什么是“边缘计算”？想要弄清楚这一概念的含义，我们还得从“云计算”谈起。云计算（cloud computing）指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。用户通过网络获得应用所需的资源（硬件、平台、软件）。而提供资源的网络被称为“云”。
传统云计算模型（来源：网络）
举个简单的例子，这就好似我们现在的用电方式一样。每个家庭或企业一般情况下并不自己生产“电”，而是大型发电站进行集中发电，然后通过星罗棋布的电网，将“电”输送到每家每户。人们只需插上插座，按时交纳电费，便可以用上电。“云计算”就类似于这样一种存在。那些提供云计算服务的公司，就好比“大型发电站”。1961 年，网络互联领域专家约翰·麦卡锡就曾预言：“未来电脑运算有可能成为一项公共事业，就像电话系统已成为一项公共事业一样。”然而，正如文章开头所说，庞大的数据量将极易造成网络拥堵，并且随着5G时代的到来，我们对数据的实时性提出了更高的要求。因此我们需要将部分数据在本地进行处理。“边缘计算”便是这样一种模式。
所谓边缘计算就是在网络边缘结点来处理、分析数据，而不是在中央服务器里整理后实施处理。在这里“边缘节点”目前主要包括，通信基站、服务器、网关设备以及终端设备。与云计算相比边缘计算在网络拓扑中的位置更低，即更加靠近“用户”——数据产生的地方。作为对云计算方式的补充，边缘计算弥补了云计算的诸多缺陷。
来源：网络
边缘计算的优势
边缘计算与传统云计算主要性能对比（来源：思科）
1、低时延：由于数据是在边缘结点进行分析处理，降低了延迟，提升应用的响应速度。据运营商估计，如若经由部署在接入点的MEC完成处理和转发，则时延有望控制在1ms之内。
2、更安全：一些比较敏感的数据直接在边缘进行分析处理，不用全部上传至云计算平台，能够尽可能的避免数据泄露问题。
3、减少数据传输：数据不需要全部传输到云端，减少智能设备和数据中心传输的数据量，节省了大量带宽成本，同时还能减小核心网络的拥堵。
4、提高可用性：边缘计算分担（offload）了中心服务器的计算任务，并且降低了出现单点故障的可能。另外很多智能终端设备在非工作状态下处于闲置状态，边缘计算可以充分的对其加以利用，提高了资源的利用率。
现状——主要“玩家”
目前，边缘计算产业主要涉及设备、网络、应用和数据四个领域。边缘计算产业联盟提出的边缘计算参考架构1.0指出，设备域支撑现场设备实现实时的智能交互和智能应用；网络域为系统互联、数据聚合与承载提供连接服务；数据域提供全生命周期数据服务并保障数据的安全与隐私；应用域需要实现边缘行业应用，支持边缘业务运营。
从“中信证券研究部”整理的资料来看，边缘计算产业涉及硬件、软件、通信等多个方面的企业。上下游企业紧密联系，通力合作。并加快边缘计算方面的布局。
来源：中信证券研究部
对于上游企业，2019年2月25日，浪潮在世界移动通信大会MWC2019上发布了首款基于OTII标准的边缘计算服务器NE5260M5，该产品专为5G设计，可以承担物联网、MEC和NFV等5G应用场景，适合边缘机房的物理环境。华为发布的华为AR系列敏捷网关，具有高度的适应性，能提供17种以上的物联接口，并广泛兼容各个行业的标准协议。另外，凌华科技推出模块化工业云计算架构MICA和架构级边缘服务器SETO-1000，用以分别应对5G建设的集中式无线接入网（C-RAN）和分布式无线接入网（D-RAN），前者具有模块化设计、工业级特性、云计算核心等特征；后者具有防尘防水、抵抗低温等环境耐性，能适配高带宽下的边缘计算需求。当然作为上游软件提供商，他们也纷纷推出了自己的产品，例如思科IOx平台以及华为Liteos平台。
根据中信证券的分析报告，中游企业在公有云市场上竞争激烈，边缘云服务提供商逐渐在细分领域进行布局。从2015年起，国内公共云市场除阿里云外，大量的中小企业占据了1/3的市场份额，大小厂商展开了激烈的价格竞争。因此部分云服务商积极拓展新的领域。目前已有多家公司涉足边缘计算平台和相关服务。此外，国内三大通信运营商均已制定5G网络商用计划，并加大了对MEC相关基础设施的投入。
对于下游企业而言，边缘计算不仅服务于手机、电脑等常规的智能终端设备。车联网、智能家居概念的提出，为边缘计算创造了新的需求。BAT等巨头公司也纷纷参与到智能硬件产品的开发之中。
应用与前景
根据中国移动发布的《中国移动边缘计算白皮书》，目前智能制造、智慧城市、直播游戏和车联网4个垂直领域对边缘计算的需求最为明确。
