物联网中“边缘计算” 和物联网的亲密关系解读

物联网的终极目标是万物互联，边缘计算是解决云计算面临的数据传输问题的主要途径，比云计算有更大的优势。

物联网的终极目标是万物互联。但目前在宽带层面，设备到云端的数据传输还不能完全实现。这时，边缘计算出现在公众视野中。边缘计算就是将数据处理、存储、应用到接近实物的边缘，让用户得到更快的响应，解决设备和云端之间的数据传输问题。与云计算相比，具有更大的优势。

随着物联网的发展，边缘计算已经成为时下最热门的技术之一，吸引了华为、阿里、ARM、Intel等行业巨头的布局。那么边缘计算到底神圣在哪里，它和物联网有什么联系？且看下文。

云计算的物联网挑战

云计算作为互联网最重要的平台技术，可以构建大型数据中心，集中存储和处理大量数据，利用数据中心海量机器的计算能力进行计算和解决问题。

自本世纪初云计算模式的出现和广泛应用以来，云计算已经改变了我们的生活、学习和工作。从贵州到冰岛，世界各地都能看到大公司的数据中心。对于亚马逊、微软、阿里、腾讯来说，云计算平台也成为了最重要的业务和收入来源之一。然而，随着物联网时代的到来，云计算平台将面临海量设备接入、海量数据、带宽不足、高功耗等艰难挑战。就目前的带宽水平而言，无法支持设备与云端之间的数据传输，导致云计算中心无法实时回传数据。于是，边缘计算开始进入大众视野。

边缘计算的应用和优势

边缘计算(Edge computing)是一个开放的平台，在靠近对象或数据源的网络边缘，集成了网络、计算、存储和应用的核心能力。边缘计算的核心是将计算任务从云计算中心迁移到生成源数据的边缘设备上。边缘计算的物联网解决方案分为:传感器控制层、网络层、敏捷控制器和应用层。

传感层:这一层包含大量的传感器、控制元件(如开关等。)和测量元件(如电表等。)，以及通信组件。这些通信组件可以是独立的或者与其他组件相结合。

网络层:这一层主要实现集成和互联。除了网络连接和管理，它的功能还包括边缘计算、现场处理和确保业务的本地生存。物联网，尤其是大型工业和民用设施，本地生存和现场处理非常重要。此外，协议转换也是这一层的重要功能。物联网领域有很多协议。这些协议来自于各个行业历史的积累。因此，需要在网关上进行协议转换，将数据承载在IP网络上进行传输。

敏捷控制器:这一层统一处理网关发来的数据，并发送给应用层。它还管理下层网络、传感器、控制组件、测量组件和计算资源，并为网络部署和配置提供自动化工具。

应用层:这一层是各种工业应用。

由于数据只在源数据设备和边缘设备之间交换，并不全部上传到云计算平台，因此与传统云计算相比，边缘计算在物联网应用中有以下五个方面的绝对优势:

安全要求

在云计算模式下，用户的所有数据都需要上传到数据中心，在这个过程中，数据安全成为一个重要的问题。从电子金融账户的密码，到搜索引擎的历史记录，再到智能摄像头的监控，这些个人的隐私数据都被上传到数据中心，其中蕴含着数据泄露的风险。这也是边缘计算赢得大型工业公司青睐的原因之一。

丠知识产权问题

此外，与安全问题密切相关的是对专有数据和知识产权的关注。在云计算中，用户的所有数据都需要上传到数据中心，比如炼油厂的炼油工艺、可乐厂家的配方等被视为商业秘密的重要信息，都有可能通过优质传感器获得的工业数据来获取。

相互作用延迟和弹性

在物联网应用中，数据量巨大，直接上传到云计算中心进行处理已经不适合。不仅网络带宽压力大，而且搜索海量数据也让人无法接受。自动驾驶汽车对数据传输和交互时延的要求非常高，边缘计算更接近数据源，可以快速处理数据并做出实时判断，从而充分保证乘客的安全。

在自动驾驶汽车中，每辆自动驾驶汽车都配备了多个摄像头和激光雷达，这些传感器每秒钟都在创造大量数据。但是，自动驾驶汽车显然不能等这些数据传输到云计算中心处理后再做决定。此时，边缘计算成为无人实时数据处理的利器。当汽车出现故障危险时，传感器可以迅速发出故障的振动信息，然后发送到本地网关进行处理。网关在识别故障后几毫秒或几秒内发出警报或指令关闭机器。

另外，这也和弹性有关。在汽车、重工机械、制造业工作中，边缘计算在网络覆盖率下降的情况下，仍然可以保证本地网络的生存，保持连续工作，避免事故发生。

降低带宽成本。

一些连接的传感器(如工作在引擎中的摄像机或聚合传感器)将产生大量数据。在这些情况下，将所有这些信息发送到云上会花费很长时间和太多成本。

随着智慧城市和公共安全的需要，摄像机视频分析技术的重要性凸显出来。但由于摄像头数量多，产生的数据量巨大，已经不适合直接上传到云计算中心进行处理。不仅网络带宽压力大，而且搜索海量数据也让人无法接受。这个时候，边缘计算就派上用场了。

丠自主能力

由于具有延迟性和弹性，边缘计算自主决策不依赖于云的特性，成为物联网应用中的决定性优势。

对于很多人来说，用物联网连接工厂或办公室的目的是为了实现很多流程自动化。在边缘计算中，机器不仅可以监控自己和它正在执行的进程，还可以对它进行编程，以便在出现问题时采取正确的行动。因此，当传感器检测到压力增加时，它可以释放进一步向下的阀。一旦流程依赖于特定的自动化级别，就必须由该级别及时制定。

总结

边缘计算可以就近提供智能互联服务，满足行业在数字化转型过程中的关键需求。物联网时代的数据处理2.0时代，不断增加的数据催生了边缘计算的需求。根据IDC的预测，未来将有超过50%的数据需要在网络边缘进行分析、处理和存储。其巨大的市场空间也被巨头们看到了。未来边缘计算如何更好的推动物联网技术的发展，让我们拭目以待！

未来智能实验室是由人工智能科学家和科学院相关机构共同建立的人工智能、互联网和脑科学交叉学科研究机构。

未来智能实验室的主要任务包括:建立AI智能系统的智商测评体系，开展国际人工智能的智商测评；开展互联网(城市)云脑研究计划，建设互联网(城市)云脑技术和企业图谱，服务于提升企业、行业、城市的智能化水平。