这是一个5G 边缘计算意义的问题。其实对VR游戏（特别是电竞游戏）这类大流量/低延迟的应用服务来说，大多数人第一时间想到的优点会是高达1Gbps/s的数据传输速度，虽然事实确实如此，但并不是全部。
从技术上讲，无线传输性能的进步能给我们带来更多深远的技术影响，比如类似基站这类信息基础设施计算结构上的改变，从某种程度上，可以平衡一个简单计算过程中涉及到的计算资源和储存资源，把网络，云和设备之间形成一个融合的生态系统（一台大型虚拟电脑）。
1.
我可以分别从计算架构和通信原理两个视角给大家举一些简单直观的例子。在最基础的冯·诺伊曼架构中，计算单元（CPU）和储存单元（RAM/硬盘）的分离被认为是一个非常关键的技术演进。
在这种体系架构下，数据需要在处理器和存储器之间不停来回传输，这些数据传输可能会通过片上数据总线，通过SATA等一系列硬件通信协议。为了而提高运算效率，计算机架构领域的科学家想出了很多种「黑科技」，例如光互连、2.5D/3D堆叠实现高带宽数据通信，或者通过增加缓存级数、高密度片上存储这样的近数据存储，来缓解访存延迟和高功耗。
这些「黑科技」的本质都是通过提高数据传输速率，保证CPU的运算性能全部发挥。所以，对于冯·诺伊曼架构，在现在CPU性能过剩的情况下，提高数据传输速率可以提高整体的计算性能。
2.
同样类似的故事发生在通信领域，目前的互联网可以被认为是一个大型计算机，云数据处理中心是CPU，而通信网络可以认为是总线，数据来源于用户。这样，大多数据传输服务都可以被抽象为一个由三部分组成的模型，即数据发送（比如从服务器），经过无线或有线传输，到达用户设备（比如手机）。
在这个模型里，在最早期的平均通信速率非常低下，而传输前的数据压缩是整体流程中非常重要的一环，原始数据几乎不可能被直接传输。
在自动驾驶汽车里，单车可能会部署12个左右的毫米波雷达，3个左右的激光雷达，至少2个摄像头，这样对一个汽车来说，整体的数据产生速度会大于1Gbps，如果不经过数据压缩，目前的商用无线通信系统并不能直接传输原始数据，所以需要先对数据预处理。但是，这种预处理可能会导致一些信息损失，在用户使用这些数据的时候存在困难。在数据发送端，这种情况也同样存在。
随着3/4/5G的快速部署，有线和无线传输速率都在飞速增长，用户本身也越来越注重数据体验，这两种原因导致目前的数据传输模型发生了变化—
既然数据传输速率已经足够支撑用户发展，那么为什么不把计算单元作为一种基础信息设施，放在用户身边？
这就是边缘计算的来源，这也是本题提到的VR电竞应用可能在未来得到广泛发展的根本原因。
3. 什么是边缘计算？内在驱动力到底是什么？
我们可以把目光放的更加长远一点。
随着近些年的物联网发展趋于成熟，越来越多的传感器出现在我们周围，IT网络两端的数据发送者和使用者都同时产生了角色变化。
从数据规模来看，在以前，以往人类操作的电子终端大多只是在消费数据，比如在手机和电脑出现初期，各种各样的视频服务和流媒体服务都只需要放映来自远端互联网的内容，设备使用者仅仅保留与这些服务之间有限程度的交互，比如一些翻页操作，播放，点击操作等等。这种趋势随着内容分发网络（CDN）的蓬勃发展和运营商上下行不对等的网络收费，在前十年里表现得特别明显。
但是，我们正在迈入或者正处于的物联网时代，位于网络一端的物联网设备和功能越来越丰富的用户设备正在慢慢改变这种数据发送-使用的流程，随着设备自动化程度越来越高，自动运行的物联网终端/传感器的上传数据量会远大于数据消费量。
对于用户来说，现在的数据来源不止于我们的主动获取，也来源于越来越多系统的主动产生。也就是说，大多数数据需要先处理，再上传。这里的数据处理，就需要放置在离用户很近的地方，也就是「边缘」。
很多人可能被困惑于「边缘」到底是什么？与完全基于云的传统模式相比，「边缘」可以是客户终端所处的位置，也可以是传输网中比较接近的位置。这里概念并不唯一。
我们可能会依靠时延、带宽、实时分析能力、传输数据量，或者是通过配置、云和设备之间的关系，以及业务之间的关联特性来配置边缘节点的的位置。举个例子，家庭网关（或者大家常说的WiFi）是一种家庭网络边缘设备，基站是另外一种网络边缘，而城市数据中心和视频处理中心，是城市级的网络边缘。
这就是边缘计算单元的兴起。
在这一过程中，从运营商到芯片设计企业，大量计算和通信相关的企业都对此产生了浓厚兴趣，包括Intel这类算力提供企业往往希望与软件服务商和最终用户展开深度合作，探索在不同行业和领域边缘计算的广泛应用。
而其中一个比较重要的，大众可以感知到的场景是虚拟现实（VR），移动端这个问题就变成了，移动端如何高效的完成虚拟现实应用？
尽管VR技术已经经历了前后近85年的发展，但真正取得突破性进展，实现理论上商用，还是近几年才发生的事儿。从2016年至今，现代VR技术进入了爆发阶段，并衍生出了三条路径：移动(手机)VR头显、外接式(主机和PC)VR头显和一体式VR头显。前者以无线连接，外接式以有线连接，一体式VR头显不需要连接。
