邊緣計算，這個概念在國內最早于2016年4月被提出。2016年年底，隨著邊緣計算聯盟的正式成立，邊緣計算這個概念開始在產業鏈里的土壤里慢慢生根發芽。經過2017年AI的蓬勃發展，邊緣計算被帶動起來，開始伸展枝椏；再加上5G的即將商用，又為邊緣計算的茁壯成長增添更多的肥料。

據統計，到2025年，AI衍生的商業價值將達到5.1萬億美元；到2035年，5G相關產品和服務將達到12.3萬億美元。而AI與5G的落地，則與邊緣計算的落地密切相關。

業內人士預判，邊緣計算有可能是繼AI之后的下一個風口。

云計算并不是萬能，邊緣計算應運而生

云計算在產業落地應用已有十余年的時間，不過，云計算并不是萬能的，近幾年開始暴露出一些弊端。邊緣計算應與云計算形成協同，更好地滿足產業的發展需求。

從概念層面來講，“云是更協同的定義，跑在天上的是云。邊緣計算是從一個端到端的架構來描述計算在哪里發生。”英特爾副總裁兼物聯網事業部中國區總經理陳偉說到。

隨著物聯網更多的智能終端出現，需要采集和運算的數據越來越大，對運算速度、網絡帶寬都提出了更高的要求。同時，隨著個人隱私等信息的不斷增多，人們對安全的需求也更為迫切，這些單靠云計算是無法滿足的。

在這樣的產業背景下，邊緣計算應運而生。

“邊緣計算與云計算，是一種互補協同的關系，而不是替代關系。” 華為網絡研發總裁劉少偉指出，邊緣計算與云計算需要通過緊密協同，才能更好的滿足各種場景的匹配，從而放大邊緣計算和云計算的應用價值。

在互補協同上，邊緣計算則是將部分數據在智能終端的本地端進行處理和存儲，一是可以減輕云端服務器的壓力；二是可以將涉及個人隱私的數據放置在本地端，大大降低了個人信息的泄露，提升了安全性。

此外，“我們對智能終端上的傳感器機制做一個研究，發現傳感數據在1秒之內可以過時，變成舊數據，傳感器采集到的信息幾百毫秒之后就變成過時的數據。把數據傳到云端服務器，分析處理完以后再回到智能終端，對于有些應用來說，沒法容忍這個等待，需要在本地端進行邊緣計算。同時，在很多應用中，邊緣計算的成本更低。因為在邊緣計算中，不需要存儲大量的數據，只需要存儲數據分析的結果或數據的含義，而不是數據本身。從這個意義上來說，現在所說的大數據，這些數據本身并沒有意義，數據的含義或者分析之后的結果才有意義。”

提到邊緣計算，順便提一下霧計算。邊緣計算概念出現之前，已有霧計算的概念。對于邊緣計算和霧計算的區別，“霧和云是更協同的定義，都是本性，跑在天上的是云，跑在地面的是霧。此外，邊緣計算的范圍更廣，延伸到通訊網絡邊緣、基站等等都是邊緣的范疇。

相比之下，霧計算關注的范疇是在傳感Sense以上的邊緣側的計算節點，比如傳感器等等這些并不在它范疇里面，相對來說在網絡基站以下、Sense之上，這之間的一些系統基礎架構，計算的一些節點的需求等等做這樣的事情。” 英特爾中國物聯網事業部首席技術官張宇指出。

AI推動邊緣計算崛起，邊緣計算將是下一個風口

據MarketsandMarkets稱，到2022年，邊緣計算市場將從2017年的14.7億美元增長到67.2億美元。華為預測，未來超過50%的數據需要在網絡邊緣側分析、處理與儲存。

“AI是當下的風口，邊緣計算是下一個風口。”高通產品市場副總裁孫剛指出，“5G和AI相輔相成，5G會使得通訊的速度更快，同時會產生更多的數據。反過來，數據是AI的基礎，更多的數據會使AI更有效。AI的技術會發展，對數據會有更多的需求，進而會促進5G的發展。AI與5G的發展，推動更多數據的計算在本地端進行，進而推動邊緣計算的發展。這些趨勢加在一起就給今后幾十年很多新的機會，這些機會足以驅動下一輪的工業革命。”

北極光創投創始人董事總經理鄧鋒指出：“人工智能正在去中心化，云與邊緣逐步分裂，針對AI的新的計算架構將會應運而生；近年來，端的數據以幾何級數增長，AI從云端遷移在許多應用場景下不可避免，端側智能將崛起；未來10年，端的數量的模式將是‘基于存儲的計算，存儲與計算合二為一’。”

鄧峰強調，AI對計算架構的影響將遠遠大于云計算對計算架構的影響，針對AI的新的計算架構會應動而生。中國在這次變革中，會盡其所能建立自己的生態體系，從而降低對國外產品的依賴。

