到底什么是边缘计算？

点击上方“程序员大白”，选择“星标”公众号
重磅干货，第一时间送达

近日，江行智能宣布完成3000万元A轮融资，由松禾资本领投，红杉资本、BV百度风投跟投，青桐资本担任财务顾问。江行智能曾于18年7月获红杉资本数千万天使轮融资。

这是一家边缘计算技术与服务提供商，通过对海量物联网设备和数据进行管理、分析处理，帮助企业提升效率、降低风险。目前其核心落地场景主要在电力、新能源、工业流水线监控、运营商等领域。

那么究竟什么是边缘计算，他与云计算又有着什么样的区别与联系，工业4.0、工业互联网、工业物联网（IoT），这三个名词不到十年完全颠覆了整个制造业，促使着我们迈向智能制造，工业4.0、工业互联网已经很熟悉了，云计算和边缘计算正在塑造物联网（IoT）的未来。这种组合为物联网网络中连接的设备带来了稳定性，并通过处理更接近源的数据来解决延迟问题。

2020年全球物联网设备数量将达到200~500亿个，数据量迅猛增长；同时随着AI等智能化应用落地，需要的计算资源也大大增加。

骤增的数据量和计算量带来的问题是：传输带宽压力大，云端计算和存储压力大，实时性低。这使得现有的“云+端”模式，将越来越难以支撑众多应用场景。

“边缘计算”这一种新兴的计算模型即在此背景下产生，相当于在靠近“设备终端”一侧，加了一道数据处理“中间站”，集“网络、计算、存储、应用”核心能力为一体，先进行一次数据处理，然后只需将少量的处理结果数据传输到云端即可。

边缘计算通过在网络边缘进行智能处理，带来的好处是：降低云端网络核心节点的压力；近端侧的数据处理使实时性大大提高；数据传输量的减少使带宽成本大大降低；通过数据本地化存储，可以满足安全性和隐私性需求。

举例来说，在AGV领域，由于机器人本体实时处理地图与避障问题，其反应速度会稍有延迟，这时靠近端的边缘计算就会稍显不足，有些企业会选择将数据上传至云端进行计算。同理机器视觉也是如此。

在边缘计算环境中安装和连接的智能设备能够处理关键任务数据并实时响应，而不是通过网络将所有数据发送到云并等待云响应。设备本身就像一个迷你数据中心，由于基本分析正在设备上进行，因此延迟几乎为零。利用这种新增功能，数据处理变得分散，网络流量大大减少。云可以在以后收集这些数据进行第二轮评估，处理和深入分析。

利用边缘计算为物联网设备带来诸多好处，例如接近零延迟，较小的网络负载，增加的弹性，减少的数据暴露以及较低的数据管理成本。让我们逐一看看这些：

近零延迟：

接近零延迟是边缘计算的最大优势。数据收集，处理和采取行动之间的时间间隔几乎是实时的。这是在关键任务情况下物联网设备的重要要求。最好的例子是自动驾驶，而AGV也是属于自动驾驶的室内精简版本。

较小的网络负载：

互联网高速公路上的大量数据，可能导致网络拥堵增加，尤其是在连接较弱的地区。使用边缘计算，大部分流量负载将通过在源处理数据而不是通过网络发送所有数据，网络拥堵明显改善。

增强弹性：

借助边缘计算提供的分散式架构，网络中的其他连接设备变得更具弹性。将此与云上的单个虚拟机故障进行比较，这将影响连接到网络的数千甚至数百万个IoT设备。即使其中一个设备发生故障，它也不会影响其他设备，并且它们仍然保持活动和运行状态。

减少数据暴露：

边缘计算减少了它通过网络发送的数据量。这样做还有助于减少传输中的数据泄露。在某些情况下，智能设备收集的敏感和关键数据根本不需要传输。比如说很多大型电商、物流企业就不希望自己的数据上传至公有云，尤其是在德日系的一些大企业，他们对于智能化的每一步都非常谨慎。

较低的数据管理成本：

使用边缘计算可以显着降低云上的存储成本，因为我们并未将所有内容存储在云上。由于数量相对较少，这也有助于有效地管理数据。只有需要更深入分析的汇总数据才会发送到云端，随后会对其进行分析和推断。

推荐阅读
13个你一定要知道的PyTorch特性
解读：为什么要做特征归一化/标准化？
一文搞懂 PyTorch 内部机制
张一鸣：每个逆袭的年轻人，都具备的底层能力

关于程序员大白

程序员大白是一群哈工大，东北大学，西湖大学和上海交通大学的硕士博士运营维护的号，大家乐于分享高质量文章，喜欢总结知识，欢迎关注[程序员大白]，大家一起学习进步！