為什么會有邊緣計算

在云計算興起的時候，曾有觀點認為，終端只要一個顯示屏即可，物聯網所有的數據都傳輸到云中心，由云完成運算過程，再傳回到用戶的終端。因此瘦終端將是未來的趨勢。

現實情況是，過渡依賴云中心，會導致物聯網的效率達不到預期，特別是對時延要求嚴格的場景，物聯網部署變得毫無意義。例如，用于安全監控的場景下，攝像頭獲取用戶視頻并傳輸到云中心處理的陌生，不僅需要高速帶寬傳輸大量無效數據，而且給云中心也帶來巨大負擔。最終結果是處理成本高昂，處理事件長，效率低下。

如何解決這個問題呢？于是研究人員對攝像頭端進行改造，讓攝像頭與云中心保持連接的同時，還擁有視頻處理能力、存儲能力和識別能力。云中心給攝像頭下發比對模型，拍攝的視頻會在攝像頭端實時進行處理比對，第一時間將初篩后的信息傳輸到云端進行高精度識別。

在這種模式下，可以在毫秒級的時間內，對攝像頭拍到的數據進行處理，第一時間完成監控任務。我們把具有智能處理能力的物聯網終端，成為邊緣計算產品。

業內對“邊緣計算”定義是指，在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務。

邊緣計算是什么

邊緣計算是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處于物理實體和工業連接之間，或處于物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據。

邊緣計算試圖通過在云端提供更接近數據源的計算來減少處理中的延遲。此計算可能發生在物聯網設備本身，就像NVIDIA正在為自動駕駛汽車開發的設備一樣，或者公司可以使用它來提供特定的服務-比如蘋果（Apple）。在NVIDIA和其他公司開發自動駕駛汽車技術的案例中，克服延遲是生死攸關的問題；對于蘋果來說，減少延遲不僅可以獲得更好的終端用戶體驗，而且還能解決對數據隱私侵犯的擔憂。通過縮短網絡流量需要提供某種形式的計算結果的跑道，邊緣計算解決了延遲、安全性、數據隱私以及健康和安全問題。

即使處理/收集數據發生在設備之外，數據的處理和存儲仍然可以被認為是邊緣計算。由于存儲和計算設備開始在云端擴散，處理仍然可以在云的邊緣附近進行，因此被認為是“邊緣計算”。例如，網絡供應商公司由于擔心從提供商的角度被排除在云經濟之外，正爭相提供靠近網絡接入點（如蜂窩塔）的邊緣計算設備。

通過將計算和存儲放置在離收集物聯網數據的設備更近的地方，可以提高向最終用戶提供對時間敏感的計算的延遲。在許多情況下，這些數據只在特定的時間內影響到終端用戶，許多設備在高頻率負載下收集信息：考慮自動車輛的遙測或系統數據，或用于運動/健康設備的生物識別數據。

高容量的數據可能對本地設備很重要，但是數據的頻率對于集中服務器層的長期存儲/聚合/分析可能并不重要。邊緣計算允許公司在需要的地方提供近乎實時的處理和決策管理，而不需要大量不必要的數據、龐大的中央數據庫或Web服務器等。