如何看待边缘计算？

　　：小娃童鞋你了解边缘计算吗？
　　：这个问题嘛，我们接下来慢慢聊
　　首先：边缘计算是什么？
　　这个问题其实还是比较复杂的，这里简单分享下：
　　边缘计算可以理解为是指利用靠近数据源的边缘地带来完成的运算程序。
　　如果用更通用的术语来表示即：邻近计算或者接近计算(Proximity Computing)那么，边缘计算和云计算之间的区别是什么？
　　其实如果说云计算是集中式大数据处理，边缘计算则可以理解为边缘式大数据处理。
　　但不同的是，只是这一次，数据不用再传到遥远的云端，在边缘侧就能解决。
　　边缘计算更适合实时的数据分析和智能化处理，相较单纯的云计算也更加高效而且安全！
　　边缘计算和云计算两者实际上都是处理大数据的计算运行的一种方式。
　　边缘计算更准确的说应该是对云计算的一种补充和优化！
　　简而言之即：云计算把握整体，边缘计算更专注局部 对啦，边缘计算有哪些特点呢？
　　边缘计算而言有以下几个特质
　　分布式和低延时计算
　　边缘计算聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行
　　效率更高
　　由于边缘计算距离用户更近，在边缘节点处实现了对数据的过滤和分析，因此效率更高
　　更加智能化
　　AI+边缘计算的组合出击让边缘计算不止于计算，更多了一份智能化
　　更加节能
　　云计算和边缘计算结合，成本只有单独使用云计算的39%
　　缓解流量压力
　　在进行云端传输时通过边缘节点进行一部分简单数据处理，进而能够设备响应时间，减少从设备到云端的数据流量边缘计算能用在什么地方呢？
　　实际上，边缘计算可以用在很多场景中
　　比较典型的场景包括 CDN、车联网（物联网）、智能安防以及2018开年火爆的区块链，此类场景对于近场计算有着极强的需求
　　现阶段亚马逊、微软、英特尔等等都已经着手布局边缘计算
　　可以预见的是，边缘计算不边缘的时代已经到来！
　　说到这里，现在你多少了解了点边缘计算了吧！
　　最后，还有一个很重要概念没说呢
　　MEC
　　即移动边缘计算，近年通信信息领域的新名词，指在接近智能手机或者移动终端的地方提供云计算能力
　　即将计算能力下沉到分布式基站，在无线网络侧增加计算、存储、处理等功能，将传统的无线基站升级为智能化基站
　　3G、4G的时代：
　　智能终端技术促进了传统PC互联网同移动网络的深度融合，创造了全新的生态。
　　5G时代：
　　MEC技术将推动传统集中式数据中心里的云计算平台与移动网络的融合，带来新的变革和颠覆。
　　5G时代而言，边缘计算的机会将会更大
　　移动边缘计算把网络业务＂下沉＂到无线接入网里，因此具备三大优点
　　更低延时
　　有效抑制了网络拥塞更多的网络信息及网络控制功能可以开放给开发者
　　边缘计算是一种分散式运算的架构，它将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘计算能够将处理和数据保留放置在更接近目标系统的系统上，该系统正在为其收集数据以及提供自主处理。
　　据国际数据公司IDC预测，到2021年，全球云计算市场的规模将达到5650亿美元，这其中约有20%为边缘云，市场规模可达到1130亿美元。正是由于边缘计算独特的优势，使得业内各大巨头如AWS、思科、华为、IBM、英特尔等不断发力此领域。
　　之所以业内出现替代云计算的说法，其追根其源还是边缘计算独特的架构优势，无需将所有数据传输到后端系统（通常在云端）进行处理，它的目标是快速地处理接近设备的数据，这减少了延迟并且还可以提供更好的安全性和可靠性。
