上实资本科技基金

2020-11-19

作者：徐品秀

近年来，增强现实、虚拟现实、高清视频、物联网、工业互联网、车联网等众多新兴业务应用，对网络的传输容量和数据分发处理能力等提出了越来越高的要求，网络流量也呈爆炸式增长。

面对迅猛而来的流量增长和日益提高的用户体验需求，通信网络必须进行架构上的调整。业界提出，可在网络边缘提供计算处理与数据存储的能力，即“边缘计算”，以满足用户超大连接、超低时延以及超大带宽等业务需求。

边缘计算的基本思想，是把云计算平台（包括计算、存储和网络资源）迁移到网络边缘，并试图实现传统移动通信网、互联网和物联网等之间的深度融合，减少业务交付的端到端时延，发掘网络的内在能力，提升用户体验。

一. 边缘计算的定义

目前，边缘计算还没有广泛上的统一定义。2016年5月，美国韦恩州立大学施巍松教授团队曾给出边缘计算一个定义：

边缘计算（EdgeComputing)，是指在网络边缘执行计算的一种新型计算模型，边缘计算操作的对象包括来自于云服务的下行数据和来自于万物互联服务的上行数据，而边缘计算的边缘是指从数据源到云计算中心路径之间的任意计算和网络资源。

施巍松团队同时发表了＂Edge Computing: Vision andChallenges"一文，第一次指出了边缘计算所面临的挑战。该文在三年内被他引1360多次。

同年10月，ACM和IEEE 开始联合举办边缘计算会议，这是全球首个以边缘计算为主题的科研学术会议，目前已经是边缘计算领域最为权威的顶级会议。

再来了解一下维基百科上给出的“边缘计算”的概念：

边缘计算是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点移往网络逻辑上的边缘节点来处理。边缘计算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。边缘计算在靠近数据源头的地方提供智能分析处理服务，减少时延，提升效率，提高对安全隐私的保护。

边缘计算产业联盟(ECC）发布的边缘计算参考架构白皮书中，给出的边缘计算架构图如下图所示：

图中可以看出，整个架构分为云、边缘和现场设备三层。

边缘层位于云和现场设备层之间，边缘层向下支持各种现场设备的接入，向上可以与云端对接；边缘层包括边缘节点和边缘管理器两个主要部分。

边缘节点是硬件实体，是承载边缘计算业务的核心。边缘计算节点根据业务侧重点和硬件特点不同，包括以网络协议处理和转换为重点的边缘网关、以支持实时闭环控制业务为重点的边缘控制器、以大规模数据处理为重点的边缘云、以低功耗信息采集和处理为重点的边缘传感器等。

边缘管理器的呈现核心是软件，主要功能是对边缘节点进行统一的管理。

二. 边缘计算中的常用概念

边缘计算中，最有代表性的是雾计算（Fog Computing)、移动边缘计算（Mobile EdgeComputing, MEC)、微云（Cloudlet）等。

1. 雾计算

云计算架构将计算从用户侧集中到数据中心，让计算远离了数据源，但也带来计算延迟、拥塞、低可靠性和易受攻击等问题，于是在云计算发展了大约10年后的2015年，修补云计算架构的“大补丁”－雾计算开始兴起了。

“雾计算”的概念最早由思科公司提出，定义为“迁移云计算中心任务到网络边缘设备执行的一种高度虚拟化的计算平台”。换言之，雾计算就是本地化的云计算，是对云计算的补充。云计算更强调计算的方式，雾计算更强调计算的位置。如果说云计算是 WAN计算，那么雾计算就是LAN计算。如果说CDN是弥补 TCP/IP 本地化缓存的问题，那么雾计算就是弥补云计算本地化计算的问题。

2. 移动边缘计算/多接入边缘计算（MEC）

MEC（移动边缘计算）并不是一个新概念，它于 2013年出现，源于IBM与Nokia Siemens 网络当时共同推出的一款计算平台，可在无线基站内部运行应用程序，向移动用户提供业务。

2014年，欧洲电信标准协会（ETSI）成立了移动边缘计算规范工作组，正式宣布推动移动边缘计算标准化。其中 ETSI给出的 MEC的定义是：MEC通过在无线接入侧部署通用服务器，从而为无线接入网提供 IT 和云计算的能力。由于移动边缘计算位于无线接入网内，接近移动用户，因此可以实现超低时延、高带宽来提高服务质量和用户体验。随着深入研究，ETSI将MEC中“M”的定义也做了进一步扩展，使其不仅局限于移动接入，也涵盖 WiFi 接入、固定接入等其他非3GPP 接入方式，将移动边缘计算从电信蜂窝网络延伸至其他无线接入网络。

