大量物聯網設備所產生的數據洪流加大了云端的存儲和計算壓力，因此有人提出將存儲和計算在邊緣端完成的策略，邊緣計算在兩年前應運而生，經過兩年發展目前已經在安防和工業領域初見成果，IDC預測，到2020年全球有超過50%的數據需要在邊緣處理。看到這里，可能會有人想：既然計算和存儲可以在邊緣完成，是不是就意味著邊緣計算可以替代云計算？在今年的邊緣計算產業峰會上，邊緣計算產業聯盟副理事長、華為網絡研發部總裁劉少偉表示，“過去十年，云計算正在從技術到產業生態逐步成熟，如今的邊緣計算就像幾年前的云計算，正處在一個蓬勃發展的周期中，邊云應該相互協同，而不是替代關系。比如，從下面的各層資源一直到各層數據的上面服務協同，各層協同實際配合起來才能組建好的方案。”邊云協同是物聯網的未來大趨勢。

在本次峰會上，邊緣計算聯盟與工業互聯網產業聯盟（AII）一起發布了《邊緣計算與云計算協同白皮書》，介紹了邊云協同的總體內涵和參考框架，以及物聯網、工業、智慧家庭、廣域接入網絡、邊緣云和MEC邊云協同的主場景，闡明了邊云協同會放大邊緣計算與云計算的價值。劉少偉介紹，“去年新加入的會員有40多個，現在聯盟會員已經超過200家，包括中國移動、中國電信北京研究院、江蘇未來網絡創新研究院、山東大學、西安交大等研究所和大學；新技術合作伙伴有海力士、天合光能等；總體來看，聯盟成員組成比較健康，既有來自于OT的研究機構，也有ICT企業。如今在四個行業發布了30多個測試床，新增9個，包括邊緣智能、邊云協同和邊緣安全創新等領域。”

邊緣計算尚在探索階段，需要聯盟成員共同推進

雖然才提出兩年，邊緣計算在一些熱門行業已經頗具發展前景，但是業界認為目前還處于發展初期。英特爾中國物聯網事業部首席技術官張宇的解釋是，“一方面，用戶對于怎么使用邊緣計算，在哪些場景使用邊緣計算，邊緣計算能夠帶來什么樣的價值，還沒有想清楚，因為有些應用需要供需雙方共同努力挖掘出來。對英特爾來說，我們是技術提供者，我們通過ECC平臺與產業鏈各個環節的合作伙伴一起，包括最終的使用者一起來發掘需求，共同做解決方案，促進好的使用模式更快落地；另一方面，邊緣計算在理論方面、算法方面還處于不斷探索階段。像Movidius這樣的技術成熟以后，整個大數據才真正被用起來，邊緣計算也類似。ECC聯盟一直在進行探索，今天頒布的《邊緣計算參考架構3.0》和《邊緣計算與云計算協同白皮書》就是對探索初步成果的總結。”

談到邊緣計算的推進，產業屆上下游一定會討論邊緣計算會在哪些行業率先落地？其實邊緣計算是一個數據爆發的過程，數據爆發以后，從存儲、計算，到傳輸本身都會產生成本，英特爾副總裁兼物聯網事業部中國區總經理陳偉表示，“這要看數據本身的負載，對于視頻技術應用，如：視頻監控、零售業的人臉識別、智能制造、智慧城市等這些應用場景，當有大量的數據需要存儲和分析時，這些行業會先落地，盡管是一個垂直行業的表象，但是真正是看數據的負載形態。視覺應用是跨行業的，看似是不同的行業，但真正從技術來看都是視覺技術。人工智能作為解決數據爆發的工具，會在數據里面挖掘價值，它越靠近數據越能夠建模，做到訓練，才能夠使得人工智能這個推理作為一個手段能夠得到盡早的完善，同時加速整個行業的落地。”