　　不过边缘计算系统并不孤立。实际上，它们与后端系统一起工作以收集主数据并提供更深入的处理，这就是边缘计算和云计算提供单一共生解决方案的方式，绝不会出相相互排斥现象。
　　两者是两个截然不同的架构。围绕边缘计算笔者总结了几个要点，使企业能够更好的利用平台；
　　一、 如果允许，边缘计算应运行与云中相同的全部或部分代码树，这意味着如果用户要更新基于边缘的软件，则需要同时更新基于云的软件。因此，用户需要在云端和边缘使用相同的操作系统、处理器等。此外，用户须了解在边缘平台或云端运行的位置。
　　二、 对于边缘和集中式云平台，安全性必须是系统性的。如果可能的话，用户用于基于云的系统的安全系统需要延伸到边缘。与云和每个边缘计算系统的一次性安全操作相比，处理常见安全服务要容易的多。
　　三、 正如安全需要系统化一样，管理和监控也是如此。用户会发现边缘计算系统经常出现故障，通常是由于硬件和软件故障，而不是在云上。这是因为它们主要是在不受控制的环境中工作的物联网设备。下行计算设备需要重新启动、设计或快速更换。因此，监控软件应尽快提供警报，并告知基于云的软件设备不会接收数据。
　　未来，边缘计算的发展会更加快速，应用也不仅仅局限于物联网领域。目前国内外各大巨头、初创企业等都处于试水状态，缺少行业应用和重点场景的实践，无论是互联网还是物联网都离不开边缘计算。无可否认，边缘计算是继云计算之后，又一轮技术升级的战略通道。
　　本答案来自科技行者团队刘小新！
　　边缘计算对机器学习和培训很重要。迄今为止，人工智能的使用最经常集中在云上，因为典型的计算能力不仅仅是训练而且执行模型。然而，出于效率和差异化的原因（对设备制造商而言），将AI推向网络边缘存在一个主要趋势。为了理解这一趋势，我们必须深入研究当前的人工智能发展。机器学习，特别是深度神经网络（DNN）有两个发展阶段：
　　·      模型训练：使用训练数据对模型进行改进（训练），以帮助他们执行特定的任务，如图像和语音识别或导航，这可能需要大量时间和计算资源。
　　·      推断：一旦模型得到训练，就可以提供新的例子和情况来提供输出，例如，模型尚未看到的照片，新的语音内容或机器人尚未遇到的新物理环境。该模型然后以分类或预测的形式提供输出，推断所需的资源取决于正在运行的模型。
　　随着边缘设备数量的增加，尤其是物联网（IoT）增长的推动，AI的边缘需要不同的分布式方法和新的推理能力。学习将是分层次的，从基于原始数据的处理和机器学习开始，接近实时，最后以过滤和预处理数据为中心处理结束。
　　谷歌已经将其DNN的几个级别转移到语音到文本的设备中，从而减少了服务器上的处理负载。谷歌将一些人工智能功能转移到边缘的决定也源于控制接口（如转向或语音通信）的延迟极大地影响了用户体验，而云无法保证实时，流畅的交互。 AI的分散化也降低了单点故障导致整个系统崩溃的风险。避免全面崩溃的能力对于像AI这样的发展中的不成熟技术至关重要。
　　顺便说一句，如果你想知道更多硅谷或者美国科技的前沿信息，可以关注微信号＂硅发布＂。
　　边缘计算与云密切相关。边缘计算的概念与崛起是因为5g。
　　时间回到2019年。正是5g应用前夜。
　　2019，11月28日。华为在2019边缘计算产业峰会（ECIS2019，Edge Computing Industrial Summit）正式发布满足ECII（Edge Computing IT Infrastructure）标准的TaiShan边缘服务器。
　　边缘计算的概念目的，就是打造低时延，可以处理一些轻量任务。