2017年3月，ETSI 把 MEC 中的“M”重新定义为“Multi-Access”，“移动边缘计算”的概念也变为“多接入边缘计算”。

3. 微云

微云（Cloudlet）诞生于2009年。微云是由移动计算和云计算融合而来的新型网络架构元素，它代表移动终端、微云和云计算三层架构的中间层，可以被视作“盒子里的数据中心”。微云拥有完整计算和存储能力，与用户的移动设备一起本地化地部署在同一个局域网络中，用户不需要经过核心网就可直接连接到云端。

微云是OEC(Open Edge Computing）的研究成果，该项目最初由美国卡耐基梅隆大学发起，而后受到了包括 Intel（英特尔）、华为、Vodafone（沃达丰）在内的多家公司的广泛支持，主要致力于对边缘计算应用场景、关键技术和统一API的研究。OEC 基于OpenStack 开源项目进行扩展，目前其源代码以及搭建方法也可以在 OEC 的官网上免费获得。

微云是边缘计算一种典型模式，拿移动边缘计算和微云作比较的话，移动边缘计算注重“边缘”，微云注重“移动”。微云强调下行，也就是云服务器上的功能（比如内容存储、业务处理）下行到边缘服务器。

三. 边缘计算的核心技术

1. 计算卸载

计算卸载可以为资源受限设备运行计算密集型应用时提供计算资源，加快计算速度，节省能源。更详细地说，边缘计算中的计算卸载，是将移动终端的计算任务卸载到边缘云环境中，解决了设备在资源存储、计算性能以及能效等方面存在的不足。

计算卸载的概念最初在移动云计算（Mobile Cloud Computing, MCC）中被提出，移动云计算具有强大的计算能力，设备可以通过计算卸载，将计算任务传输到远端云服务器执行，从而达到缓解计算和存储限制、延长设备电池寿命的目的。

在MCC 中，用户设备（UserEquipment, UE）可以通过核心网访问强大的远程集中式云（Central Cloud, CC)，利用其计算和存储资源，将计算任务卸载到云上。相比于移动终端将计算卸载到云服务器所使用的移动云计算技术可能导致的不可预测时延、传输距离远等问题，边缘计算能够更快速、高效地为移动终端提供计算服务，同时缓解核心网络压力。

2. 计算迁移

边缘计算中的计算迁移是指，在网络边缘处，对海量边缘设备采集或者产生的数据进行部分或全部计算进行预处理操作，对无用的数据进行过滤，从而降低数据传输的带宽需求。

3. 边缘缓存

边缘缓存能使用户从小基站或其他设备处获得请求的内容在本地使用。由于不需要通过移动核心网和有线网络从内容服务提供商获取内容，可以减少无线需求容量和可用容量之间的不均衡，缓解网络的回传瓶颈，提高时延保障，降低网络能耗。

边缘缓存一般包括两个步骤，内容的放置和传递。内容放置包括确定缓存的内容，缓存的位置以及如何将内容下载到缓存节点；内容的传递指的是如何将内容传递给请求的用户。一般来说，会在网络流量较低、网络资源廉价而丰富时（例如清晨）执行内容放置，而在网络流量较高、网络资源稀缺和昂贵时（例如晚上）执行内容传递。

此外，由于小基站的致密化部署及移动设备激增，用户在小区之间的切换越来越频繁，用户之间的D2D 通信的机会也越来越多，对边缘缓存的影响会越来越大。

4. 安全保护

安全与隐私的保护问题一直是所有网络技术面临的重要挑战之一。MEC 虽然带来了多种崭新的服务方式，但它的新特征也带来了全新的安全和隐私保护问题。

在MEC 中，由于任务不只限于在数据中心这样具有安全措施的场所中运行，且终端具有高移动性，原本用于云计算的许多安全解决方案很难适用于MEC。在未来，MEC必然会成为网络窃听者和攻击者的“重点关照”对象。

下图：MEC可能遭遇的各种攻击

一方面，由于MEC的异构特性（即整个MEC系统，包括网络设施、服务设施、虚拟化设施及用户终端由多个所有者共同拥有），使传统的鉴权与认证机制不再适用，整个 MEC 系统中的任何一部分，都可能成为网络攻击和隐私窃取的目标。

