即使云計算領域不斷采用新技術，越來越多的計算工作也將轉(zhuǎn)移到邊緣。發(fā)生這種變化的一個關鍵原因是：邊緣計算不是云計算的繼承者，而是技術覆蓋范圍的又一次擴展，代表了未來投資和增長的一個絕佳機會。根據(jù)調(diào)研機構IDC公司的調(diào)查，到2025年，物聯(lián)網(wǎng)設備數(shù)量預計將超過560億臺。

隨著邊緣設備和計算技術的采用量持續(xù)飆升，很多企業(yè)需要在內(nèi)部部署設施中處理來自這些設備中不斷增加的數(shù)據(jù)，以便能夠?qū)崟r對數(shù)據(jù)進行處理。這將需要對適應邊緣的基礎設施以及相關工具和平臺進行投資。企業(yè)采用的技術即將再次轉(zhuǎn)型——在創(chuàng)建和使用數(shù)據(jù)時處理和分析一些數(shù)據(jù)正成為一項業(yè)務需求，就像將技術堆棧的其他部分移動到云中一樣。

企業(yè)必須基于不斷更新的數(shù)據(jù)，通過邊緣設備提供更好的客戶體驗。而從云平臺或內(nèi)部部署數(shù)據(jù)中心上傳和下載數(shù)據(jù)通常需要很長時間。無論數(shù)據(jù)是在消費者的智能手機上還是在生產(chǎn)車間，企業(yè)都需要盡可能接近需要實時數(shù)據(jù)驅(qū)動響應的邊緣來處理和分析數(shù)據(jù)。

提供這些功能的競爭已經(jīng)很激烈。許多供應商將邊緣計算視為他們的下一個價值萬億美元的市場機會，這些供應商包括云計算服務提供商、電信運營商，以及服務器和存儲基礎設施提供商。

為什么采用邊緣計算

邊緣計算已經(jīng)以各種形式存在了幾十年。例如，在工廠使用的設備上部署獨立軟件的例子數(shù)不勝數(shù)，這些設備使制造過程的各個方面實現(xiàn)自動化。近年來，其中許多系統(tǒng)已連接到互聯(lián)網(wǎng)，使企業(yè)能夠更容易地收集和共享數(shù)據(jù)?，F(xiàn)在的挑戰(zhàn)是，在邊緣生成的數(shù)據(jù)量往往超過了通過廣域網(wǎng)(WAN)傳輸該原始數(shù)據(jù)的實際程度，企業(yè)需要能夠在網(wǎng)絡邊緣處理和分析大量數(shù)據(jù)的平臺。然后，在邊緣平臺上處理的數(shù)據(jù)的聚合結果可以更高效地與云平臺中、內(nèi)部部署IT環(huán)境甚至網(wǎng)絡本身中運行的其他應用程序共享。

低延遲要求是當今最大的挑戰(zhàn)。在許多情況下，在電信網(wǎng)絡邊緣的網(wǎng)關上運行的應用程序需要能夠在幾分之一秒內(nèi)響應移動計算應用程序的數(shù)據(jù)請求。在其他情況下，邊緣應用程序正在推動自動化工廠的運營，需要動態(tài)調(diào)整以適應在擴展企業(yè)邊緣處理的分析。

還有更高級的用例，其中包括為無人駕駛車輛實時處理計算機視覺數(shù)據(jù)的車載計算機和有望改變制造業(yè)的機器人應用。

硬件進步使邊緣計算成為可能

低延遲網(wǎng)絡連接、高功率計算和大存儲需求的競爭需求正在推動邊緣計算硬件的創(chuàng)新。例如，自動駕駛汽車生產(chǎn)商特斯拉公司在其設備中添加了定制處理器，能夠預處理大量數(shù)據(jù)，執(zhí)行機器學習推理以做出快速駕駛決策和預測，甚至對自動駕駛車輛本身進行一些深度學習模型訓練，然后將數(shù)據(jù)子集發(fā)送給中央系統(tǒng)進行更多訓練。

今年早些時候，特斯拉公司推出了一款擁有60億個晶體管的核心處理器。該公司聲稱，該處理器與在特斯拉ModelS、Model3和ModelX型號中采用的Nvidia GPU相比，其性能提高了21倍。除了AMD公司和Intel等傳統(tǒng)CPU供應商的CPU之外，這些功能強大的處理器還用于信息娛樂等主流應用中。

憑借這種邊緣計算能力，特斯拉公司的自動駕駛汽車可以處理傳感器數(shù)據(jù)，使其能夠識別自動駕駛汽車周圍的行人、道路上的其他車輛、緊急路旁標志和潛在危險的移動物體。該傳感器數(shù)據(jù)還通過預加載的地圖數(shù)據(jù)和GPS連接進行處理。此外，特斯拉自動駕駛汽車中計算機通過特斯拉的網(wǎng)絡將信息傳遞到海量存儲設施，在那里對數(shù)據(jù)進行分析，以改進自動駕駛和其他功能，然后通過網(wǎng)絡將對車輛軟件堆棧的改進下載到自動駕駛車輛上。

