对于自动驾驶汽车，必须做出闪电般快速、100%准确的决策。如果一个孩子跑过马路，汽车在刹车之前不能冒哪怕是最轻微的延误风险。 

然而云计算却是连接到集中式数据中心，在遥远的数据中心处理完数据，再将结果返回到汽车。每一毫秒都是宝贵的，这种方式显然是不可接受的。 

边缘计算就是在网络的“边缘”现场处理数据。它消除了连接到遥远数据中心的需求，因此比云计算更快。研究表明，边缘计算可以将处理速度提高30倍！ 

最关键的是边缘计算使“不可能”成为可能。如果没有边缘计算，自动驾驶汽车、物联网、AR和5G的商业化等将永远无法起步。 

不过，如果您要追求像亚马逊云计算或者一样实现10倍或20倍的收益，那么现在您应该专注于计算的下一个改朝换代的时机，那就是边缘计算。 

亚马逊云计算、Salesforce、微软 ，或者阿里云、、，包括、中国电信、，都踩到了计算发展的这个节奏，正在边缘计算领域开拓市场。 

‖别管真与假，大笔资金已经涌入边缘计算

边缘计算是计算的第四个高潮？

虽然边缘计算还不像人工智能（AI）、5G、增强现实（AR）和物联网（IoT）等技术那样的热门、流行，但是大笔资金已经涌入边缘计算，应用前景也日渐清晰。 

因为，业界坚信，在大型机、个人计算机、互联网和云计算之后，边缘计算被认为是改变IT计算产业的又一个革命，会新的万亿级企业巨头。 

全球研究公司易观梅森（Analysys Mason）的数据显示，未来三年企业IT预算的30%将用于边缘计算。 

不同的机构针对边缘计算的产业发展都从不同角度做了分析。 

Gartner的研究报告预测，到2025年，在“传统的”集中式数据中心或云存储以外处理的企业生成的数据的比例将从2018年的10％跃升至75％。 

Forrester也认为边缘云服务市场未来成长速度将达到50%以上。2020年将是“边缘计算的突破之年”，之后边缘计算可能会超越云计算。 

总之，边缘计算很容易成为我们所处的数字时代中最新的也是最好的投资机会之一。不过它不会是一个"赢家通吃"的市场。随着边缘计算的蓬勃发展，将有很多的10倍或更好成长的公司诞生。 

在边缘计算发展过程中，曾有过真假边缘计算的争议。这对边缘计算发展而言，意义其实不大。 

边缘计算是指在智能手机等设备上处理数据。与云计算不同，云计算在远程、遥远的数据中心处理数据，边缘计算使设备能够在收集数据时立即执行部分或全部数据处理。 

因为智能设备变得越来越强大，设备不再需要将每一小段数据（无论是否有用）发送到云端，可以处理更多的数据和任务。 

例如，办公室的安全摄像头在一夜之间收集的所有数据，其中绝大多数视频数据都显示了空荡荡的走廊和房间。发送所有这些数据到云上显然是浪费带宽。但是，配备AI的安全摄像头能够立即分析图像，检测到异常活动并告警，就可以快速实现安全监控功能。 

很多专家比如说，章鱼就是用“边缘计算”来解决实际问题的。作为无脊椎动物中智商最高的一种动物，章鱼拥有巨量的神经元，但有60%分布在章鱼的八条腿（腕足）上，脑部却仅有40%。也就是说章鱼是用腿来思考并就近解决问题的。 

云计算与边缘计算两者实现互补。

未来，边缘计算更胜云计算一筹吗？其实不然！ 

云计算是人和计算设备的互动，而边缘计算则属于设备与设备之间的互动，最后再间接服务于人。边缘计算可以处理大量的即时数据，而云计算最后可以访问这些即时数据的历史或者处理结果并做汇总分析。 

如果云计算是章鱼的大脑，那么边缘计算就是章鱼的触角，触角对于外界刺激的反应大都出于本能，而这些不断的刺激产生的结果最后会汇集到大脑中，进而作为触角后续的行为提供决策的依据。 