但另一方面，尽管针对 MEC 的攻击能够从系统中的任何一部分发起，但是由于提供计算和存储能力的节点部署在网络边缘距离用户较近的一侧，节点主要为附近的用户提供服务，传统网络攻击中的“anywhere”原则在MEC中并不完全适用。

总的来说，由于MEC的特性，其受到的攻击将被限制在较小范围内；但是，一旦攻击者成功控制了节点，整个节点所服务的地区都将面临瘫痪的风险。MEC亟需有效的安全及隐私保护方案。

四. 边缘计算的主要场景

1. 视频相关

视频分析是计算卸载的重要应用场景，有着巨大的应用价值。例如，安保部门监控城市、停车场的出入等，通过视频监控系统捕获各种信息，然后将这些视频传送到云端的监控系统服务器上，再从这些视频流中提取有用的信息。但这种方式会传输大量视频数据、增加核心网负担、并且有较大的时延。

为了减小视频传输的数据量，一种有效的处理方式是直接在摄像机设备上进行数据分析。现有的一些摄像机设备本身拥有视频分析的能力，但这会造成摄像机成本偏高，大量部署的情况下并不实用。

可以看出，现有的视频分析方法，无论是发送视频流到服务器或者直接在摄像机上处理视频都存在很大的问题和应用上的阻碍。与在MEC服务器上处理视频流获取有用信息相比，这两种方法都花费巨大并且效率低。在MEC服务器上处理视频不需要传输大量的视频数据就能将有价值的数据传输给应用服务器。这种方法极大地减轻了核心网的负担，有效地降低了时延，同时降低了摄像设备的成本。

2. 增强现实（AR）/虚拟现实（VR）

AR/VR技术可以大大增强人们参观各处景点或参与盛会时的直观体验。当参观者在参观博物馆、艺术长廊、城市纪念碑、音乐盛会或体育赛事时，可以在自己的移动设备上使用相关的应用软件，捕获相关信息。之后应用根据捕获的信息将参观者正在参观的景象或经历的事件（可称之为兴趣点）的附加信息展现给参观者。

以AR为例，当用户参观一个兴趣点时，为了提供用户当前正在参观景象的额外信息来增强用户的体验，AR 服务需要一个应用分析摄影机设备拍摄的信息并给出精准的定位。通过方位技术或相机拍到的景象，应用可以了解用户的位置和其面朝的方向。在分析这些信息后，应用可以实时地提供额外的信息给使用者。另外，信息需要随着使用者的移动进行实时更新。

AR服务通常部署在MEC平台上，主要因为兴趣点的补充信息是高度本地化的，这些信息与兴趣点之外的其他事物无关，在本地调用和处理更为方便。

3. 物联网

物联网通过各种信息传感设备，实时采集任何需要监控、连接、互动的物体或过程等各种需要的信息，与互联网结合形成一个巨大网络。具体地说，就是把感应器嵌入和装备到电网、铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道等各种物体中，然后与现有的互联网整合起来，实现人类社会与物理系统的整合。

下图：物联网和边缘计算

在这个整合的网络中，存在能力超级强大的计算中心，能够对整合网络内的人员、机器、设备和基础设施实时的管理和控制。在此基础上，人类可以以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力水平，改善人与自然间的关系。

物联网在电信网上会生成额外的信息，所以需要网关对信息进行聚合并保障低时延和安全性。由于连接的一些设备的性质，需要一组具有实时能力的传感器和设备才能进行有效的服务。此外，各种设备通过不同的连接方式进行连接，如LTE、Wi-Fi或其他无线技术。

大体上来说，这些信息都是很小的、加密的、以各种不同协议传输的，这就需要一个低延迟聚点来管理各种协议，分发消息以及处理分析。MEC服务器提供了这种能力来解决上述挑战。

4.车联网

车联网（Internet of Vehicle）一般认为是由车辆位置、速度和路线等信息构成的巨大交互网络，正在持续扩张。发展车联网，必须先满足连通性的要求，这将导致互联车辆中传感器和处理器传输数据流量急剧增加；连接需求也可能会根据所提供的服务有所不同，包括不同的延迟级别、数据接近度、计算成本和带宽可用性。

