谷歌、亚马逊、阿里纷纷入局，边缘计算的潜力如何？

微软在 2018 年 Build 大会上将边缘计算作为一个重中之重，我曾在 5 月的会员通讯里作出过分析：

• ……微软的野心是希望通过构建一个「云—端」的协同产品通道，将人工智能的各项能力输出到各个产品中，比如今年的主旨就是边缘计算。
• 为此，微软在边缘计算领域持续发力。开源了 Azure IoT Edge Runtime，这是一个连接云和物联网设备的开发框架。开发者通过这个框架可以直接在设备端开发拥有机器学习能力的应用，比如第一批合作伙伴里的大疆，就利用这个框架实现无人机本地的图像识别功能。
• 同时，微软还将高通拉入自己的阵营，合作的主旨也是视觉领域的边缘计算，快速构建移动终端设备上的图像处理能力……

Google 则在今年 Google Cloud Next 大会期间发布了两个产品：云端芯片 Edge TPU(硬件)和软件工具 Cloud IoT Edge(软件)。Google Cloud 官方这样介绍两个产品：

• Cloud IoT Edge extends Google Cloud’s powerful data processing and machine learning to billions of edge devices, such as robotic arms, wind turbines, and oil rigs, so they can act on the data from their sensors in real time and predict outcomes locally……

除此之外，还有很多科技巨头加入到边缘计算的赛场。比如惠普企业(Hewlett Packard Enterprise)就表示将在未来四年投资 40 亿美元用于边缘计算。惠普企业的边缘计算产品名叫「Edgeline Converged Edge Systems」，其主要客户群体是工业领域，比如油田、煤矿等，这些特定行业的工作环境里，无法满足云端数据的处理条件，因此边缘计算就成为一个重要需求。

今年 4 月的云栖大会深圳峰会上，阿里云掌舵者胡晓明代表阿里巴巴宣布进军物联网，并将物联网作为电商、金融、物流、云计算之后的「新赛道」。

战略层面，胡晓明提了一个「小目标」，阿里云计划在未来 5 年内连接 100 亿台设备。而在战术上，阿里希望「打通云、边、端，整合包括物联网操作系统 AliOS Things、IoT 边缘计算产品、通用物联网平台，实现物的实时决策和自主协作。」

不过，阿里巴巴在国内将面临华为的巨大压力，在阿里巴巴发布物联网计划之后，华为的发布了一个意味深长的图片。

边缘计算的应用场景

微软 CTO Kevin Scott 曾坦言，边缘计算还处在相对早期阶段。但透过这段时间内的场景落地状况，我们也可能窥见边缘计算的潜力。

如上文所言，自动驾驶成为边缘计算领域重要的行业应用，下图是英特尔对于自动驾驶汽车上的「数据洪流」的描述。

不过，当下自动驾驶也处在早期阶段，车联网或者联网汽车则是汽车领域可以马上落地的场景。

在国内，不管是阿里旗下的斑马网络还是百度的小度车载，都在将汽车变成一种「移动的数据中心」，只是相对于自动驾驶，联网汽车的数据量和处理要求要简单很多。即便如此，由于汽车的数据处理不能出现任何的卡顿和延迟，这也就需要在汽车里部署数据处理能力。

另一个应用场景则是医疗。前几年风靡一时的所谓智能手环，本质上就是一个数据采集器，但是由于需要和云端服务器进行数据交换，使得整个手环的「智商」几乎为零。

随着苹果发布 Apple Watch 所带来的新穿戴设备潮流，这些边缘设备也终于开始拥有了自己的芯片，并能实现一些简单的计算。医生也可以通过这些计算结果作出一些简单诊断。

更进一步，在美国，医疗领域的本地数据非常多样化，比如医院的病床可以和 20 多个设备连接，这些数据被收集、清洗、挖掘之后，可以帮助医生更好地了解病人的身体状况。

工业领域，边缘计算也正在发挥越来越重要的作用。从工业发展的方向来看，数据将成为驱动生产制造的重要生产资料，那么如何处理这些海量、实时产生的数据就成为企业能否快速发展的重要课题。

以流程型生产为例，一条生产线其实就是数据流动的通道，产品从上一名工人传递到下一个工人，同时伴随着产品数据的传递。在这个过程中，如果由于某一名工人错误操作的导致了数据异常，在下一名工人开始操作时，基于边缘计算的生产线可以做出预警提示。如果再进一步，当机器学习能力被边缘计算融入到生产线的时候，工人的不合规操作可以被实时监测出来并预警，这对提升产品的良品率意义重大。

尾巴：边缘计算不是云计算的替代品

前面谈了这么多边缘计算的优势和应用场景，并不是要证明边缘计算可以替代云计算，两者没有谁好谁坏，更应该具体到不同设备、不同应用以及不同场景里，看看到底谁更合适。

两年前，利用基于云端的卷积神经网络算法，一款名叫「Prisma」迅速窜红，用户只要将自己拍摄的照片交给这个 App，就会得到一张可媲美历史名画的「艺术照片」。这款应用虽然得到全球用户的青睐，但是由于该应用的处理流程，要求每张图片都要上传到云端服务器，通过云端的卷积神经网络算法来处理这些照片，因此用户体验非常差。

这便是一个典型需要边缘计算的场景，而当 2017 年，包括华为、苹果都在新一代智能手机芯片中加入 NPU(神经网络处理单元)之后，也赋予了智能手机全新的边缘计算处理能力，华为 P20 Pro 的逆天夜拍效果，除了硬件堆积之外，处理器的 NPU 也发挥了不小的作用，去年苹果推动的 AR 应用(游戏)开发热潮，其底层的技术支撑就是 iPhone 拥有了可以在边缘处理实时、海量数据的能力。

（编辑：淮北站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!