因为边缘计算不仅仅是单一的计算能力，而是需要集成多种功能和技术来实现更加复杂的任务。边缘计算可以独立设置，也可以与其他功能集成，具体取决于应用场景和需求。举例来说，5G基站边缘计算中，它需要集成大数据采集、加密、缓存、数据分析和过滤等功能。边缘计算节点作为数据的第一站，在接收到数据后可以通过集成的计算能力，快速地进行数据处理和分析，并将处理后的数据缓存下来，以供后续使用。此外，边缘计算节点还可以集成加密技术来确保数据的安全传输和存储。

更进一步来说，边缘计算的网络切片和虚拟化支持使其具备了软件定义的能力。通过软件定义网络（SDN）和网络功能虚拟化（NFV）技术，边缘计算可以动态地分配和管理资源，实现可编程性和自动化。这意味着边缘计算可以根据不同应用程序和服务的需求，动态地调整网络和计算资源，以满足不同的性能要求。这种灵活性和可编程性使得边缘计算可以更好地适应不断变化的应用需求，并具备更好的可扩展性和可维护性。

7. 不做孤岛：边缘计算之间的协同

在部分业务场景下，边缘计算节点之间需要通信协同完成分布式计算任务。例如，在一个智能城市的场景中，交通监控节点和交通信号灯节点可以协同工作来减少交通拥堵。但边缘节点之间的通信协同需要考虑多种因素，以便提高通信效率和可靠性：

通信方式的选择：需要根据节点之间的关系和通信需求，选择合适的通信方式。可以通过直接通信、通过云端协调通信或者基于P2P技术的通信。但是不同的通信网络延迟和负担会腹痛，管理的复杂度也不同。

网络拓扑的设计：需要根据节点之间的物理位置和网络带宽等因素，合理设计节点之间的网络拓扑结构，以便提高通信效率和可靠性。

通信协议的设计：需要选择合适的通信协议，并根据通信需求进行定制化开发，以便提高通信效率和可靠性。

安全策略的制定：需要对节点之间的通信进行合理的安全策略制定，以保证信息的机密性、完整性和可用性。

8. 构建边缘计算的服务能力

随着很多计算边缘化，原基于云计算的服务生态也会迁移到边缘计算节点。一般来说，边缘计算可以提供至少两层服务能力：基础设施层和应用服务层。基础设施层主要提供IaaS和PaaS服务，包括计算资源、存储资源、网络资源和应用开发工具等；应用服务层主要提供SaaS和DaaS服务，包括应用程序、数据服务、分析服务和安全服务等。不同的应用场景和需求可能需要不同的服务层次和服务类型。例如，在增强人脸识别能力的应用中，边缘计算需要提供PaaS服务来支持算法模型的开发和管理，需要提供SaaS服务来支持视频转码等功能，也需要提供DaaS服务来支持数据的采集、存储和分析等。

9. 边缘智能的时代

无论何时何地，数据都需要即时可用，这一趋势越来越明显。全球各行各业都在经历由这种需求推动的“数字化转型”。根据IDC的分析，到2025年，全球创建的数据中，超过四分之一的数据在本质上都是实时数据，而物联网实时数据将占这部分数据的95%以上。大量涌现的数据催生出了一系列全新的技术，机器学习、自然语言处理和人工智能，它们将数据分析从不常见的、追溯式的实践，转变成为战略决策和行动的前摄式推动因素。这些技术可以大大提高各种行业、环境和应用数据分析的频率、灵活性和即时性。同样根据IDC的预测，到 2025 年，属于数据分析的全球数据总量将增长至原来的50倍，达到 5.2ZB；而机器学习所“触及”的分析数据总量将增长至原来的100倍，达到1.4ZB。

这一趋势变化会推进人工智能向边缘靠拢，减少了数据传输的延迟和带宽消耗，同时也可以更好地保护用户隐私。

边缘智能的实现需要利用到各种AI技术，例如机器学习、深度学习、自然语言处理等，通过对本地数据的处理和分析，边缘设备可以快速做出响应并进行实时决策。此外，边缘智能还可以与物联网（IoT）技术相结合，通过智能传感器和设备采集环境数据、生产数据等实时数据，进一步提高设备的智能化水平。

对不同类型的计算平台，在不同时间创建和使用的数据量，机器学习被划分为3种类型：

云端机器学习是指将大规模的机器学习任务放在云端进行处理，通常需要海量的计算资源和存储资源。用户可以通过云服务商提供的平台和工具，进行数据处理、特征提取、模型训练和推理等任务。云端机器学习适用于数据量大、计算复杂度高的场景，例如语音识别、图像识别、自然语言处理等。

边缘机器学习是指将机器学习任务放在边缘设备或者边缘服务器上进行处理，将计算和存储资源尽可能地靠近数据源和终端用户。边缘机器学习适用于需要快速响应和低延迟的场景，例如智能家居、智能医疗、自动驾驶等。

TinyML是指在资源受限的设备上运行轻量级的机器学习算法，通常需要满足低功耗、低内存、低带宽和低成本等要求。TinyML可以运行在微控制器、传感器和嵌入式系统等设备上，可以实现物联网设备的智能化，例如智能家居、智能工业、智能农业等。

10. 太空边缘计算技术

随着太空探索任务的不断发展和计算需求的不断增加，传统的中心化地面计算已经无法满足需求，因此太空边缘计算技术应运而生。太空边缘计算技术是指将边缘计算应用于太空探索中的计算任务，利用在轨道卫星等太空设备上的边缘计算节点来实现计算任务的处理。

太空边缘计算，最重要的是将太空很多设备之间的协同工作方式变成了不用事无巨细地通过地面节点来进行控制协调，从而极大降低了延迟（毕竟卫星和地面的距离太大了），节省了宝贵的卫星传输的带宽，同时也避免了太空和地面通信终端引发的数据丢失和系统故障。目前还没有完全采用太空边缘计算技术的卫星系统，但有一些正在研究和开发中。例如，美国国防高级研究计划局（DARPA）正在推进一个名为"OrbitOutlook"的项目，旨在研究和开发在太空中运行的边缘计算技术。不过已经有在卫星上部署计算和机器学习软件的应用案例。AWS与D-Orbit和Unibap合作，在卫星上部署了计算和机器学习软件，以便在轨道上对大量地球观测（EO）图像数据进行快速分析。这种在轨道上进行实时数据处理和分析的能力有助于提高对地球观测和通信任务的响应速度，提高卫星系统的效率和可靠性。这种技术也可以为未来的太空任务提供新的可能性，例如在太空探索和未来的空间工业中应用边缘计算和机器学习。

11. 展望美好的未来

今天谈了很多边缘计算的内容。大家会发现，边缘计算应用场景非常广泛。边缘计算技术就像是一座桥梁，将人与人、人与物、物与物之间的距离缩短，让信息和智能在不同的场景之间流动无阻。这座桥梁不仅是连接智慧城市、智能制造、智慧医疗等各行各业的关键支撑，还可以让无处不在的物联网设备和嵌入式设备获得更高效、更灵活、更安全的计算和存储能力，从而实现更多元化、更智能化的应用场景。

我们有理由相信未来，边缘计算技术将变得更加智能和高效，它将像人类的神经系统一样无处不在、快速反应、智能计算，使得我们的生活更加便捷、高效，甚至可能开启一个全新的数字化时代，让人类与机器更加亲密地融合在一起。同时，随着太空边缘计算技术的发展，我们甚至可以看到未来太空中将会部署更多的智能设备和系统，让人类可以更加深入地探索宇宙，开启一个更加宏伟的数字化时代。

<本文完>