有线会让玩家本身的移动范围受到比较大限制。但是单纯用手机来进行VR运算，往往不可能满足大量的视频运算需求，有互联网公司在前些年曾对此做出了一次预测，表示他们发现了一些明显的移动VR的局限性，这也决定了移动VR注定不能作为可行的长期方案。“最明显的是，让人们把智能机放到移动头盔中，在使用的时候无法打开手机上的其他应用，这本身就带来了沉浸感的冲突”。
所以，手机并不是VR合适的运转载体，而一台高性能电脑作为边缘设备产生VR视频流，通过无线方式传递到VR眼镜播放，这是比较合适的整体解决方案。
这也就是移动边缘计算的来源。
4.为什么5G是边缘计算的一种最主流的实现载体？
对于用户来说，如果想要拥有比较高的沉浸式体验，比较好的技术方案就是采用移动边缘计算。比如可以通过Wi-Fi 6，可以通过5G，也可以通过专用频段来完成实现边缘节点和设计相关的概念。
如果我们考虑设备成熟度来说，5G会是一个更加便捷的载体。
如果用户的接入方式是WiFi网络，那么边缘服务器最好部署在WiFi的覆盖范围内，对于超过距离的用户，就很难接入并获得更好的体验。这是5G的优势是，在有5G接入的地方就可以直接联网开始游戏。
此外，如果采用Wi-Fi 6，需要考虑更多无线网络的部署方案，而考虑5G，我们不需要对设备本身做更多，例如对场馆组网的配置更改，或者大型场馆WiFi的重新部署（因为单个地区部署，可能会带来不必要的干扰或者信号冲突）。
这些工作，通信行业普遍称为信息基础设施建设。事实上，如果我们把目光放眼整个行业，边缘计算的部署，某种程度上也是信息基础设施的部署权利之争。这也是我们之所以说，5G可能会承载最多边缘计算业务的原因。
对边缘计算而言，边缘服务器（也就是计算节点）的部署会影响很多因素。
以一个部署在传统无线接入网的边缘计算系统为例，它要具备业务本地化和近距离部署的条件，来提供高带宽、低时延的传输能力，同时通过业务面下沉形成本地化部署，来有效降低对网络回传带宽的要求和网络负荷。对于其中的计算单元，需要向用户提供应用程序编程接口（API），开放基础网络能力，从而使网络能够根据业务需求实现按需定制和交互。这部分的工作带来了无数机会。涉及众多计算产业的众多上下游企业，也包含了其中的另一个主角，Intel。
5.边缘计算涉及到哪几种主流公司？目前产生了哪些典型应用？
GSMA曾经在去年（2019）做过一次关于边缘计算的调研，其中近90%的受访公司认为边缘计算会成为5G时代的创收机会，而三分之二的受访者则希望通过提升现存边缘计算的运营效率来创造价值、获取利润，从而复制云计算对运营商机房业务（IDC）在商业上的巨大成功。
其中，Intel主要关注的重点是，提供以硬件为基础的解决方案和开发套件，通过加速相关开发者的开发速度，提升开发的便利程度，来扩展整个边缘计算生态。
从硬件来讲，至强系列可扩展处理器，傲腾系列内存，和英特尔800系列以太网适配器共同构成了Intel边缘计算的开发基础。目前，至强系列可扩展处理器已经更新到第三代，支持8 通道 DDR4内存@3200MHz，也同时支持64条PCI EXPRESS 4.0通道，全面增强I/O吞吐量；而英特尔傲腾持久内存200 系列可以支持模块化存储，系统总内存最高可以达到6TB。
单纯从硬件来看，Intel在边缘计算方面已经投入了相当多的精力，并研发出了试用不同场景的产品线。而Intel在配套软件上的开发，同样也并不落后。
比如在某生活园区，边缘计算的部署让可以完成园区内更快速的人脸识别，商场可以快速识别VIP客户并提供差异化和个性化的服务，也可以对出入人员进行黑白名单监控，通过优化的人脸搜索可确认人员身份，从而加速商场的反应时间。 而在一些室内定位和商场导航解决方案里，边缘计算也发挥了巨大价值，把原本通过云端的室内导航和跨楼引导所需要的数秒路径规划时间，降低到近乎实时。因此为基础可以产生巨大的商业价值，比如楼宇内部的实时AR或者VR应用，引导消费者更快速了解商品并完成购买。
此外，我们也始终相信，5G技术下的边缘计算，对于通信设备商，服务商，云计算厂商，互联网厂商，甚至芯片和服务器厂商，都是一个巨大的机遇。正如5G 边缘计算 VR，边缘计算本身可能会成为通信行业和计算相关行业之间的一大桥梁，通过跨界，给双方都可以带来无数创新，也带来更多新兴服务，产业和机遇。
或许，随着未来相关创新在教育、医疗、交通、工业等等场景的落地，我们的生活会随之慢慢改变，如同手机一样，成为我们身边不可或缺的技术，加速人类的交流，便捷未来的生活。
作者：甜草莓
原文链接：
https://www.zhihu.com/question/453480417/answer/1834049040
边缘计算社区经过作者授权转载。