醫(yī)療保健是一個對高級機器學習設備和軟件有著類似需求的行業(yè)。來自磁共振成像(MRI)和其他具有推理計算能力的掃描設備部署在多個地點的圖像也需要類似于特斯拉汽車所需的計算能力和網(wǎng)絡基礎設施。然而，大多數(shù)醫(yī)院并沒有興趣或資金來構建自己強大的邊緣計算硬件，并且沒有技術供應商的技術能力。

隨著半導體電路技術的發(fā)展，對于業(yè)務更廣泛的企業(yè)而言，以節(jié)能的方式在邊緣運行應用程序的能力變得更加現(xiàn)實。隨著處理器的每次新迭代，邊緣平臺的總成本將繼續(xù)下降，而可用于運行應用程序的設備功率也在穩(wěn)步增加。

邊緣網(wǎng)絡

無論在邊緣處理和分析了多少數(shù)據(jù)，龐大的數(shù)據(jù)量都會對網(wǎng)絡帶寬產(chǎn)生更多需求，從而產(chǎn)生潛在的瓶頸。一個主要瓶頸是回程——邊緣設備與中央服務器和網(wǎng)絡之間的延伸。未來的邊緣網(wǎng)絡基礎設施可能包括5G、更強大的WiFi連接和設備、低延遲菊花鏈系統(tǒng)、光纖系統(tǒng)(例如谷歌正在開發(fā)的光纖系統(tǒng))、衛(wèi)星連接，以及有待開發(fā)的技術的組合，但有一件事是肯定的：數(shù)據(jù)量的增長速度快于網(wǎng)絡帶寬。

如今，企業(yè)可以選擇在幾種可用的有線和無線網(wǎng)絡替代方案中連接邊緣平臺。涉及邊緣計算的用例數(shù)量正在增加，其部分原因是無線5G網(wǎng)絡使跨多個互連邊緣平臺共享數(shù)據(jù)成為可能。例如，員工佩戴增強現(xiàn)實耳機，不僅可以與本地同事共享數(shù)據(jù)和分析，還可以與數(shù)百公里之外的同事共享數(shù)據(jù)和分析。

隨著電信運營商繼續(xù)虛擬化用來提供5G服務的網(wǎng)絡基礎設施，在更廣泛的地理區(qū)域內(nèi)提供這些服務的成本應該會穩(wěn)步下降。如今，4G網(wǎng)絡在每平方公里的范圍內(nèi)可以支持大約4000臺設備，而5G網(wǎng)絡可以在同一范圍支持的設備多達300萬臺。

就5G技術的發(fā)展來說，現(xiàn)在下結論還為時尚早。凱捷公司對1000家計劃將5G納入其運營的工業(yè)組織進行的調(diào)查中發(fā)現(xiàn)，只有不到三分之一(30%)的企業(yè)已進入試驗和實施階段。然而，通信運營商已經(jīng)在定義6G無線標準，這些標準有望在未來十年內(nèi)為無線網(wǎng)絡帶來又一次巨大飛躍。

無論采用何種網(wǎng)絡，企業(yè)仍需要在在邊緣處理、存儲和最終處理的數(shù)據(jù)量與需要通過WAN傳輸并合并到各種其他網(wǎng)絡中的聚合數(shù)據(jù)量之間取得平衡，集中處理數(shù)據(jù)或充當記錄系統(tǒng)的平臺。

安全因素

可以說，邊緣計算的最大障礙是安全性。企業(yè)每次在部署邊緣計算平臺時，需要防御的網(wǎng)絡攻擊面都會增加。這些邊緣計算平臺也由運營技術(OT)團隊管理，而企業(yè)的運營技術(OT)團隊通常不會像谷歌公司的數(shù)據(jù)中心安全團隊那樣擁有豐富的網(wǎng)絡安全專業(yè)知識。大多數(shù)企業(yè)都試圖將他們的運營技術(OT)和傳統(tǒng)信息技術(IT)團隊融合在一起，以部署、管理和保護邊緣平臺。然而，這兩個團隊的文化卻截然不同，企業(yè)需要時間來協(xié)調(diào)這兩個團隊的工作。

更具挑戰(zhàn)性的是，很難找到和保留具有網(wǎng)絡安全專業(yè)知識的人才。網(wǎng)絡犯罪分子已經(jīng)發(fā)現(xiàn)運營技術(OT)環(huán)境的脆弱性。而網(wǎng)絡攻擊事件已經(jīng)證明，控制電網(wǎng)和其他關鍵基礎設施系統(tǒng)的工業(yè)控制系統(tǒng)是網(wǎng)絡攻擊者的主要目標。從他們的角度來看，連接到網(wǎng)絡的每個邊緣計算平臺都是一種工具，通過它們可以將惡意軟件引入IT環(huán)境。惡意軟件只需幾分鐘即可在整個平臺上快速傳播。

