什么是邊緣計算?我們先說點其他的，比如人……

我們首先在大腦里勾畫一張圖，就是一張人類大腦神經網絡圖，如果你還想不到，那直接看下圖：

把云計算看作是大腦，那么邊緣計算就像是大腦輸出的神經觸角，這些觸角連接到各個終端運行各種動作。

如果還覺得抽象，那我們再打個不太精準的比方吧。

現在請想象出一只章魚，就是可以當刺身來吃的那種八爪魚。

或者這樣可愛一點的：

作為自然界中智商最高的無脊椎動物，章魚能夠擁有”概念思維”能力與他兩個強大的記憶系統分不開。一個是大腦記憶系統，具有5億個神經元；另一個是八個爪子上的吸盤，也就是說，章魚的八條腿可以思考并解決問題。腦子真是個好東西，章魚有好幾個！

我們可以做這樣一個類比：云計算看得見摸不著，像章魚的大腦；邊緣計算就類似于那些觸手，一個觸手就是一個小型的機房，靠近具體的實物。

簡單來說，云計算把握整體，而邊緣計算更專注于局部，更靠近設備端，更靠近用戶。因此，邊緣計算的優勢顯而易見：

01

近水樓臺先得月

邊緣計算分布式以及靠近設備端的特性注定它實時處理的優勢，所以它能夠更好的支撐本地業務實時處理與執行。

02

簡單不粗暴效率高

邊緣計算直接對終端設備的數據進行過濾和分析，節能省時效率還高。

03

省心省力省流量

邊緣計算減緩數據爆炸和網絡流量的壓力，用過邊緣節點進行數據處理，減少從設備到云端的數據流量。

04

智能更節能

AI+邊緣計算的組合不止是計算，其智能化特點更為明顯，另外云計算+邊緣計算組合出擊，成本只有單獨使用云計算的39%。

但是，雖然今后會將越來越多的基礎任務交給邊緣計算來完成，但是這只能代表邊緣所在的裝置設備會越來越靈敏，不能直接說這些任務和云計算毫無關系，他們是一種讓彼此更完美的存在。

邊緣計算和云計算互相協同，彼此優化補充，共同使行業數字化轉型。云計算是一個統籌者，它負責長周期數據的大數據分析，能夠在周期性維護、業務決策等領域運行。邊緣計算著眼于實時、短周期數據的分析，更好地支撐本地業務的及時處理執行。邊緣計算靠近設備端，也為云端數據采集做出貢獻，支撐云端應用的大數據分析，云計算也通過大數據分析輸出業務規則下發到邊緣處，以便執行和優化處理。

所以不管是云計算還是邊緣計算，不存在一方完全取代另一方的狀況，只是在各個擅長的領域各司其職，物盡其用。

所謂萬物互聯，以時間為橫坐標延伸，最大的網絡就是物聯網。而邊緣計算就是靠近物聯網邊緣的計算、處理、優化和存儲過程。基于物聯網的發展，邊緣計算的應用也十分廣泛，從智慧城市、智慧家居、智慧醫院、在線直播，到智能泊車、自動駕駛、無人機、智能制造等各方面都有它的身影，制霸物聯網的時刻指日可待。

當然，基于邊緣計算的關鍵性，許多行業大佬們都爭相入局：

阿里云邊緣計算產品Link Edge已經問世。通過這款產品，開發者能夠將阿里云的邊緣計算能力部署在各種智能設備和計算節點上，比如車載中控、工業流水線控制臺、路由器等；英特爾目前已經在工業領域、零售領域做出了更有計算能力的管理平臺，來適應更復雜的自動化的場景。可以看出英特爾也在努力順應物聯網、邊緣計算等新興技術趨勢。

當然萬物都有雙面性，邊緣計算的發展也存在不小的挑戰性：

? 跨界協作的挑戰

制造、能源、公共事業等行業要實現智能化，需要整合機械、電子、ICT等跨行業技術，邊緣計算首先要實現OT和IT領域的深度協作，并將行業專有技術與知識與ICT數字化技術相結合。

? 技術碎片化挑戰

邊緣側技術體系的每個領域都有大量的技術選擇：目前業界有超過6種以上的工業實時以太技術，超過40種工業總線，還有多種公私有云平臺。技術碎片化給系統間的互聯互通、數據價值的挖掘帶來的巨大的挑戰和成本。

? 技術不確定性挑戰

人工智能、區塊鏈等新技術在行業應用還是早期探索階段，存在不確定性風險。這些技術的早期應用者希望降低技術投資風險，獲得技術應用的商業回報。

不過，按照IDC的統計數據，到2020年將有超過500億的終端與設備聯網，未來超過50%的數據需要在網絡邊緣側分析、處理與儲存，邊緣計算所面對的市場規模非常巨大。

物聯網的存在就是不斷創造新的生態，在未來兩個毫無關系的人可以通過各種方式連接，由此看來，邊緣計算將是一個很大的產業和生態，腦洞已開，就等你來！