“可能有人會覺得這個題目有點不合時宜——在云計算如日中天的時候，去討論TA的“終結”，讓人感覺怪怪的。不過越接近云計算的人越容易發現，這兩年對云計算這種集中式數據處理模式的吐槽漸漸多起來。我們不妨隨著數據在云計算的標準路徑上走一遭，看看可能遭遇到的“槽點”有哪些。

物聯網時代，數百億級的設備正在井噴式地“生產”出海量的數據，如果這些數據全部匯聚到云端進行處理，那就會對數據傳輸的帶寬提出極高的要求。盡管5G等下一帶通信技術值得期待，但我們可以做一個簡單的類比——在北京，如果所有人的工作場所都在五環以內，那么修再多的路，都會很快被上班族的洪流擁塞掉——因此現實中，基礎設施的進步總是會滯后于需求的增長。

其次，當數據匯聚到云端之后，如此高密度的數據計算和處理對于摩爾定律和現有的計算機體系結構都是巨大的挑戰。與此同時，和高性能計算伴生的可觀的能耗，也是人們無法回避的一個問題。

數據在云端經過處理和決策，會將行動指令下發到邊緣端，但在很多追求實時性的應用場景下這樣的“響應”已經太遲了。比如當今一輛汽車上會有100個CPU，無人駕駛汽車CPU的數量可能會達到300~400個，如果關鍵的決策都需要數據在云上轉一圈才形成，后果可能不堪設想。

最后，難免會有一些“心存惡意”的數據會在網絡中游蕩，如果僅在云端設置一道網絡和數據安全的防線，這樣的防御策略顯然讓人放心不下。

圖1，經典云計算架構（圖片來源：網絡）

既然云計算不能給出一份“完美”的答卷，人們自然會去尋找新的解決方案。如今被作為云計算“顛覆者”推到前臺的就是邊緣計算。故名思議，邊緣計算就是要在網絡端點或接近網絡端點的網絡邊緣地帶去完成數據的計算和處理，經過邊緣計算預處理的數據（而非原始數據）可以有選擇地發送到云端做“深加工”，也可以根據需要在邊緣端直接形成決策和響應指令。

邊緣計算這種“去中心化”的分布式計算架構，恰恰彌補了云計算的軟肋：離數據源更近，帶寬要求不高，對基礎設施依賴度低，實時性強，還有利于在網絡邊緣上構筑第一道數據安全防線。根據IDC的預測，到2021年43%的物聯網計算將發生在邊緣。

圖2，邊緣計算架構（圖片來源：網絡）

有兩個有利的技術因素也在加速邊緣計算的發展。一是越來越強大的嵌入式處理器性能，為邊緣計算的實施提供了有力的保障。二是深度學習等人工智能技術的發展，使得我們可以對邊緣設備進行訓練，讓其具備更強的邊緣智能。

比如海康威視在2017年推出的“明眸”人臉識別系統，就采用了邊緣設計的理念，在數據源頭就近完成數據預處理、存儲和傳輸等服務，實現了更優的實時性和可靠性。同時，基于邊緣計算的“刷臉”系統，無需配套機房、帶寬成本、運維成本，因此在部署和應用成本方面遠低于云端智能識別架構。

一些非技術性的因素也在助長人們對邊緣計算的熱情。崇尚資源“集中”的云計算發展到今天，某種意義上已經成了“有錢人”的游戲，后來者想在價值鏈中占據一席之地，越來越不易。而在人們的想象中，邊緣計算的“去中心化”也有望體現在價值鏈的重構上，未來掌握了網絡邊緣就意味著掌握了新的財富入口，新的商業模式成為可能，新的機會無疑會讓人興奮。

既然邊緣計算如此“有人緣”，是否意味著從今往后云計算會被“邊緣化”呢？顯然不能草率地下此結論。實際上從數據的角度來看，邊緣計算處理的數據只是局部的數據，而云端才有機會通覽全局性的數據，形成完整的洞察，這就是所謂樹木和森林的區別。當然，在邊緣計算興起之后，云計算的角色定位會發生變化，“云”不再會去大包大攬所有的數據處理任務，而是會與邊緣計算達成一種分工默契。

業內比較中肯的預測是，未來云端會擔負更多的算法和模型的建立，然后以適當的方式推送到邊緣設備上，云將成為物聯網的教學和培訓中心，幫助邊緣設備通過機器學習等方法發展更高級的智能化技能。

有人將這種未來的計算架構與人類的神經系統做了個類比：云端作為整個物聯網的“大腦”，仍然是更高級別認知、分析和決策的中樞，而邊緣計算則像是無處不在的神經末梢，它既可以向“大腦”輸送信息，也可以根據信息做出“反射”等及時和智能化的響應。云計算和邊緣計算互為依托，才能構建起未來所需的物聯網體系。

所以回到文章的標題，“云計算是否會被顛覆”這個命題的判斷，也對也不對?！皩Α笔侵競鹘y意義上集中式云計算的發展路徑已經走到盡頭了，“不對”是說在邊緣計算潮流的推動下，云計算將以一種全新的形式存在并繼續前行。這實際上可以看成是一次云計算自我的顛覆和重生。”