對于理解邊緣計算最好不要從理論或者各種概念入手，因為隨著技術(shù)不斷地創(chuàng)新加上市場玩家的增多會創(chuàng)造出非常多的概念，而這些概念一方面是要標(biāo)新立異希望成為行業(yè)標(biāo)準(zhǔn)，另一方面就是這些應(yīng)用是在在特定場所的應(yīng)用，不用行業(yè)的標(biāo)準(zhǔn)當(dāng)然也會不同。

最好理解邊緣計算，也是最實用理解邊緣計算的就是把邊緣計算和應(yīng)用場景結(jié)合起來理解，直觀和直接。

提到云計算就涉及服務(wù)器，服務(wù)器布置一定是如一二三線城市的分布一樣，但客戶的需求可不能按這種等級分布，比如在十八線的農(nóng)場里有人想看熱門劇或是請求查看農(nóng)場羊群的位置，服務(wù)器不能說離數(shù)據(jù)中心太遠(yuǎn)就不提供或是提供很差的服務(wù)，而是要將計算或是數(shù)據(jù)放到里這個農(nóng)場最近的數(shù)據(jù)中心，相對于云端，這種計算就是邊緣計算。

如何協(xié)調(diào)計算和數(shù)據(jù)的分配問題，很多軟件大廠都發(fā)布過這種云邊計算的軟件，比如，亞馬遜的AWS Greengrass，微軟的Azure IoT Edge，谷歌的Edge TPU 和軟件堆棧 Cloud IoT Edge。在國內(nèi)阿里推出 Link IoT Edge 平臺，騰訊推出 CDN Edge，百度推出智能邊緣 BIE，甚至海爾專門為物聯(lián)網(wǎng)企業(yè)打造的一站式設(shè)備管理平臺 COSMO- Edge 平臺。

包括電信運營商依托5G 全面部署移動邊緣計算（MEC），利用無線接入網(wǎng)絡(luò)就近提供電信用戶 IT所需服務(wù)和云端計算功能，

這種“中心-邊緣-端”的形態(tài)從電信時代就已經(jīng)形成，當(dāng)時的程控交換中心、程控交換機(jī)、電話形成了最初的“中心-邊緣-端”形態(tài)，到了互聯(lián)網(wǎng)時代，數(shù)據(jù)中心、 CDN、移動電話/PC 延續(xù)了這種形態(tài)；現(xiàn)在電信運營商的多接入邊緣計算（MAEC）則是將邊緣計算從電信蜂窩網(wǎng)絡(luò)進(jìn)一步延伸至其他無線接入網(wǎng)絡(luò)。

1、云邊計算協(xié)同關(guān)系

中心和邊緣計算的協(xié)同關(guān)系就是大量的數(shù)據(jù)計算和存儲工作只需要在邊緣計算節(jié)點就可以處理了，那些經(jīng)過處理的數(shù)據(jù)在網(wǎng)絡(luò)條件寬裕的時候從邊緣節(jié)點匯聚集中到云端，云計算再做大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時進(jìn)行算法模型的訓(xùn)練和升級，再將升級后的算法推送到前端，使前端設(shè)備更新和升級，完成自主學(xué)習(xí)閉環(huán)。同時，這些數(shù)據(jù)也有備份，當(dāng)邊緣計算中出現(xiàn)意外情況，存儲在云端的數(shù)據(jù)也不會丟失。

這里可以通過幾個案例如何理解這種從邊緣到云端，再從云端升級邊緣計算的過程。。

家庭的云邊協(xié)同的復(fù)雜程度非常小有助于理解，家庭的邊緣計算節(jié)點只包括家用電器、照明控制、多媒體終端、計算機(jī)等家庭終端，家庭如果處于無人狀態(tài)時，家中設(shè)備基本都處于待機(jī)狀態(tài)，一旦有人非法闖入，網(wǎng)關(guān)就立即發(fā)出高分貝警報聲，同時通過手機(jī)APP通知主人，智能攝像頭開啟拍攝有異動的畫面，并將抓拍前后十五秒錄像上傳云端保存，實時記錄家庭內(nèi)部情況。

而在家庭沒有異動狀態(tài)時，家里的智能設(shè)備可以按低功耗模式運行，只有在出現(xiàn)異常時，智能設(shè)備之間會產(chǎn)生聯(lián)動，并將邊緣計算的數(shù)據(jù)上傳到云端，形成云邊協(xié)同計算和存儲。

在工業(yè)應(yīng)用中，設(shè)備的運行會產(chǎn)生大量的實時數(shù)據(jù)，而且設(shè)備的分布更非常的廣，各種設(shè)備的網(wǎng)絡(luò)協(xié)議也非常多，這樣就需要邊緣計算和云邊協(xié)同。

