“计算正从中央走向边缘”、“计算边缘化”……近日来，在大大小小各类有关人工智能的论坛或峰会上，我们或多或少的听见以上言论，其中的关键点只有一个——边缘计算。围绕这个问题，看看这些从业者们给出的解答。

　　边缘计算，一个不是那么“新”的词汇

　　关于“边缘计算”的热议是近一两年才慢慢开始的，但它并不是一个“新词汇”。早在2003年的时候，IBM就曾与CDN服务商AKAMAI合作过“边缘计算”。

　　根据维基百科的解释，“边缘计算”是一种分散式计算的架构，将应用程序、数据资料与服务的计算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘计算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据。

　　与集中化处理数据的云计算不同，边缘计算讲究的是分布式管理。以往，因为超大规模、高可扩展性、通用性等因素，云计算受到热捧，人们也总是强调要“上云”，将数据的计算、存储等全部搬到云上。相比之下，边缘计算强调的是一种“下沉”，离终端设备更近一点的地方。

　　更为通俗地说，“云计算”是高高在上的。当设备端完成数据采集和指令接收，它们需要通过网络走上云端，后者会基于此作出判断，继而将结果再通过网络“告知”设备端。

　　相比之下，“边缘计算”则更为接地气。基于边缘计算，设备端不需再将数据等上传至云端，将“计算”本地化，省去以往繁琐的过程。

　　边缘计算，云计算之后的“新晋网红”

　　在最早的时候，边缘计算的出现就是为了弥补云计算的一些不足，因为后者已经不能满足更多智能需求。具体说来：

　　1、海量数据汹涌来袭，但云计算却被“带宽”捆住手脚。如今，越来越多的设备被接入互联网，产生的数量、体量是以往的多倍。原本，这些数据的计算和存储均交由云端处理，即云计算。不过，随着数据的增多，带宽不够的传输通道开始出现“堵车”现象。

　　这就如同“多米诺牌效应”——因为带宽受限，数据传输、分析处理、指令反馈等一系列流程都变得缓慢，最终结果就是时间线被拉长，造成高延迟现象。

　　2、网络传输依赖性大，隐私安全令人担忧。基于云计算，我们需要把原始数据上传至云端进行处理，然后反馈给设备端，这一过程的实现，需要依赖网络。过程中，一旦有黑客拦截，用户安全隐私的保护就成了一个大问题。另外，若是遇到断网等情况，即使强大如云计算，太过依赖网络传输的它也将面临“巧妇难为无米之炊”的窘境。

　　此外，云计算还面临功耗大等更多问题。智能时代渐趋渐近，云计算也不再万能，需要有新技术来弥补缺口。

　　此时，边缘计算本地化、边缘化的特性恰恰弥补了这些短板。

　　以智能家居场景为例。基于边缘计算，当用户发出指令，相关原始数据不必再上传云端进行处理，具备计算能力的设备端完全能够自行处理，并实时反馈。简单来说，云计算处理的是那些非实时、长周期数据的大数据分析，而边缘计算更适合本地业务的数据实时处理与执行。

　　值得注意的是，边缘计算出现之后，诸如网关、自动驾驶汽车、机器人等边缘节点能够在本地实时采集和处理数据，并针对指令给出反馈，这是不是就可以看作是终端计算?

　　其实不然，“终端计算”意味着终端要自己负责所有的计算，就像云计算出现之前的计算机，不管是数据的采集、计算、输出和存储，均由计算机在本地设备内一手操作。

　　边缘计算，不会取代也离不开云计算

　　虽然在某些场景下，边缘计算本身是独立的、不需要云计算介入的。但是，从整体来看，它并不能代替云计算，也离不开云计算。

　　未来，边缘计算将与云计算形成一种互补、协同的关系，届时，边缘计算将主要负责那些实时、短周期数据的处理，负责本地业务的实时处理与执行，而云计算将负责非实时、长周期数据的处理。简单来说，边缘计算将注重局部，而云计算关注整体。