现在，越来越多的互联车辆选择使用专用短程通信技术（DSRC）和通用移动通信技术的长期演进（LTE）等技术进行通信。LTE 可以显著地加快车联网通信的应用部，提供“超出视野”的可见性，也就是说，即便超出了车辆间可以直接通话的300~500m范围，依旧可以满足车联网通信的低时延要求，在某些情况下时延甚至小于100ms。信息通过LTE实时发布，减少建立DSRC网络的需要。

随着车联网业务的发展和应用案例的增加，数据量与减小时延的需求都将持续增长，因此，使用MEC增强连接车辆，有很强的可行性。

MEC在车联网的扩展服务中也有一些潜在用途。MEC技术可以用于将车联网云扩展到高度分布的移动基站环境中，并且使数和应用能够在车辆附近部署。应用程序可以运行在 MEC服务器上，这些服务器部署在LTE基站站点上，如小的单元站点或聚集的站点位置，以提供路边功能。

MEC技术为互联车辆所依赖的新一类应用提供了一个平台，当互联车辆移动或与路边传感器通信时，数据与应用依旧能够处于靠近互联车辆的地方。MEC还能为应用程序提供托管服务，为应用程序提供更低的延迟。MEC应用程序可以直接从车辆和路边传感器中的应用程序接收本地消息，对其进行分析，然后将（具有极低延迟）危险警告和其他等待时间敏感信息传播到该区域的其他车辆，这使附近的汽车可以在几毫秒内接收数据，从而允许驾驶员立即作出反应。

5. 智慧城市

为应对当今城市设计中面临的许多挑战，包括交通拥挤、公共安全、能源消耗、环境卫生和公共网络连接等，智慧城市的概念越来越多被提及。

雾计算可以从多个角度对智能城市产生影响，使城市运营更加高效且经济可行。例如智能停车、购物和基础设施；智能医院，可以加强病人的护理和健康保障；智能公路系统，可以提高基础设施的利用率；拥有软件定义的工业系统的智能工厂。此外，在连通性和安全两个方面，雾计算也在智慧城市中起着关键作用。

6. 工业互联网

工业互联网是互联网和新一代信息技术与工业系统全方位深度融合所形成的产业和应用生态，是工业智能化发展的关键综合信息基础设施。其本质是以机器、原材料、控制系统、信息系统、产品以及人之间的网络互联为基础，通过对工业数据的全面深度感知、实时传输交换、快速计算处理和高级建模分析，实现智能控制、运营优化和生产组织方式变革。

在这一背景下，传统数字化工具已经无法满足需求。一是工业数据的爆式增长需要新的数据管理工具，实现海量数据低成本、高可靠的存储和管理。

二是企业智能化决策需要新的应用创新载体，通过工业数据、工业知识与平台功能的开放调用，降低应用创新门槛，实现智能化应用的爆发式增长。

三是新型制造模式需要新的业务交互手段，实现不同主体、不同系统间的高效集成。

在工业互联网中，边缘计算未来可以应用于边缘层和 IaaS 层，拓展平台收集和管理数据的范围和能力。边缘层主要实现数据集成与边缘处理技术，实现设备接入、协议转换、边缘数据处理等功能。

设备接入指基于工业以太网、工业总线等工业通信协议，以太网、光纤等通用协议，3G/4G、NB-IoT等无线协议将工业现场设备接入平台边缘层。

协议转换指一方面运用协议解析、中间件等技术兼容 ModBus、OPC、CAN、Profibus等各类工业通信协议和软件通信接口，实现数据格式转换和统一；另一方面利用 HTTP、MQTT 等方式从边缘侧将采集到的数据传输到云端，实现数据的远程接入。

边缘数据处理基于高性能计算芯片、实时操作系统、边缘分析算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行数据预处理、存储以及智能分析应用，提升操作响应灵敏度、消除网络堵塞，并与云端分析形成协同。

IaaS层主要实现 IaaS技术，基于虚拟化、分布式存储、并行计算、负载调度等技术，实现网络、计算、存储等计算机资源的池化管理，根据需求进行弹性分配，并确保资源使用的安全与隔离，为用户提供完善的云基础设施服务。

五. 边缘计算的主要玩家

1.传统运营商

在消费互联网时代，电信运营商在与互联网公司的竞争中节节败退，对此行业内外都做过不少反思和总结。在分析运营商处于劣势的原因时，很重要的一点就是：互联网企业都是集中运作模式，一点上线全网推广，灵活且效率高；而属地化为主的运营商要开一个业务，需要层层传递，效率低、执行力差。