工業邊緣計算平臺表面缺陷檢測

邊云協同：云端訓練，邊緣推理

既然在云端和邊緣端分別完成不同數據處理，那么如何劃分邊緣和云端的處理職能？筆者其實清楚這個問題回答起來挺難，但是還是忍不住拋給了英特爾的專家。張宇博士通過人臉識別的例子來做了解釋，“現在人臉識別用得最多的是基于深度學習和人工智能的技術，這些技術大概分為兩階段：第一是訓練階段，第二是推理階段。在訓練的階段要使用大量的樣本，通過反復迭代來最終做出人臉處理的模型。從目前的技術實現來看，訓練階段目前絕大部分還是發生在云端，因為在這一過程計算量比較大；另外，訓練和推理有很大的區別，訓練是一個反饋的過程，有一個反向的處理優化的過程，而推理往往是前向的，一條路處理完就結束了，它們的處理復雜度不一樣。目前在云端做更多的訓練，在邊緣側做很多推理工作，然后利用訓練的結果，把訓練完以后的模型下載到邊緣側進行推理，這是目前已經實現的做法。”

關于未來的發展，張宇博士表示，“我們能夠預見，在今后隨著計算機計算能力的不斷增強，一部分的訓練工作有可能從云端推送到前端，也就是對于某些已經第一步訓練完以后的網絡，可能還需要重新優化的過程，這個優化很可能在邊緣側發生。比如我們做語音識別時，可能第一步先做針對普通話訓練的語音識別，建立一個模型，當我們把這個模型用在山西或者云南，這些地方存在口音和方言，因此在這些地域應用，需要對模型進行優化，這里的優化工作很可能在邊緣實現，只要算力足夠強，根據新的動態樣本，對第一階段所生成的模型做動態的優化，把這個結果用在特定的地域進行使用，效果會更好。所以類似這樣的動態訓練，我們認為在今后隨著算力的逐漸增強會發生。”

邊緣智能控制器

聯盟為成員帶來更多合作機會

邊緣計算產業呈現應用廣且碎片化的發展態勢，因此未來邊緣計算不是一家公司或者幾家公司就能實現的一項技術，而需要建立一個生態系統，讓產業鏈上下游的合作伙伴共同建設。雖然在討論邊緣計算時，大家提到了很多不同的技術，但是大家對于分布式計算和邊緣計算的理解卻是驚人的一致。

過去的計算跟隨數據移動，數據在云端，計算就發生在云端；如果今天數據因為網絡限制或者實時性需求，必須要在終端處理，從架構來看，邊云協同就非常重要。如果每次從云計算切換到邊緣計算都需要改變架構，而且所有算法、操作系統都不同，運算會非常緩慢，過程會非常痛苦，因此我們不僅需要邊緣智能，還需要邊云協同。張宇博士指出，“這個協同的分量從量來講，協同是一個定性的定義，但是從量來講，會隨著網絡帶寬的成本和帶寬4G到5G作為很動態的變化，而且最終會因為實時性需求和整個成本的考量，將來可能是端到端的軟件定義的系統。作為英特爾來講，如果我們芯片又能夠支撐邊緣計算，又能夠輔助于云端的計算，那邊云協同一定是我們公司能夠提供的優勢。中國移動加入以后，提到serverless，其實不是不用服務器，大家認為服務器是支撐數據中心的，實際上對我們來講是同一個芯片，這個芯片可能就待在酒店里，因為它的網關里面就用了很高端的芯片，把所有電梯、門窗或者監控系統都能夠整合到在酒店局部的操作服務器的架構里面。邊云協同是能夠促使邊緣計算行業快速發展的一個主要因素之一。”

在邊緣計算產業聯盟里，成員彼此互相帶來價值，進行合作。從物聯網來看，產業鏈很長，每一個公司只是整個產業鏈的一個環節。產業聯盟給成員帶來價值就是合作機會。在邊緣計算產業聯盟主持測試床的工作中，三年來總共批準了30個測試床，今年新批了9個測試床，其中絕大部分測試床都不是由一家單位獨立完成，而是由幾家甚至更多的單位合作完成，每個單位在整個測試床只是提供一部分功能，有人提供硬件，有人提供軟件，有人提供底層軟件，有人提供算法，通過這樣的測試床，通過聯盟的平臺，成員間有了更多合作的機會，通過這樣的合作，使一些針對某些行業的邊緣計算解決方案能夠更快的落地。

“物聯網一定會從互聯走向智能，再從智能走向自主。”張宇博士認為，這就是物聯網發展的“摩爾定律”。