比如四川愛聯(lián)科技有限公司，該公司在工廠部署了大量的邊緣計算設(shè)備及配套設(shè)備，這些設(shè)備通過數(shù)據(jù)采集模塊從所有PLC 設(shè)備采集實時數(shù)據(jù)，建立起工單、物料、設(shè)備、人員、工具、質(zhì)量、 產(chǎn)品之間一體化的實時化的信息體系，對于海量接入設(shè)備產(chǎn)生的大量數(shù)據(jù)，如果全都上傳至云端進(jìn)行處理，一方面會給云端帶來過大的計算壓力；另一方 面會給網(wǎng)絡(luò)帶寬資源造成巨大的負(fù)擔(dān)。

對于這些數(shù)據(jù)先在邊緣側(cè)進(jìn)行數(shù)據(jù)處理，優(yōu)先解決故障自動處理，負(fù)荷識別、安全預(yù)警、無功補(bǔ)償?shù)汝P(guān)鍵操作，在網(wǎng)絡(luò)負(fù)載不大的情況可以進(jìn)行斷點續(xù)傳到云端，云端對數(shù)據(jù)進(jìn)行表碼分析、用量分析、需量分析等大數(shù)據(jù)處理，最好通過大數(shù)據(jù)和人工智能的模式識別、節(jié)能和策略改進(jìn)等操作。

這種云邊協(xié)同可以廣泛應(yīng)用在電力、石油石化等傳統(tǒng)能源行業(yè)，這些行業(yè)的具有信息化具有接入設(shè)備多、服務(wù)對象廣泛、信息量大、業(yè)務(wù)周期峰值明顯等行業(yè)特色。

這就是邊緣計算和云端計算的協(xié)同模式的基本應(yīng)用模式。造成這種邊緣計算之所以重要的原因就是大量的物聯(lián)網(wǎng)設(shè)備的接入導(dǎo)致數(shù)據(jù)量大增造成的。據(jù)IDC預(yù)測，2020年，全球?qū)⒂屑s500億智能設(shè)備接入網(wǎng)絡(luò)，主要包括智能手機(jī)、可穿戴設(shè)備、個人交通工具等，其中40%的數(shù)據(jù)需要在邊緣處理。

2、物聯(lián)網(wǎng)下的邊緣計算

隨著工業(yè)互聯(lián)網(wǎng)的推動和5G 大規(guī)模商用，物聯(lián)網(wǎng)接入量大增，據(jù)Gartner預(yù)測，到2020年，全球物聯(lián)網(wǎng)設(shè)備的數(shù)量將超過200億臺。根據(jù)IDC Global DataSphere 2018年11月公布的數(shù)據(jù)來看：全球超過一半的數(shù)據(jù)創(chuàng)建于過去兩年，而且這一態(tài)勢還將不斷持續(xù)下去。在百度智能云看來，2021年將是邊緣計算的爆發(fā)元年，到2022年，將有40%的計算任務(wù)將在邊緣完成。

這種云邊計算網(wǎng)絡(luò)有點類似章魚，章魚擁有“一個大腦+多個小腦”，40%的計算是大腦進(jìn)行分析和決策的，還有60% 是通過分布在八條腿上的巨量神經(jīng)元進(jìn)行感知和分析，腕足和大腦有效配合讓章魚在各種復(fù)雜環(huán)境中都能游刃有余。

這一點在智能交通中體現(xiàn)得非常明，比如成都采用阿里云飛天平臺接入全市航空、公路、鐵路、軌道交通、、網(wǎng)約車、共享單車等14大類交通全量數(shù)據(jù)可實現(xiàn)快速地疏運旅客、準(zhǔn)確調(diào)度運力、在線發(fā)布交通管制動態(tài)信息等能力，對城市交通系統(tǒng)運行進(jìn)行主動、科學(xué)的引導(dǎo)，甚至，可以告訴出租車司機(jī)哪里等客最賺錢，提升網(wǎng)約車司機(jī)的收入。

從城市看車是如此，而在自動駕駛技術(shù)下，車本身就要產(chǎn)生大量的數(shù)據(jù)，尤其是汽車將集成激光雷達(dá)、攝像頭等感應(yīng)裝置，利用5G、LTE-V 等通信手段與車輛進(jìn)行實時的信息交互。未來還將集成局部地圖系統(tǒng)、交通 信號信息、附近移動目標(biāo)信息和多種傳感器接口，為車輛提供協(xié)同決策、事故預(yù)警、輔助駕駛等多種服務(wù)。