电信运营商以属地为主体，这是有历史渊源的，也是短时间内难以改变的。而边缘计算的提出，让一些运营商看到了希望：能不能将运营商在属地的存量和资源转化为先发优势，借助边缘计算的发展，让属地资源提供的业务从传统的“连接”拓展到“计算”和“存储”，一举扭转运营商在行业数字化市场竞争中被动的局面。

所以，国内的电信运营商重整旗鼓，整合各方资源，主要包括：（1）属地化布局的技术、营销和服务队伍；（2）遍布全国且分级（全国、省、地、县）设置的机房和人员；（3）通信网络为主体的数字化基础设施。这些资源的积累和沉淀非一日之功，如果能与新技术、新平台、新业务进行有效整合，可以组成一支强大的力量。

边缘计算涉及的新技术较多，运营也不成熟，全靠属地去摸索，投入效率低周期长，肯定不行。与互联网公司的套路不同，电信运营商发展边缘计算比较适宜的方式是“顶层设计，四面开花”。就是说在总部层级进行整体规划和设计，在各地进行有组织的试点，对于关键技术和问题组织全网优质资源集中攻关，然后是经验总结和大面积推广。

从客户视角看，电信运营商是代表着安全、稳定、可靠的“国家队”，更容易得到传统行业和企业的信任。尤其电信运营商已经有与企业客户的触点，把企业通信、基础网络、个人/集团业务整合起来，和边缘计算业务打包，会产生相当强大的吸引力和市场竞争力。相对于其他玩家，电信运营商拥有的资源优势和基础布局，在边缘计算的竞争中赢在了起跑线上。

但是，这场竞争才刚刚开始，通信行业的保守、多层级之间协作不畅、企业管理机制僵化等，都会严重影响前进的速度，这也是众多人士不看好电信运营商的原因。

2. 云计算厂商

边缘计算既然是传统云计算的延伸和补充，那对于边缘计算最关注的，自然是云计算中心和提供IaaS服务的企业。国外的代表是云计算三巨头：微软、AWS、Google，国内则是BAT等互联网公司。

对于这类企业来说，边缘计算是从云计算中心层层向外推出去的，成长路径是自顶向下，由内而外。基于自身强大的IaaS和PaaS，云计算企业采用分布式技术将算力和存储向外进行拓展和延伸，而控制中心仍牢牢地掌握在中央节点里。

在国内，这种模式非常符合某些客户的胃口，因为这些客户：（1）对云计算等新技术有憧憬，或者说被忽悠；（2）对中心化模式的云计算有顾虑，典型的表现是不愿意放弃控制权，质疑互联网企业在安全方面的能力等；（3）自身技术能力不足，对数字化理解有限，认识不到将对业务产生的冲击。因此，这些客户往往愿意认可相对保守的技术方案，希望通过小范围小规模的改造起步，有了经验和成效之后再考虑全面推进。

这些客户也是国内这些云计算厂商非常合适的目标。如今以个人为主体的消费互联网已经发展到了相当规模，人口红利带来的流量增长几近耗尽，而互联网公司需要向资本市场证明自己的成长空间，最好的商业故事就是打开一个新的市场空间，让世人看到这个空间里客户规模化增长的状态，来证明自己新的成长性。

带着消费互联网时代建立起的数字化光环，找到期待数字化变革的行业客户，用边缘计算的理念说服他们进行探索，拿客户实例证明，这是云计算公司力推边缘计算的商业逻辑。

在具体技术方面，互联网企业将面临着与行业客户具体需求之间的博弈，换句话说就是双方对系统控制权的争夺。自顶向下的技术规划和自底向上的业务设计会有冲突，用新技术设定的新流程和传统模式下的老规则会有冲突，做几个点的技术突破相对容易，但要真正实现行业客户的全面数字化，互联网企业突破新市场，如何处理这些矛盾是关键。

3. CDN厂商

CDN厂商依托部署在各地的边缘服务器，通过中心平台的负载均衡、内容分发、调度等功能模块，使用户就近获取所需内容，降低网络拥塞，提高用户访问的响应速度。说CDN就是边缘计算的一种体现方式，也蛮有道理的。无论国内还是国外，CDN厂商将业务范围拓展到边缘计算领域，技术门槛是最低的。无论是内容的存储还是转发、负载均衡还是资源调度的算法，技术理念非常一致。

但实际分析下来，CDN厂商做边缘技术需要面对的问题也不少：

首先，CDN成长初期是依托电信运营商的资源，到中后期才自建网络和基础设施，总体来说还是以轻资产运营为主。如今边缘计算刚刚兴起，云计算厂商和电信运营商就已经把CDN厂商当主要竞争对手了，向其开放资源的意愿和可能性下降。