最終，企業(yè)將很快花費大量資金來保護邊緣計算平臺。一旦邊緣計算系統(tǒng)被鎖定并確保安全，可以改善整體網(wǎng)絡防御——在邊緣處理更多數(shù)據(jù)而不需要移動數(shù)據(jù)，因為可以顯著減少網(wǎng)絡攻擊面。

邊緣計算生態(tài)系的發(fā)展

一旦適當級別的基礎設施部署到位，面臨的下一個挑戰(zhàn)就是構建應用程序。容器技術的廣泛采用使開發(fā)人員能夠使用需要更少內(nèi)存和存儲的工具來構建應用程序。如今的大多數(shù)容器環(huán)境在某種意義上都是去中心化的，例如基于Docker和Kubernetes的容器環(huán)境，但卻運行在像數(shù)據(jù)中心這樣的中心化環(huán)境中。更小的容器工作正在取得進展，這使得在距任何服務器或網(wǎng)關數(shù)百公里的石油鉆井平臺上部署應用軟件變得更加容易。

開源Kubernetes容器編排引擎的輕量級實例開始受到關注。無論部署在哪個平臺上，Kubernetes通過呈現(xiàn)一組一致的應用程序編程接口(API)，提供了在高度分布式計算環(huán)境中集中部署和管理基于現(xiàn)代微服務的應用程序的機會。

工業(yè)API規(guī)范和框架也開始出現(xiàn)，用于機器學習、數(shù)據(jù)科學和其他支持邊緣計算的技術。英特爾公司和其他公司支持的oneAPI就是一個例子，它為開發(fā)邊緣應用程序提供了一個框架。

開發(fā)平臺的提供商也在競相創(chuàng)建框架，使在邊緣計算架構中構建應用程序變得更簡單，無縫調(diào)用在云平臺中運行的后端應用程序服務。Apache Airflow和Kafka等分布式事件流平臺可以在允許邊緣計算平臺與這些后端平臺大規(guī)模共享數(shù)據(jù)方面發(fā)揮作用。一些企業(yè)還將調(diào)用內(nèi)容交付網(wǎng)絡(CDN)的服務，以提高已構建的全球接入點(PoP)網(wǎng)絡部署的應用程序的性能。

最后，部署在邊緣的有狀態(tài)應用程序可能需要提供對持久數(shù)據(jù)形式的訪問的本地數(shù)據(jù)庫。如今部署的大部分容器應用程序都是無狀態(tài)的——它們將數(shù)據(jù)存儲在外部存儲系統(tǒng)上。構建訪問本地Kubernetes集群上容器中數(shù)據(jù)的有狀態(tài)應用程序更具挑戰(zhàn)性。

已經(jīng)有大量熟悉容器平臺的開發(fā)人員在等待，直到改進的硬件和軟件盡可能地在邊緣簡化和安全地部署高度可遷移的應用程序。

即將到來的人工智能和數(shù)據(jù)管理挑戰(zhàn)

機器學習和人工智能的興起可能會推動未來激動人心的邊緣創(chuàng)新。如今，人工智能模型通常在位于中央的云計算平臺中進行訓練。然后可以在生產(chǎn)環(huán)境中創(chuàng)建和部署，人工智能和機器學習推理引擎，在該環(huán)境中，經(jīng)過訓練的人工智能引擎會在發(fā)現(xiàn)新數(shù)據(jù)時推斷出要采取的操作。

隨著時間的推移，這些推理引擎會隨著收集的新數(shù)據(jù)量超過原始人工智能模型所基于的參數(shù)而發(fā)生漂移。與IT和OT團隊合作的數(shù)據(jù)科學團隊需要訓練新的人工智能模型來替換邊緣的推理引擎。雖然人工智能和機器學習的能力不斷進步，結合低功耗和高性能處理器和其他有助于降低成本的組件，可以提高預測系統(tǒng)的準確性和性能，但通常不會降低發(fā)生這種漂移的程度。

如果人工智能模型至少可以在邊緣部分重新訓練，這有助于減少預測精度漂移。然而，在邊緣平臺內(nèi)有效地重新訓練人工智能模型所需的軟件和硬件基礎設施仍處于早期階段。也就是說，隨著越來越強大的硬件成本的下降和邊緣機器學習軟件系統(tǒng)的改進，在邊緣進行訓練的能力將變得更加可行。

經(jīng)濟影響和投資機會

根據(jù)研究機構MarketsandMarkets公司的調(diào)查，2020年全球邊緣計算市場規(guī)模約為36億美元。預計到2025年將增長到157億美元，復合年增長率(CAGR)達到驚人的34.1%。

麥肯錫公司預測，到2025年，僅涉及物聯(lián)網(wǎng)(IoT)應用的用例所產(chǎn)生的經(jīng)濟價值將在每年3.9萬億美元至11.1萬億美元之間。而在邊緣平臺的所有其他用例以及潛在的積極經(jīng)濟影響將變得巨大。

邊緣計算本身就是一個巨大的技術市場，也將推動對集中式云計算的需求增加。Gartner公司指出，到2023年底，20%的安裝邊緣計算平臺將由超大規(guī)模云提供商交付和管理。而這個巨大的新興市場還有80%機會提供給其他廠商。