大量物聯(lián)網(wǎng)設(shè)備所產(chǎn)生的數(shù)據(jù)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(yīng)運而生，經(jīng)過兩年發(fā)展目前已經(jīng)在安防和工業(yè)領(lǐng)域初見成果，IDC預(yù)測，到2020年全球有超過50%的數(shù)據(jù)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(chǎn)業(yè)峰會上，邊緣計算產(chǎn)業(yè)聯(lián)盟副理事長、華為網(wǎng)絡(luò)研發(fā)部總裁劉少偉表示，“過去十年，云計算正在從技術(shù)到產(chǎn)業(yè)生態(tài)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(fā)展的周期中，邊云應(yīng)該相互協(xié)同，而不是替代關(guān)系。比如，從下面的各層資源一直到各層數(shù)據(jù)的上面服務(wù)協(xié)同，各層協(xié)同實際配合起來才能組建好的方案?！边呍茀f(xié)同是物聯(lián)網(wǎng)的未來大趨勢。

在本次峰會上，邊緣計算聯(lián)盟與工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）一起發(fā)布了《邊緣計算與云計算協(xié)同白皮書》，介紹了邊云協(xié)同的總體內(nèi)涵和參考框架，以及物聯(lián)網(wǎng)、工業(yè)、智慧家庭、廣域接入網(wǎng)絡(luò)、邊緣云和MEC邊云協(xié)同的主場景，闡明了邊云協(xié)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(xiàn)在聯(lián)盟會員已經(jīng)超過200家，包括中國移動、中國電信北京研究院、江蘇未來網(wǎng)絡(luò)創(chuàng)新研究院、山東大學、西安交大等研究所和大學；新技術(shù)合作伙伴有海力士、天合光能等；總體來看，聯(lián)盟成員組成比較健康，既有來自于OT的研究機構(gòu)，也有ICT企業(yè)。如今在四個行業(yè)發(fā)布了30多個測試床，新增9個，包括邊緣智能、邊云協(xié)同和邊緣安全創(chuàng)新等領(lǐng)域?！?/p>

邊緣計算尚在探索階段，需要聯(lián)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(yè)已經(jīng)頗具發(fā)展前景，但是業(yè)界認為目前還處于發(fā)展初期。英特爾中國物聯(lián)網(wǎng)事業(yè)部首席技術(shù)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(yīng)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(shù)提供者，我們通過ECC平臺與產(chǎn)業(yè)鏈各個環(huán)節(jié)的合作伙伴一起，包括最終的使用者一起來發(fā)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(shù)成熟以后，整個大數(shù)據(jù)才真正被用起來，邊緣計算也類似。ECC聯(lián)盟一直在進行探索，今天頒布的《邊緣計算參考架構(gòu)3.0》和《邊緣計算與云計算協(xié)同白皮書》就是對探索初步成果的總結(jié)?！?/p>

談到邊緣計算的推進，產(chǎn)業(yè)屆上下游一定會討論邊緣計算會在哪些行業(yè)率先落地？其實邊緣計算是一個數(shù)據(jù)爆發(fā)的過程，數(shù)據(jù)爆發(fā)以后，從存儲、計算，到傳輸本身都會產(chǎn)生成本，英特爾副總裁兼物聯(lián)網(wǎng)事業(yè)部中國區(qū)總經(jīng)理陳偉表示，“這要看數(shù)據(jù)本身的負載，對于視頻技術(shù)應(yīng)用，如：視頻監(jiān)控、零售業(yè)的人臉識別、智能制造、智慧城市等這些應(yīng)用場景，當有大量的數(shù)據(jù)需要存儲和分析時，這些行業(yè)會先落地，盡管是一個垂直行業(yè)的表象，但是真正是看數(shù)據(jù)的負載形態(tài)。視覺應(yīng)用是跨行業(yè)的，看似是不同的行業(yè)，但真正從技術(shù)來看都是視覺技術(shù)。人工智能作為解決數(shù)據(jù)爆發(fā)的工具，會在數(shù)據(jù)里面挖掘價值，它越靠近數(shù)據(jù)越能夠建模，做到訓(xùn)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(yè)的落地?！?/p>