边缘计算的典型应用场景（来源：中国移动）
智能制造
在智能制造领域，工厂利用边缘计算智能网关进行本地数据采集，并进行数据过滤、清洗等实时处理。同时边缘计算还可以提供跨层协议转换的能力，实现碎片化工业网络的统一接入。一些工厂还在尝试利用虚拟化技术软件实现工业控制器，对产线机械臂进行集中协同控制，这是一种类似于通信领域软件定义网络中实现转控分离的机制，通过软件定义机械的方式实现了机控分离。
智慧城市
智慧城市，主要包括智慧楼宇、物流和视频监控等多个方面。边缘计算可以实现对城市中运行参数进行采集分析。例如，在城市路面检测中，在道路两侧路灯上安装传感器收集城市路面信息，检测空气质量、光照强度、噪音水平等环境数据，当路灯发生故障时能够及时反馈至维护人员。边缘计算还可以利用本地部署的GPU服务器，实现毫秒级的人脸识别、物体识别等智能图像分析。
虽然当前城市中部署了大量的IP摄像头，但是大部分摄像头都不具备前置的计算功能，而需要将数据传输至数据中心进行处理，或者需要人工的方式来进行数据筛选。然而，安珀警报助手（Amber alert assistant）的开发，使其可以自动化地在边缘设备上部署视频分析程序，并与附近的边缘设备协同实时地对视频进行处理，同时和周边摄像头进行联动，以完成犯罪车辆的实时追踪。
直播游戏
在直播游戏领域，边缘计算可以为CDN提供丰富的存储资源，并在更加靠近用户的位置提供音视频的渲染能力，让云桌面，云游戏等新型业务模式成为可能。特别在AR/VR场景中，边缘计算的引入可以大幅降低AR/VR终端设备的复杂度，从而降低成本，促进整体产业的高速发展。
车联网
随着深度学习和传感器等技术的发展，汽车不再仅仅是传统的出行和运输工具，而是不断智能化，我们称这样新型的汽车为智能网联车（connected and autonomous vehicles, CAVs）智能网联车的出现催生出了一系列新的应用场景，例如自动驾驶、车联网以及智能交通。我们以“自动驾驶”为例，由于它配备了非常多的传感器，汽车可以随时随地感知周围的环境，并也源源不断的产生数据。所以，“自动驾驶汽车”就好似一个“移动的数据中心”。
来源：网络
Intel曾经的一份报告指出，一辆自动驾驶车辆一天产生的数据为4TB，这些数据无法全部上传至云端处理，需要在边缘节点（汽车）中存储和计算，从而形成指令。另一方面，无人驾驶汽车对于“延迟”的要求非常苛刻，尤其是当汽车在高速行驶的过程中，通信延迟需要控制在极短的范围之内，并且网络的可靠性对于安全驾驶也是至关重要的。
挑战
然而，边缘计算现如今还没有完全成熟，并且它也不是一个完美无瑕的计算方式。施巍松教授曾在他的论文《Edge Computing : Vision and Challenges》中表示，“边缘计算具有”编程可行性、命名和数据抽象三方面的问题。
1、编程可行性：在云计算平台编程是非常便捷的，因为云上有特定的编译平台，大部分程序都可以在云上运行。但是在边缘层编程就会面临一个平台异构的问题，每一个网络的边缘都是不一样的，可能是ios系统，也有可能是安卓或者linux等等，不同平台下的编程又是不同的。
2、命名：命名方案对于编程、寻址、事物识别和数据通信非常重要，但是在边缘计算中还没有行之有效的数据处理方式。边缘计算中事物的通信是多样的，可以依靠wifi、蓝牙等通信技术，因此，仅仅依靠tcp/ip协议栈并不能满足这些异构的事物之间进行通信。边缘计算的命名方案需要处理事物的移动性，动态的网络拓扑结构，隐私和安全保护等问题。传统的命名机制如DNS（域名解析服务）、URI（统一资源标志符）都不能很好的解决动态的边缘网络的命名问题。目前正在提出的NDN（命名分发网络）解决此类问题也有一定的局限性。在一个相对较小的网络环境中，我们提出一种解决方案，如下图所示，我们描述一个事物的时间、地点以及正在做的事情，这种统一的命名机制使得管理变得非常容易。当然，当环境上升到城市的高度的时候，这种命名机制可能就不是很合适了。
来源：《Edge Computing：Vision and Challenges》
3、数据抽象：在物联网环境中会有大量的数据生成，并且由于物联网网络的异构环境，生成的数据是各种格式的，把各种各样的数据格式化对边缘计算来说是一个挑战。同时，网络边缘的大部分事物只是周期性的收集数据，定期把收集到的数据发送给网关，而网关中的存储是有限的，他只能存储最新的数据，因此边缘结点的数据会被经常刷新。利用集成的数据表来存储感兴趣的数据，表内部的结构可以如下图所示，用id、时间、名称、数据等来表示数据。