由此来看，云计算和边缘计算是一种共生和互补的关系，现在和未来都不会出现谁取代谁的问题，而是谁在哪些计算上更有优势，谁更合适哪些场景。 

‖边缘计算的轻与重，应用场景复杂多变

云计算、IOT、AI、5G等技术的发展，为边缘计算的发展插上翅膀。

在边缘计算中，你随处可以找到这些技术的影子。 

工业物联网（IIoT）的兴起导致了物联网网关的引入——一种将本地设备使用的协议转换为云协议的专用设备。IoT 网关还充当数据聚合器，将来自多个设备的遥测流组合和多路复用，并在流式传输到云之前对其进行筛选。 

最近，人工智能成为IIoT的关键组成部分。通过在边缘部署深度学习模型，组织能够实时执行推理。预测性维护——一种在实际中断之前检测设备和机械故障的方法，需要更快的周转时间。IIoT客户希望通过保持AI模型更接近充当数据来源的设备，在本地运行AI模型。 

在通过5G网络连接的电信运营商设施上运行的基础设施具有低延迟。电信营运商如中国电信、中国移动、中国联通正在转向多租户托管基础设施层，以弥合云与最终用户之间的差距。亚马逊、谷歌、IBM和微软，以及阿里云、腾讯云、华为云等云提供商正在与电信公司合作，将一些托管服务引入基于5G的边缘站点。 

边缘计算涵盖了从设备到云的整个范围，范围足够大，能够满足不同企业的发展需求。

微边缘 是边缘计算层的最新化身。当微控制器能够运行TinyML AI模型时，它就有资格成为微边缘计算设备。在此用例中，连接到微控制器的传感器生成深度学习模型，用于推理的遥测流。与微控制器收集遥测数据并引入边缘计算层的其他方案不同，这种类型的边缘在微控制器和微处理器的上下文中运行。 

迷你边缘 比如基于基于ARM64和AMD64 架构的单板计算机。它通常由AI加速器提供动力，以加快推理速度。它还能够运行成熟的操作系统，如Linux或Microsoft Windows。Mini Edge附带了与AI加速器关联的软件堆栈。这些类型的边缘设备非常适合协议转换、数据聚合和 AI 推理。 

中边缘 部署模型表示在边缘计算层运行的廉价计算机群集。计算集群由内部图形处理单元 （GPU）、现场可编程门阵列 （FPGA）、视觉处理单元 （VPU） 或专用集成电路 （ASIC） 提供支持。像 Kubernetes 这样的集群管理器用于编排集群中的工作负载和资源。 

重边缘计算设备 通常是在企业数据中心内运行的超融合基础架构（HCI）设备。它带有通常由供应商管理的一体化硬件和软件堆栈。重度边缘需要仅在企业数据中心等环境中可用的电源和网络资源。 

多接入边缘计算（MEC） 将流量和服务计算从集中式云转移到网络边缘，更靠近客户。随着5G成为现实，MEC正在成为公共云消费者和提供商之间的中介层。 

边缘云 执行CDN对静态内容所做的操作，但针对动态工作负载。它允许在多个端点之间分发应用程序的组件，以减少往返过程中涉及的延迟。 

边缘云依靠容器和微服务等现代应用程序开发范例来分配工作负载。应用程序的静态内容和无状态组件在整个全球网络中复制和缓存。边缘云提供商可能支持AI加速作为可选功能。由于它是作为托管服务提供的，因此客户不必处理硬件和软件维护。 

边缘计算和生态系统的定义正在迅速发展，以满足企业客户的需求。 

‖边缘计算市场的中国力量

中国软件网发现，在中国 边缘计算 企业中，主要 分成 五 类 ： 

一是云计算厂商。 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，自顶向下、由内而外覆盖边缘计算，而控制中心仍牢牢地掌握在中央节点里。 