其次，將邊緣數(shù)據(jù)和AI數(shù)據(jù)結(jié)合起來共同提高計算效率也是有廣泛應(yīng)用場景的，比如醫(yī)療保健和安防攝像頭。

在醫(yī)療保健行業(yè)，病人可以通過可穿戴設(shè)備將數(shù)據(jù)傳到云端，監(jiān)視器將分析后的數(shù)據(jù)上傳到云端，在云端進(jìn)行AI分析，記錄患者長期的健康情況，為醫(yī)生和患者提供病情分析，輔助進(jìn)行下階段治療。

在安防監(jiān)控領(lǐng)域，將監(jiān)控數(shù)據(jù)分流到邊緣計算節(jié)點，讓其所搭載的人臉識別功能不再依賴云端服務(wù)器，避免耗費時間上傳圖像，節(jié)省了大量帶寬資源。而且通過在本地設(shè)備上直接完成臉部辨識，進(jìn)而讓識別過程縮短至1.5秒內(nèi)。在末端，視頻采集設(shè)備負(fù)責(zé)視頻采集、壓縮和圖像/視頻預(yù)處理。在云端，由于邊緣節(jié)點的分布式模型訓(xùn)練可能因其本地知識有限而未能經(jīng)過良好訓(xùn)練，云端利用全局知識進(jìn)行進(jìn)一步處理，并幫助邊緣節(jié)點更新訓(xùn)練模型。

3、實操，從安裝硬件開始

以上應(yīng)用的場景和案例都非常的抽象，一家工廠如果要部署云邊協(xié)同的管理平臺，軟硬件都不是問題，很多工廠都安裝了軟件平臺，關(guān)鍵的如何將現(xiàn)有的設(shè)備安裝智能設(shè)備并且連接到現(xiàn)有的管理平臺之上。其次，才是軟件平臺如何協(xié)調(diào)各種網(wǎng)絡(luò)協(xié)議，將數(shù)據(jù)和平臺數(shù)據(jù)進(jìn)行整合。

藍(lán)奧聲致力于物聯(lián)網(wǎng)多年，技術(shù)涉及無線網(wǎng)絡(luò)通訊、數(shù)據(jù)信息處理、智能測控系統(tǒng)等高新技術(shù)交叉領(lǐng)域，其產(chǎn)品與技術(shù)服務(wù)包括智能感知物聯(lián)網(wǎng)技術(shù)解決方案、物聯(lián)網(wǎng)感知節(jié)點設(shè)備、感知服務(wù)對象設(shè)備（嵌入式、移動及可穿戴、分布式傳感器等）、面向行業(yè)應(yīng)用的智能監(jiān)測與信息系統(tǒng)。

比如在電能監(jiān)測上，采取藍(lán)牙BLE信標(biāo)或“BLE + RFID”組合模式，不僅可以實現(xiàn)低功監(jiān)測信息采集，電能監(jiān)測傳感器發(fā)送的信號不僅用于周邊物聯(lián)網(wǎng)對其對其設(shè)備識別，還能根據(jù)當(dāng)前環(huán)境及設(shè)備狀態(tài)的周邊無線網(wǎng)絡(luò)通訊模式及其服務(wù)設(shè)備的選擇最優(yōu)網(wǎng)絡(luò)機(jī)制。

比如對于工廠設(shè)備運行管理，將智能計電插座插在每一臺設(shè)備上，就能及時了解設(shè)備實時用電情況、功耗、時長等信息，通過對多臺設(shè)備的數(shù)據(jù)對比就能了解該設(shè)備的運行情況是否正常，如果某段時間功耗異常，則說明該設(shè)備老化，至少也該進(jìn)行維修和保養(yǎng)。

如果設(shè)備周邊都配有溫濕度感應(yīng)器，或火警、煙霧預(yù)警器，這些設(shè)備和智能插座相連，但出現(xiàn)火警等突發(fā)事件時，可以預(yù)警，再上報系統(tǒng)請求斷電保護(hù)設(shè)備等措施。

了解了設(shè)備的運行狀況也可以更好的進(jìn)行資產(chǎn)管理，不用以往通過年終盤點的方式進(jìn)行，而是對比數(shù)據(jù)安排好明年的資產(chǎn)維護(hù)和保養(yǎng)。

有了智能設(shè)備就能更好的幫助企業(yè)提升效率，對于這些智能設(shè)備產(chǎn)生的數(shù)據(jù)通過邊緣計算更好地實現(xiàn)網(wǎng)絡(luò)的優(yōu)化和管理的升級。