在邊緣計算的布局上，中國可謂及時切入。最為標志性的節點是推進邊緣計算聯盟的成立和發展。邊緣計算聯盟于2016年12月30日在北京成立，由華為、中科院沈陽自動研究所、中國信息通信研究院等企業聯合發起。搭建邊緣計算產業合作平臺，推動邊緣計算相關標準的建立，進而促進邊緣計算產業健康與可持續發展。

邊緣計算聯盟副理事長劉少偉指出，邊緣計算聯盟成立一年，會員單位達到150多家，主要覆蓋工業領域的企業；今年12月份，聯盟的單位已達200多家，中國移動、中國聯動、中國電信三大運營商也加入進來，還有很多科研機構，比如中國電信北京研究院、江蘇未來網絡創新研究院、山東大學、西安交大等等，還有更多IoT領域的企業。”

據悉，今年邊緣計算的參考架構3.0已經推進，對邊緣計算的技術體系進行更加系統的歸納總結和梳理。此外，邊緣計算聯盟與國際標準組織IEEE建立合作，雙方將在相關標準、技術和產業落地等方面深入合作。

當前，邊緣計算已從概念到實踐，從星星之火到燎原之勢。

從芯片、硬件、系統等相關解決方案相繼推出

為了抓住邊緣計算這一重大機遇，從芯片、硬件、系統、解決方案等產業鏈各個環節開始布局和發力。

在芯片層面，已有半導體企業推出嵌入式FPGA—eFPGA 加速器，來助力智能終端的邊緣計算。美國半導體設計公司Achronix在Speedcore Gen4架構中，將機器學習處理器（MLP）添加到Speedcore可提供的資源邏輯庫單元模塊中。MLP模塊是一種高度靈活的計算引擎，它與存儲器緊密耦合，從而為人工智能和機器學習（AI / ML）應用提供了性能更高、功耗更低的解決方案。

“傳統云和企業數據中心計算資源和通信基礎設施無法跟上數據速率的指數級增長、快速變化的安全協議、以及許多新的網絡和連接要求。傳統的多核CPU和SoC無法在沒有輔助的情況下獨立滿足這些要求，因而它們需要硬件加速器，通常是可重新編程的硬件加速器，用來預處理和卸載計算，以便提高系統的整體計算性能。”Achronix市場營銷副總裁Steve Mentor指出。

為實現高帶寬和低延遲，英特爾的解決方案則是FPGA可編程加速卡（PAC），運營商能夠在單個服務器上以較少的CPU和RAM資源消耗來滿足5G IPSec安全需求，并實現5G核心網絡和邊緣計算應用。

此外，在邊緣計算發展中功能與處理能力的平衡關系需要把握。賽普拉斯CEO Hassane EI-Khoury指出：“一方面是邊緣計算的計算能力、處理能力，另一方面是邊緣計算的功耗。如果增加邊緣計算的能力，意味著處理器性能更強、功耗更大。為了提升處理能力，就不得不把電池更大。”

為了解決這樣一個難題，半導體企業賽普拉斯推出超低功耗可編程系統PSoC 6 MCU解決方案，通過PSoC 6可以支持性能達到M4性能的微控制器，功耗水平相當于M0級別的微控制器，一個M4級別的微控制器的性能和處理能力，用一個150MHz主頻M4的微控制器，用電池支持連續工作半年一年乃至一年半，進而消除了邊緣計算發展中面臨的很大障礙。Hassane EI-Khoury 表示，他們還將把這個邊界繼續向前推進，在降低功耗的同時在邊緣計算中實現更加復雜的應用，部署更強大的處理能力。”

邊緣計算和嵌入式人工智能，需要在有限的資源下完成越來越多的計算，如何更高效的利用邊緣側和終端側的資源，這需要對芯片、硬件和操作系統層面全面理解。“從整個系統層面進行深入的定制和優化才能實現產品化。這需要產業鏈各方共同協作，才能推動邊緣計算的發展和實現商業化落地。”智能終端平臺技術提供商中科創達董事長兼CEO趙鴻飛指出。

對此，中科創達推出 TurboX AI Kit，為開發者和制造商降低開發成本、快速驗證端側AI算法和開發場景化應用，進而快速實現原型產品設計。TurboX AI Kit凝聚端側AI商用技術，融合了硬件、軟件與云功能。為不同級別的AI開發者提供終端側人工智能高性能的計算平臺和豐富的開發工具，支持他們將日益盛行的AI技術融入邊緣及端側設備，以滿足物聯網(IoT)、機器人、工業控制、自動駕駛等領域各種不同應用的需要。

此外，作為邊緣計算聯盟早起的發起單位，華為也在kubedge、LerOS、邊緣協同開發等方面進行了布局。前幾天，華為還成立了智能計算事業部，華為的AI芯片、云服務、邊緣計算平臺等業務之間相互協同支撐，進而更好地在5G時代發力。