典型企业包括微软、AWS、Google，以及阿里云、腾讯云、华为云等巨头。 

如华为边缘计算全方位的玩家，重边缘主要集中在覆盖5G核心网、5G基站、5G UPF边缘网元、MEC边缘MEP/MEPM 等符合ETSI规范的MEC产品。 

轻边缘领域则推出了华为AR502H等物联网关，提供SDK实现计算、存储、网络资源灵活调用。 

阿里云重边缘技术，ENS基于CDN的布局进行建设，也规划基于运营商边缘节点和网络构建。轻边缘技术OpenYurt是基于Kubernetes 实现的开源IoT设备轻边缘底座，能够和阿里云实现轻边缘的应用下沉。 

二是传统电信运营商。 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。 

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。 

运营商纷纷开始部署移动边缘计算（MEC）。中国移动已在10个省20多个地市开展多种MEC应用试点。早在2018年1月，中国移动浙江公司联合华为率先布局MEC技术，进一步推动网络实现超低时延、更佳体验，打造未来人工智能网络。 

中国电信与CDN企业合作，想要通过MEC边缘CDN的部署，作为现有集中CDN的延展，同时为多网络用户服务。 

德国电信（Deutsche Telekom）在提高自动驾驶汽车的连接性、数字化转型以及推进5G更好的网络性能方面使用边缘计算。 

三是CDN厂商。 CDN（即内容分发网络）的核心价值是将数字内容智能分发到离用户更近的节点，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，提高用户访问的响应速度。 

其与生俱来的边缘节点属性、低延时和低带宽，令其在边缘计算市场具备先发优势。 

典型的如Akamai作为全球CDN领头羊早在2003年就与IBM合作边缘计算，在其WebSphere上提供基于边缘Edge的服务。 

也已将边缘计算当成核心战略，2016年开始建设边缘计算网络，2017年逐步推出边缘计算微服务，并将逐步开放边缘IaaS和PaaS服务。 

四是芯片/终端设备企业。 边缘计算对于芯片/设备制造商来说，也是一个难得的机会。 

在通用芯片方面，ARM让Intel在低功耗市场几乎完全丧失机会，而ARM + Linux 的组合，占据了几乎整个智能硬件市场。 

由于边缘计算技术的兴起，特别是在设备侧的人脸识别、语别能力等兴起， ARM的高阶芯片开始面向市场，可以有利地支持AI的发展。 

华为海思芯片如今是视频处理行业龙头，从芯片进入到摄像头，对于硬件起家的华为而言并不难。尤其是摄像头成为了传感器后，结合云平台的能力，其发展空间及其具有想象空间。 

五是传统转型的硬件厂商。 硬件企业主要考虑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，产业蛋糕做大了，自然可以赚个盆满钵溢。 

Dell早在2016年就高调宣布进军物联网市场，而且作为Linux 基金会下的边缘计算项目发起人。linux 基金会下的开源项目Edgex Foundry致力于发展具备即插即用功能的边缘计算平台，Dell已经率先推出了基于Edgex foundry的边缘网关。 

新的Dell EMC VxRail卫星节点将公司完善的超融合基础架构（HCI）设备系列缩小到单个机架单元大小，使其能够适应各种不同的位置。 

针对边缘计算的具体场景，一些企业会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。 

终端触点提供传感器、摄像头、机器人、车载设备等。这一类包括了、、研华科技、航天电子等终端供应商，以及华为、中兴等基站提供商。 

边缘计算被称为“人工智能的最后一公里”，所具有节省带宽、减少延迟、增强安全性和隐私性等优势，正在带动一个万亿级的市场机会。 

本文来自微信公众号 ，作者：赵满满，36氪经授权发布。

本文转载自长安事，原作者刘思。原标题《视频物联网 | 边缘将吃掉云？》亿欧智慧城市对文章进行二次编辑，供读者参考

近期，阿里云、华为等企业分别召开合作伙伴大会，海康威视的 AI CLOUD 也将在月底开始。因为会议还没有开完，生态建设这个主旋律目前看不全，等到 3 月会议季结束才能写比较全面的观察，这个以后再表。从技术和产品上看，就像同行昨天写的文章一样，边缘智能逐渐成为热点和主流。这一点无论是哪一家企业，在接下来的布局上一定会投入大量精力。