工業(yè)邊緣計算平臺表面缺陷檢測

邊云協(xié)同：云端訓(xùn)練，邊緣推理

既然在云端和邊緣端分別完成不同數(shù)據(jù)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(xiàn)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(shù)，這些技術(shù)大概分為兩階段：第一是訓(xùn)練階段，第二是推理階段。在訓(xùn)練的階段要使用大量的樣本，通過反復(fù)迭代來最終做出人臉處理的模型。從目前的技術(shù)實現(xiàn)來看，訓(xùn)練階段目前絕大部分還是發(fā)生在云端，因為在這一過程計算量比較大；另外，訓(xùn)練和推理有很大的區(qū)別，訓(xùn)練是一個反饋的過程，有一個反向的處理優(yōu)化的過程，而推理往往是前向的，一條路處理完就結(jié)束了，它們的處理復(fù)雜度不一樣。目前在云端做更多的訓(xùn)練，在邊緣側(cè)做很多推理工作，然后利用訓(xùn)練的結(jié)果，把訓(xùn)練完以后的模型下載到邊緣側(cè)進行推理，這是目前已經(jīng)實現(xiàn)的做法?！?/p>

關(guān)于未來的發(fā)展，張宇博士表示，“我們能夠預(yù)見，在今后隨著計算機計算能力的不斷增強，一部分的訓(xùn)練工作有可能從云端推送到前端，也就是對于某些已經(jīng)第一步訓(xùn)練完以后的網(wǎng)絡(luò)，可能還需要重新優(yōu)化的過程，這個優(yōu)化很可能在邊緣側(cè)發(fā)生。比如我們做語音識別時，可能第一步先做針對普通話訓(xùn)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(yīng)用，需要對模型進行優(yōu)化，這里的優(yōu)化工作很可能在邊緣實現(xiàn)，只要算力足夠強，根據(jù)新的動態(tài)樣本，對第一階段所生成的模型做動態(tài)的優(yōu)化，把這個結(jié)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(tài)訓(xùn)練，我們認為在今后隨著算力的逐漸增強會發(fā)生?！?/p>

邊緣智能控制器

聯(lián)盟為成員帶來更多合作機會

邊緣計算產(chǎn)業(yè)呈現(xiàn)應(yīng)用廣且碎片化的發(fā)展態(tài)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(xiàn)的一項技術(shù)，而需要建立一個生態(tài)系統(tǒng)，讓產(chǎn)業(yè)鏈上下游的合作伙伴共同建設(shè)。雖然在討論邊緣計算時，大家提到了很多不同的技術(shù)，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(shù)據(jù)移動，數(shù)據(jù)在云端，計算就發(fā)生在云端；如果今天數(shù)據(jù)因為網(wǎng)絡(luò)限制或者實時性需求，必須要在終端處理，從架構(gòu)來看，邊云協(xié)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(gòu)，而且所有算法、操作系統(tǒng)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(xié)同。張宇博士指出，“這個協(xié)同的分量從量來講，協(xié)同是一個定性的定義，但是從量來講，會隨著網(wǎng)絡(luò)帶寬的成本和帶寬4G到5G作為很動態(tài)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(tǒng)。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(xié)同一定是我們公司能夠提供的優(yōu)勢。中國移動加入以后，提到serverless，其實不是不用服務(wù)器，大家認為服務(wù)器是支撐數(shù)據(jù)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(wǎng)關(guān)里面就用了很高端的芯片，把所有電梯、門窗或者監(jiān)控系統(tǒng)都能夠整合到在酒店局部的操作服務(wù)器的架構(gòu)里面。邊云協(xié)同是能夠促使邊緣計算行業(yè)快速發(fā)展的一個主要因素之一?！?/p>

在邊緣計算產(chǎn)業(yè)聯(lián)盟里，成員彼此互相帶來價值，進行合作。從物聯(lián)網(wǎng)來看，產(chǎn)業(yè)鏈很長，每一個公司只是整個產(chǎn)業(yè)鏈的一個環(huán)節(jié)。產(chǎn)業(yè)聯(lián)盟給成員帶來價值就是合作機會。在邊緣計算產(chǎn)業(yè)聯(lián)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(lián)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(yè)的邊緣計算解決方案能夠更快的落地。

“物聯(lián)網(wǎng)一定會從互聯(lián)走向智能，再從智能走向自主?！睆堄畈┦空J為，這就是物聯(lián)網(wǎng)發(fā)展的“摩爾定律”。