其次，虽说原理类似，但从技术角度看，边缘计算中计算和存储能力的分布算法未必那么容易由内容分发来改写，相对于视频传输、软件下载，行业客户对数据的调用和管理更复杂，也更加个性化，所以在模型和调度方面还有很多需要探索的地方。更何况，近年来云计算和运营商都尝试开展CDN业务，所以CDN厂商在技术方面的优势并不明显。

还有就是客户的选择。CDN厂商的成功很大程度上是配合上了互联网产业的发展高峰期，而边缘计算的客户并不是CDN厂商的传统客户群，所以在商业拓展方面处于劣势。因此，CDN厂商在边缘计算刚刚兴起的时候，可能在竞争中凭借技术优势抢先半个身位；但从中长期发展来看，尤其等到5G规模化之后，未必能成为最终的赢家。

4. 设备制造商

边缘计算对于芯片/设备制造商为代表的硬件厂商来说，也是个非常不错的机会。但目前来看，各家的投入方式各有不同。

有的企业在看好边缘计算广阔市场空间的同时，也看到了其中的行业风险，因此立足于为边缘计算做通用型硬件。他们致力于适应边缘计算的整体发展，研制出性能更高、成本更低的产品，同时加强生态建设，推动自身的研发方向成为国际标准和产业共识，让自己的产品和更多的合作伙伴适配。

还有的企业希望走出硬件产品低价竞争的泥潭，利用软件来体现竞争性，再通过硬件的方式进行销售，这种软硬件一体化的方式在商业上更容易获得成功。这类企业主要考虑针对边缘计算的具体场景，研制出更具专业特性的产品，比如融合了AI算法的智能硬件、集成了图像识别和视频压缩的摄像头、存储通信能力一体化的物联网模组等。一旦某类产品需要进行规模化部署，就需要大量的专用硬件，前期的投入就演变为竞争的门槛，获得超高的回报。

但是，无论是做通用硬件还是软硬件一体，对设备制造商来说，更多的风险源于自身难以掌控的产业发展节奏。

六. 边缘计算的未来展望

调研机构Grand View Research公司分析师预测，即使在冠状病毒在全球肆虐的背景下，边缘计算市场依然将出现显著增长。到2027年，边缘计算解决方案的市场规模将从35亿美元增长到434亿美元。

1. 业务将从云计算移到边缘计算

过去十年，云计算服务提供商一直向人们发出这样一个信息：一切都在云计算的发展轨道上，云计算服务提供商提供的混合架构是内部部署和云平台之间的临时桥梁。但是现在这种情况有所改变。

云计算提供商逐渐意识到，最好将工作负载分配到运行最好的地方。他们开始提供可在内部部署数据中心或设备上扩展的解决方案，并与托管服务提供商和电信提供商开展合作，以使企业能够在城市或社区级别部署应用程序。

2. 边缘计算将为所有物联网数据注入活力

很多企业一直在物联网方面进行投资，但大多数人低估了物联网设备能够产生的数据量，以及将重要数据从垃圾数据中分离出来到底有多困难。

传输和存储所有数据将产生大量成本，这使许多人怀疑物联网技术是否值得大肆宣传。这就是为什么各行业采用边缘计算技术的原因，即在更加接近数据来源的位置处理数据，避免不必要的通信和存储成本。

3. 数字化转型激发对边缘计算的兴趣

新冠疫情的流行，使越来越多的企业意识到数字化的重要性。随着这些企业逐步将其业务数字化，边缘计算作为其云计算模型的扩展，也将令他们倍感兴趣。

事物的发展总是曲折的，循环往复，并在波浪中不断前进，计算模式（ComputingParadigm）也不例外。如果我们回顾计算模式的发展历史，就会发现一个简单的规律：计算模式总是在集中式计算和分布式计算之间不断摇摆，往复前进。

那么在当下，我们要做的，恐怕就是加速拥抱边缘计算，来迎接这一场技术变革。

参考文献：

【1】谢人超、黄韬、杨帆、刘韵洁，《边缘计算原理与实践》，人民邮电出版社

【2】史皓天，《一本书读懂边缘计算》，机械工业出版社

【3】JamesFalkoff，秦天钰译《关于边缘计算你需要了解的4件事》

【声明】内容源于网络