Gartner每年发布的十大技术趋势一直备受关注，11月7日Gartner发布10个最具战略意义的物联网技术和趋势，并预计预计物联网终端的增长速度约为30%。据估计，到2020年，每人每天平均将产生1.5GB的数据量，物联网接入设备的总数将会高达200亿。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全处理这些数据，尤其是在某些需要非常快速地处理数据的使用场景当中。
边缘计算是云计算以外的另一种可选解决方案，未来的应用范围将远不止是无人驾驶汽车。包括亚马逊、微软和谷歌在内的一些科技巨头都在探索“边缘计算”技术，接下来我们深入探讨什么是边缘计算，与该技术相关的优势，以及它在各行各业中的应用。
在我们到处充斥着数据的未来，将有数十亿部设备连接到互联网，因此更快更可靠的数据处理将变得至关重要。近年来，云计算的整合和集中化性质被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。且并不是所有的智能设备都需要利用云计算来运行，在某些情况下，这种数据的往返传输能够、也应该避免。
由此，边缘计算应运而生。边缘计算则能够在传统云基础设施可能难以解决的领域提供解决方案。边缘计算使得数据能够在最近端（如电动机、泵、发电机或其他的传感器）进行处理，减少在云端之间来回传输数据的需要。边缘计算被描述为“微型数据中心的网状网络，在本地处理或存储关键数据，并将所有接收到的数据推送到中央数据中心或云存储库，其覆盖范围不到100平方英尺”。
例如，一列火车可能包含可以立即提供其发动机状态信息的传感器。在边缘计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。
本地化数据处理和存储对计算网络的压力更小。当发送到云的数据变少时，发生延迟的可能性，云端与物联网设备之间的交互导致的数据处理延迟，会降低。这也让基于边缘计算技术的硬件承担了更多的任务，它们包含用于收集数据的传感器和用于处理联网设备中的数据的CPU或GPU。
随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也很重要，它就是雾计算。边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘。
说回我们的火车场景：传感器能够收集数据，但不能立即就数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。
在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的（与确定引擎状态不同）。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中央云。虽然边缘计算给云计算带来补充，并且与雾计算一起非常紧密地运作，但它绝不是二者的替代者。
图示：云计算、雾计算与边缘计算
虽然边缘计算是一个新兴的领域，但是它拥有一些显而易见的优点，包括：
实时或更快速的数据处理和分析：数据处理更接近数据来源，减少迟延时间。
较低的成本：在本地设备的数据管理解决方案的花费比较少。
网络流量较少：物联网设备数量的增加，数据生成以创纪录的速度增加。网络带宽变得更加有限，让云端不堪重负，造成更大的数据瓶颈。
更高的应用程序运行效率：滞后减少，应用程序能够以更快的速度更高效地运行。
削弱云端的角色也会降低发生单点故障的可能性。例如，如果一家公司使用中央云来存储它的数据，云一旦宕机，那么数据将无法访问，直至问题得到修复，公司可能因而蒙受严重的业务损失。减少对云的依赖也意味着某些设备可以稳定地离线运行。这在互联网连接受限的地区尤其能够派上用场。无论是在严重缺乏网络服务的特定地区，还是油田等通常无法访问的偏远地区。
边缘计算的另一个关键优势与安全性和合规性有关。随着政府越来越关注企业如何利用消费者的数据，这一点尤为重要。欧盟（EU）最近实施的《通用数据保护条例》（GDPR）就是一例。由于边缘设备能够在收集和本地处理数据，数据不必传输到云端。敏感信息不需要经由网络，如若云遭到网络攻击，影响也不会那么严重。
边缘计算还能够让新兴联网设备和旧式的“遗留”设备之间实现互通。它将旧式系统使用的通信协议“转换成现代联网设备能够理解的语言”。这意味着传统工业设备可以无缝且高效地连接到现代的物联网平台。
边缘计算市场仍然处于初期发展阶段，随着越来越多的设备连网，它备受关注。主宰云计算市场的那些公司（亚马逊、谷歌和微软）正在成为边缘计算领域的领先者。