　　边缘计算是分布式计算的分支。两者侧重点不一样。一个是边缘，目的是降低时延。一个是计算，分布开增加可靠。
　　所以，明白这点就知道了了。边缘计算应用场景就是一片片区域内要时延低，高可靠的特点。
　　而行业设备提供商，给的方案就是与5g的urllc场景相结合。打造工业级物联网互联网络。
　　与传统的物联网相比。在确性性时延与连续性、链接数量上和可靠性上有质的提升。
　　而且，后者量产后，其通用性高达99.99%。
　　意味着可以靠规模来降低成本。不需要定制。
　　所以，很明显。边缘计算与5g与云计算结合。将能广泛应用于工业互联网，城市基础设施互联网，交通工具互联网。
　　实现了，毫秒级控制，大带宽通信与全局性统计规划。
　　从而出现了现在最火的，无人智慧工厂。
　　当然，如果大家想象的就是将传统工厂设备上网，这种简单的上线。那当然觉得没卵用。
　　我举个例子。工厂里面只有组装机器人，运输机器人，与一大堆产线零配件。这些机器人会组装产线还会会试产，会量产。
　　那么所有定制化的订单，都可以全自动去生产。而且是比传统定制降低了很多成本。
　　未来的世界，必定是定制化才是主流。
　　如果像杯子图案的定制化，那当然没卵用。
　　复杂到手机设备上呢？
　　当然，人也能做。但效率成本呢？
　　所以明白了，高度复杂定制工厂。就是科幻片上的工厂。
　　而这一切，用传统物联网根本做不来。
　　你可以说，边缘计算+5g+云计算没用。但你不能否认，传统物联网+4g+云计算是做不到的。
　　当然事物的发展不会一下只到位。
　　达到这地步的，没个十几年是做不到的。
　　谈完工厂，谈交通。
　　交通是城市的重要基础设施。
　　要达到科幻片上的，全局智慧规划+自动驾驶。要满足路、车、云。
　　路不说了，车也不说了。说说云。
　　云当然是边缘计算+云计算了。
　　一个主实时，一个主全局规划。
　　举个例子吧。深圳汽车保有量超过了350万辆。还没算其它车。
　　如果全市有350w辆车在同时开动，这车都是L4级自动驾驶车。对云计算来说，就是要计算各车出行的方向速度。影响因素当然就是路口碰面了。如果不取消红绿灯，要这么先进的技术干嘛？
　　那知道，这计算量有多大吗？
　　要知道，有些车会随时加进去。一下只又影响了。都达到这么牛逼了。你不会都限速60吧！肯定是不限速了。
　　先不说计算力够不够，等你计算规划出来，传指令过来，车都撞上了。
　　所以，我们必须要切割开来。一个市，一个区，一条街道，一段路。边缘计算的用处就出来了。几段路组成一条街道，几条街道组成一个区，几个区组成一个市。几个市组成一片区域网，几片区域内组成省级网……。
　　如果说智慧工厂用不上边缘计算，那么对智慧交通来说，边缘计算就是必不可少的。
　　其它应用场景就不说了。
　　现在科技进步，都是越来越高度协作化。甚至跨学科跨行业组合。
　　但本质还是在改进。
　　社会发展那么多年了，各行业都很完善。效率都比较高了。别动不动就是颠覆。要颠覆，效率起码要高300%，才叫颠覆。
　　当然，我不否认未来这三者给工厂，给出行带来超过300%的提升。但毕竟是一步一步去改进的。不是一下只提升到300%的。
　　可以看看我写的对自动驾驶的思考。
　　之所以没有写工厂，是因为了解得少。
　　对我们来说，探索工厂的形态变化，直接影响我们的国力。我们是工业国，只能是先驱者。当然，肯定有人说德国，特别是德国说的工业4.0。
　　德国靠不住，也不能可靠得住。中国市场才是最大的孵化基地。
　　当然，这也是国家级战略。在145中规划的新基建，就是在改善社会从传统转变智能。
　　特别是智慧工厂的建设演变，商业模式，皆是重点考察的地方。
　　可以关注中部的情况。