引领企业数智化变革的技术，终于来了！

近年来，关于边缘计算和云计算优劣的争论从未停止，更进一步的云边协同和数智化变革等新技术也频频引发热议。

我们在之前的文章里曾系统介绍过边缘计算，可以点击链接查看。

本文就来浅谈一下边缘计算和云计算之间的联系和区别，以及云边协同带来的几个具体的企业变革案例。

云计算又被成为虚拟计算，指的是将处理器、内存、硬盘、网卡等资源进行虚拟化之后，以资源池的方式按需分配给用户，用户得以免除购买硬件、安装软件、调试环境、安装服务等复杂操作。

通俗来讲，云计算就是对计算资源进行组合与再分配，以达到灵活分配、按需使用、节省成本、便捷访问、效率最大化等目的。云计算按照服务模式主要分为公有云、私有云和混合云（公有+私有），按照提供的服务可以分为IaaS（基础设施及服务）、PaaS（平台即服务）以及SaaS（软件即服务）。

边缘计算也称边缘云，是指在靠近数据源或用户数字设备的网络边缘部署定制化的计算平台（规模一般较小），就近提供网络、计算、存储、APP等虚拟资源和本地化服务，从而保证数据分析、数据存储等业务的本地化处理。

之所以在云计算的基础上发展边缘计算，主要是为了降低数据上传、分析、返回之间的时延，更好地满足低时延应用，同时也能减少网络流量、降低带宽压力。

云计算适合超大数据量、超大计算量的全局应用，非常适用于大数据分析、AI模型训练、深度学习、高性能图形计算等应用场景。

边缘计算则更加适用于本地化、定制化的局部应用，特别适合一些低时延要求高、计算量比较低、多接入的应用场景，例如云游戏、VR直播、工业互联网等。其突出优点是响应快、隐私性和安全性高、节省带宽和流量。

下表可见边缘计算和云计算的具体差别。以带宽消耗为例，因为云计算的处理方式是将所有采集到的数据都上传到云数据中心进行计算，因此消耗的网络流量非常高。边缘计算却可以本地化处理数据，然后只将必要的更新数据上传到云数据中心，能够有效地减少带宽占用、降低数据流量。

云计算是边缘计算的基础，但边缘计算和云计算不能互相替代，只是擅长的应用领域不同而已。边缘计算和云计算，可以互相取长补短，优化彼此。

某些场景例如高性能计算，适合采用云计算来部署。另外一些场景，比如云游戏，部署边缘云支撑不仅运营成本低，用户体验也会更好。还有一些应用场景，例如则是需要云计算+边缘计算，即云边协同。

云边协同架构，也称云边端协同。其中“边”是具备一定数据处理能力的边缘节点（边缘计算），“云”指的是云计算中心节点（云计算），是若干个边缘节点的控制中心。“端”就是用户使用的各种终端设备，包括个人电脑、物联网卡、监控摄像头、智能工业设备、智能家电……

从功能上来讲，在云边端协同架构中，“端”负责采集数据，“边”主要是对数据进行本地化处理，从而更好地支撑本地化业务，“云”则负责处理关键业务数据，对整体的应用框架进行控制，还可以通过大数据分析等手段优化业务部署和用户体验。

从角色上说，云边协同中的云计算好比餐厅中的主管，负责统筹、安排和调度。边缘计算则是一个个服务员，为用户提供个性化的服务，同时也将用户的反馈和诉求上传到主管那边。

以上图中的车联网或自动驾驶为例，让我们简单了解一下云计算和边缘计算在云边协同中不同的作用和角色。

新能源汽车产业正如火如荼，未来的智能汽车数以千万计，云计算必然难以支撑，必须依靠边缘侧的众多节点为路上的智能汽车提供服务。

边缘节点会不断接收经过自动驾驶芯片采集、整理后的数据，然后将当前路况、周边服务、前后车辆信息等数据实时传达给各个汽车。与此同时，边缘节点也会将车辆的基本信息、服务请求、车辆状况等数据上传至中心节点（云计算中心），之后会进行扣费、服务推送、车机系统更新等操作。

在车联网的系统架构中，边缘计算是云计算的有效补充，云计算则是边缘计算的神经中枢。

云计算和边缘计算的有效协同，已经是智能计算产业的核心能力和发展方向，云边协同正在引领新一轮的企业数智化变革。

国内外的一些科技巨头和工业巨头，已经在云边协同项目上投入了大量资源，并且努力将云边协同的优势与自身业务特点相结合，以推动企业的数智化升级转型。

作为全球领先的显示面板大厂，J集团在面板缺陷检测方面一直投入重资。然而随着生产规模的扩大和面板工艺的提高，传统人工检测或计算机视觉检测的准确率和速度已经难以满足生产要求。

J集团于是将目光投向了AI领域，想要利用深度学习等技术实现智能面板检测。但这一方案有一个硬性要求，那就是需要将面板的高清图像实时性地传递到计算中心。低时延是这一方案的突出要求，否则便难以快速完成检测任务。

为了降低检测时延，J集团采用了云边协同架构，研发出一套基于深度学习算法的ADC（自动缺陷分类）系统。通过边缘节点，ADC系统能够对检测图像做一些预处理工作，因此减小了数据量，显著降低了检测时延。

利用云边协同架构，J集团ADC系统实现了智能化的缺陷检测和自动分类，将检测准确率提高到95%以上。

视频监控已经成为城市安防工程的核心，大城市每天都会产生海量的视频数据。

在数据量爆炸的背景下，如果我们还是只用云计算，也就是将成千上万甚至更多摄像头的监控视频数据实时回传到云数据中心，则势必造成网络带宽的极大浪费和中心云资源的过量消耗。

如果我们采用云边协同架构，那么就可以在云端保有关键数据备份、大数据分析等核心功能，同时利用边缘节点对视频图像进行一定的预处理，例如使用人脸识别等技术提取特征信息，从而减小数据量，减轻中心云节点的计算、网络和存储压力。

工业互联网可以视为物联网在工业制造领域的延伸，并且在不断结合新技术，如AI、VR、5G、大数据……当然也包括边缘计算和云计算。

最近几年，随着我国不断加大对国产工业互联网的支持以及我国产业升级的不断加速，国内的工业互联网迎来了迅猛发展。

工业制造领域无法忍受单点故障，因此必须使用边缘计算节点进行自主判断并实时解决问题，工厂效率因此得到提高。但是边缘节点只能处理局部数据，无法在整体上对生产线进行记录、分析和优化，所以我们还是需要中心节点即云计算节点来实现云边协同。

经过云边协同的改造后，主要的数据分析和处理工作在边缘节点完成，中心云节点的网络压力大大减轻。中心云节点则能够长期收集各个边缘节点的关键数据，通过进一步分析和预测，实现产量推测、设备状况评估、风险感知等高级功能。

不可否认的是，目前云计算和边缘计算的互补协同还存在诸多挑战，主要是数据协同、设备协同、任务协同、管理协同、安全协同等技术难题。但随着应用场景的增多和产业规模的扩大，国内外的科技公司和工业巨头将逐步解决这些难题，云边协同将很快走进城市、工厂、学校、医院、园区……为整个社会的数字化建设提供助力。

后台回复【云边协同】，获取更多免费课程。

感谢这位用户提供的问题，请联系后台领取礼品一份！

本篇文章图片来源于网络，若有侵权请联系删除，

点个「收藏+赞+在看」三连吧👇