在 AI 大潮下，提速增效和降低成本是各行各业纷纷投入智能化怀抱的原始动力。2017 年所提出的边缘计算应用在安防行业，也是本着降低响应时间、提高运算效率、降低网络和用户成本的使命而生。在全云时代，边缘计算一出，就出现了与云计算的对比。从开始的视而不见，慢慢演变到现在有边缘替代云的声音。昨天看到老牌的计算机技术论坛 CSDN 翻译过来的一篇文章，物联网与开源领域专家 Ian Skerrett 直言，" 边缘计算将吞掉云 "。云这个概念打出生起也就十几年，寿命如此之短就要被替代了？我们可以进行深入的思考和分析，看看这个论断是否正确。（由于熟知领域有限，本文仅从视频物联网领域分析。）

Edge Computing（边缘计算）并不是新概念，早在 2003 年 AKAMAI 就与 IBM 合作提出边缘计算，最早的目的在于网络服务和流量分发。在物联网领域的应用，是边缘计算的革命性变化。一句话概括的话，边缘计算在物联网中的应用，就是利用靠近数据源的边缘地带来完成的运算程序。

边缘计算存在于感知层和云之间

提出。同样用一句话概括，就是利用互联网实现随时、随地、按需、便捷地使用共享计算设施、存储设备、应用程序等资源的计算模式。云又分公有云和私有云。物联网时代，大数据进行抓取和信息交换衍生出处理结果并为人所用，本地存储和处理无法实现海量数据和多用户群体的数据交换、交互和使用，公有云很好的完成了这项使命。私有云更倾向于定制服务，一个用户（企业级用户起步）由于信息安全、效率保证等原因，要求定制服务且不对公共开放，是私有云最大的应用场景。

云计算和边缘计算的数据处理方式区别

从广义上看，云计算和边缘计算是从属关系。云计算包含边缘计算，边缘计算是云计算的一种形式。云计算的特点是全面、海量、集中；边缘计算的特点是灵活、快速、分散。云计算把握整体，边缘计算更专注局部。边缘计算是对云计算的一种补充和优化。二者的区别大致可分为两个方面。

1、云计算强调全局性、非实时、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势。

2、边缘计算更适用局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。

3、云计算是集中式大数据处理，边缘计算则是边缘式大数据处理。

把它放在智能化的大环境下看，可以用人体打个比方。如果把云计算比作整个计算机智能系统的大脑。那么边缘计算就是这个系统的眼睛耳朵和手脚。核心服务器让智能系统具有很强的人工智能，但是如果这个人工智能是聋子瞎子，它也发挥不了太大的作用。大数据应用中常常面对的一个痛点，就是没有采集到合适的数据。边缘计算可以为核心服务器的大数据算法提供最准确，最及时的数据来源。边缘计算和云计算的结合让整个智能系统不但头脑清楚，而且耳聪目明，手脚灵便。

如上所述，从交集关系和相互作用分析出发，我们不难看出，边缘计算与云计算需要通过紧密协同才能放大边缘计算和云计算的应用价值，更好的满足各种需求。而不是谁取代谁、谁吃掉谁的关系。

视频物联网的云计算和边缘计算

上边说了广义云计算和边缘计算的关系，具体到视频物联网，大体情况也是如此，只不过更加细化。如果 CSDN 刊发的翻译文章能够加上定语，我们认为是完全没有问题的，这个定语就是，在特定应用场景下，边缘计算将部分替换云计算。

边缘计算是服务于整个物联网行业的，视频物联网是其中的一个应用场景。而视频物联网中，又包含无数个细小的应用环境。概括来说，可以分为企业级、公共业务级和个人、中小客户业务级。