去年，亚马逊携AWS Greengrass进军边缘计算领域，将AWS扩展到设备上，这样它们就可以“在本地处理它们所生成的数据，同时仍然可以使用云来进行管理、数据分析和持久的存储”。
微软在这一领域也有一些大动作。微软发布了Azure IoT Edge解决方案，该方案“将云分析扩展到边缘设备”，支持离线使用。还希望聚焦于边缘的人工智能应用。
谷歌也不甘示弱。8月份宣布了两款新产品，意在帮助改善边缘联网设备的开发。它们分别是硬件芯片Edge TPU和软件堆栈Cloud IoT Edge。
除了这三大科技巨头，主要的竞争者包括Scale Computing、Vertiv、华为、富士通和诺基亚等。惠普企业将在边缘计算领域投资40亿美元。它的系统承诺在不依赖于将数据发送到云或数据中心的情况下，为工业运营（比如石油钻井平台、工厂或铜矿）提供来自联网设备的洞见。人工智能芯片制造商英伟达于2017年推出了Jetson TX2，这是一个面向边缘设备的人工智能计算平台。
许多著名的公司也在投资布局边缘计算，包括通用电气、英特尔、戴尔、IBM、思科、惠普企业、微软、SAP SE和AT&T。例如，在私募市场上，戴尔和英特尔均投资了为工商业物联网应用提供边缘智能的Foghorn公司。戴尔还参与了物联网边缘平台IOTech的种子轮融资。
随着传感器价格和计算成本的持续下降，更多的“东西”将被连接到互联网，边缘计算将在各行各业中得到越来越多的应用，尤其是在云计算效率低下的一些领域。从自动驾驶汽车到农业，以下几个行业将会从边缘计算的潜力中获益。
交通运输
边缘计算技术最显而易见的潜在应用之一是交通运输。更具体地说，是无人驾驶汽车。自动驾驶汽车装备了各种各样的传感器，从摄像头到雷达到激光系统，来帮助车辆运行。不过，不单是自动驾驶汽车会产生大量的数据并需要实时处理，飞机、火车和其他的交通工具也是如此。不管它们有没有人类驾驶。
例如，飞机制造商庞巴迪（Bombardier）的C系列飞机就装备了大量的传感器来迅速检测发动机的性能问题。在12小时的飞行中，飞机产生了多达844 TB的数据。边缘计算支持对数据进行实时处理，因此该公司能够主动处理引擎问题。
医疗保健
如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。但要真正地从所收集的海量数据中获益，实时分析可能是必不可少的。许多的可穿戴设备直接连接到云上，但也有其他的一些设备支持离线运行。
在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。本地化数据处理意味着大范围的云端或网络故障不会影响业务运转。即使云操作中断，这些医院的传感器也能独立地正常运行。
制造业
智能制造有望从现代工厂大量部署的传感器中获得洞见。由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。
边缘计算应该支持更快地从大数据中更多的洞见，以及支持将更多的机器学习技术应用到业务运营中。挖掘实时产生的海量数据的巨大价值，防止安全隐患，并减少工厂车间机器运转中断的情况。
农业和智能农场
边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资；而边缘计算则是一种合适的、具有成本效益的替代方案。智能农场可以使用边缘计算来监测温度和设备性能，以及自动让各种设备（比如过热的泵）减缓运转或者关闭。
能源和电网控制
边缘计算或许在整个能源行业都尤其有效，尤其是在石油和天然气设施的安全监测方面。边缘计算能够实时检测设备故障。通过电网控制，传感器可以监控从电动汽车到风力发电厂的一切设施所产生的能源，有助于相应作出决策来降低成本和提高能源生产效率。
其他行业领域的应用
其他可以利用边缘计算技术的行业包括金融业和零售业。这两个行业都使用大型的客户和后端数据集来提供从选股信息到店内服装摆放的各种信息，可以从减少对云计算的依赖中获益。
零售可以使用边缘计算应用程序来增强顾客体验。许多零售商都在致力于改善店内体验，优化数据收集和分析的方式对它们而言绝对很有意义。尤其是考虑到许多零售商已经在尝试使用联网的智能显示屏。
此外，很多人使用店内平板电脑所生成的销售点数据，这些数据会被传输到云端或数据中心。借助边缘计算，数据可以在本地进行分析，从而减少敏感数据泄漏的风险。
从可穿戴设备到汽车再到机器人，物联网设备正呈现出越来越强劲的发展势头。随着边缘计算更多地被采用，企业将有更多的机会在各个领域测试和部署这种技术。有些用例可能比其他用例更能证明边缘计算的价值，但整体来看，该技术对我们整个互联生态系统的潜在影响则可能是翻天覆地的。
（内容来源于网络，如有侵权请联系后台删除）
