边缘计算不再“边缘”，与云上演协调曲

近期，由于IT（云服务商）、OT企业（自动化企业）和CT企业（电信运营商）三股力量不断发力，边缘计算再次站在了媒体的镁光灯下，被行业热议。有声音指出，“边缘计算与云计算相对的，边缘计算做了云计算做不了的事。有声音认为“边缘计算有可能吞噬掉云。” 还有观点指出，云计算将延伸到边缘侧，甚至还有企业提出了“边缘云”这一令人困扰的概念。于是边缘计算到底与云是何种关系，两者未来将如何发展，成为了业界思考的重点。

边缘计算将成基础设施

早在25年前业界就开始谈论物联网，物联网分为云和端两级，在过去，处理端的业务，云计算是可以胜任的。但随着网络技术的迅猛发展，物联网也在不断演进，有一些业务场景对时间非常敏感，要求数据分析低时延，甚至需要在设备端进行实时数据分析。如果将智能终端采集的数据传输到云上分析，势必会造成延时。

另外，随着万物互联，智能终端数量规模不断扩大，需要处理的数据呈几何级增长，如此大的数据量是无法通过电信运营商骨干网全部汇聚到云，骨干网无法承载这么高的网络流量，一部分数据势必要到端做分析，于是边缘计算应运而生：每个智能终端都可以拥有小数据中心，可以低延迟甚至实时处理数据，实现响应及时、提升效率的目标。

“云计算是一种将可伸缩、弹性、共享的物理和虚拟资源池以按需自服务的方式供应和管理，并提供网络访问的模式。然而，目前云计算已经无法满足低时延，低成本的需求，边缘计算的引入是物联网时代的必然结果。边缘计算是一种将主要处理和数据存储放在网络的边缘节点的分布式计算形式。就近提供边缘智能服务，减少网络操作和服务交付的时延，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。” 赛迪智库电子信息研究所研究员李雅琪在接受《中国电子报》记者采访时表示。

进一步研究就会发现，过去的架构都是因应用而搭建的，各种性能指标也都是服务于某一个应用，由于边缘计算的诞生，未来更多的是根据每一个场景不同的需要随时调动整合资源，是因需而动。边缘计算的低延时、零计划、低能耗特点，满足客户自适应的需求，实现快速的响应和敏捷的部署。

随着工业互联网、AI、5G等技术的快速发展以及各项应用全面智能化的趋势，边缘处理数据的场景需求激增，以致边缘计算市场前景被一致看好。Gartner预测，到2022年，边缘计算将成为所有数字业务的必要需求；40％的大型企业将在2021年的项目中纳入边缘计算原则，而2017年这一比例还不足1％。研究机构CB Insights也预测，到2022年，全球边缘计算市场规模预计将达到67.2亿美元。

“未来，边缘计算将成为不可或缺的基础设施之一。” 阿里云边缘计算技术负责人杨敬宇表示。

“云边协同”才是方向

边缘计算来势汹汹，对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。那么边缘计算是否与云计算相互独立，甚至所谓的“吞噬”和取代？业内人士对此持否定态度。对于用户来说，边缘计算与云计算并不是二选一的抉择，而是互相配合形成物联网一体化解决方案最终满足客户需求。

青云QingCloud IoT与边缘计算产品经理王小虎在接受《中国电子报》记者采访时表示，云计算与边缘计算本身都属于一种分布式计算拓扑结构，如果与云没有关系，那么这个点是孤立的，没有办法形成循环体系，有了拓扑关系，就有了中心和边缘的联系，边缘侧是实时推理的执行节点，云做为中央层面的决策层，赋予边缘自主能力，让边缘设备具有部分自主决策的智能，而这个智能也是‘中心’赋予的。

赛迪顾问大数据产业研究中心高级分析师张凡也认为，边缘计算是云计算的补充，边缘计算不应该取代云计算，两者应是互相协作的关系：边缘计算负责设备端（边缘侧）实时分析和响应，而云负责对所有汇聚的数据进行深入的处理和分析，从而提升边缘侧设备的智能化水平。

“其实，边缘计算是云计算的延伸。” 腾讯云边缘计算产品负责人戴国超向《中国电子报》记者表示。他认为一些企业尤其是硬件企业在业务场景中独立部署一套系统。这种计算模式并不是边缘计算，边缘计算事实上需要与云计算打通，二者并不是两套独立的系统，数据从边缘到云可以因需流动，有的数据需要实时分析就在边缘侧进行处理，有的数据不需要在边缘处理但需要在云上存储并分析，为决策提供支持，那么这些就可以直接流到云上。

“边缘计算目前只是实时、短周期的处理与分析本地数据，数据最终是会被丢弃，不利于最终数据累积进行大数据分析决策，云边协同能够很好的解决数据处理效率、海量数据存储、大数据分析以及数据共享等问题。”浪潮云产品总监张绪东表达了同样的观点。

据戴国超介绍，“边云协同”更重要的是提高了终端更新的效率。其实，边缘计算并不是一成不变的，当边缘计算能力需要改变或升级的时候，通过“边云协同”可以一键升级边缘计算的能力，而不用单独为边缘计算进行系统升级，当边缘侧数量庞大时，这种“边云协同”显然提升了边缘计算的灵活性，也提高了升级的效率。

边缘计算最典型的场景就是“自动驾驶”，车上的智能终端利用边缘计算及时处理大量数据来避免发生碰撞、行驶在正确的道路上，但是，当该车算法需要更新，或者需要给这俩智能汽车装上更好的模型、增加新的性能，若边缘计算是独立的割裂于云的，那就意味着服务商需要召回市场上全部的汽车一个一个地安装完善。但若边缘计算与云计算打通并协同，汽车服务商按一个按钮就可以实时更新所有车辆的整个算法。

网易杭州研究院首席解决方案专家郭立航从更宏观的角度作出了分析，他表示，从IT的视角下看，边缘计算之所以是云计算的延伸，要从编程模型、服务模型和数据几方面看。广义的边缘只强调功能，只要提供本地计算、存储即可，而IT视角下的边缘计算要求编程模型与云计算一致，这样服务可以在云上验证，动态部署到各个边缘，或者说他提供的服务是受控于云的。从数据角度看，虽然随着智能移动到边缘，数据可以在边缘快速处理了，但如需要宏观决策，关键数据还是要到云上。这就存在一个边缘与云之间数据同步的问题，宏观决策一般需要长时间沉淀的数据，边缘决策则是短时间沉淀的数据。