从这三个分级上看，私有云用户可以将现有应用改成边缘计算作为云端视频服务的基础。这层用户，就是上述三类分级中的企业级用户，也就是原来我们所讲的工业互联网的应用用户。现代视频应用中心，安防仅是一个小的分类，企业需要的视频技术往往涵盖了企业的生产管理、人资调度、质量管理、物流仓储管理等多元的可视化管理，其目的在于实现更高效的工业和流程自动化控制及可视化管理。这些企业级用户本身没有公有云需求，完全需要定制开发，数据为自己所用，结果为自己和自己的客户服务就足够了。这类应用场景中，对于强调全盘能力和海量数据、海量用户的云计算需求并不大，为了提效降费，也为了数据安全，完全可以采用更贴近业务端的边缘计算来满足自己和客户的需要。比如制造业、金融业、物流业等。

混合云用户和公有云用户，是离不开云计算的。我们如果把应用场景扩大到城市级管理平台，也就是物联网（或者缩小到视频物联网）的另外一个大的应用环境—智慧城市中，用户单位水乳交融，比如城管、交通、治安、医疗等等，各个部门都有视频大数据需求，每个部门也都有自己的私有云，但汇集到整个城市，在理想状态下是要进行二次的数据共享和交换、分发，从而为整个城市管理作为依据的。他们既强调边缘计算的快速响应，也需要云计算的视频大数据作为信息源来进行整体管理的规划。那就离不开云边协同，一起展开工作。

广义上视频数据的公有云用户，我们可以暂时归类为个人用户和中小企业主，他们是最底层的 SaaS 级应用客户，运用前端设备和平台进行家庭和店铺厂房布防、入侵探测、客流分析、热力分析等动作，需要提供平台的公有云 + 提供智能算法和前端边缘节点的企业为之进行服务。在雪亮工程等视频二次大联网的前提下，但凡公共区域的摄像机从理论上都是被纳入到联网范围的（当然法理和技术上还有很长的路要走），所以这类用户，短时期内是公有云用户，长期来看也可视为云 + 边的用户。

综上，云计算和边缘计算细分到视频物联网领域，更加没有谁吃掉谁的概念，而是根据不同应用场景，进行不同功能间的相互促进和补充。

从去年到今年，由安防领域向视频物联网方向转型的几家企业，尤其是海康威视和大华，一前一后，已经完成了企业结构的转型。如果 2017 年海康发布边缘计算应用在安防时看的不是很清楚，那么从他们去年年中企业架构的转型，包括大华今年年初的调整，就能看出，促成改革的是核心业务的转变。

之前作为安防企业的定位，行业内很多企业仅仅以应用事业部制进行客户归类。这次转变，从现在看是按照用户对云和智能化需求的不同进行结构改革的。大体上来说，私有云对企业业务中心，混合云对公共业务中心，公有云对个人和中小用户业务中心。

这种划分，华为早已经做出了探索。华为的企业架构大致分为几个事业部，企业网络 BG、运营商网络 BG、消费者 BG 以及服务 BG 等。如果把云和网络作为主干线，前三者就能有机的按照用户应用归类划分事业部了。而作为互联网企业，BAT 三家的云事业部，也是面向用户群体特征进行的业务拆分。

在这些企业的分类中，从设备商转型到设备 + 软件 + 服务商的企业更强调云端协同、云边协同和前端智能提高整体效率。而高举高打的互联网企业和华为这类基础架构型企业更强调生态和平台。但无论哪家，都不会扔掉云或者边而取其一，一定是协同发力，占领更全面的用户群体。

物联网每年安装数十亿台智能设备，据估计，到 2020 年将安装超过 200 亿台智能设备。设备的不断增加，处理和分析这些数据的压力不断加大，边缘计算的带来的边缘智能一定会越来越重要。而云作为基础，将在智慧城市、智能交通、智慧医疗、智慧公安等大领域，一边吸收边缘智能的成果，一边固化平台海量数据结构化的优势，互为动力，一同前进。