为何边缘计算成了计算界的新“网红”？ | 边缘计算的潜在机遇
本文转载自IT圈儿里人（ID：think_1919）
“想象一下你在未来所拥有的汽车，它知道谁在驾驶它并按照你的偏好来调节驾驶模式、音乐和空调…想象一下在工厂里，每个车间的每台机器都反馈信息来帮助生产线提高效率；想象一下整个城市可以基于实时的条件和需要，自动管理它的公共照明、公共服务和道路维护。”
——这是美国科普图书作家MichaelMiller在《万物互联》一书所描述的 “万物互联”世界。
随着物联网、云计算、大数据、人工智能的发展驶入快车道，这种过去只能在科幻片中见到的场景已经逐渐成为现实。借助这些新兴的技术，制造、能源、医疗、交通…各个行业都开始了轰轰烈烈的数字化转型——全球正在进入第四次技术革命，向着智能时代迈进。
然而，我们还不能过于乐观。
数据为我们带来了巨大财富，也带来了巨大挑战。智能化是以数据的智能分析为基础，从而实现智能决策和智能操作。在万物互联的智能时代，数据将更多地来自边缘侧不计其数的传感器和终端设备，传统的系统并不能有效的利用这些数据。
IDC报告指出，到2020年，将有超过500亿的终端与设备联网。而到2018年，就将有50%的物联网网络面临网络带宽的限制，40%的数据都需要在网络边缘侧分析、处理与存储。
伴随着新的数据处理需求，“边缘计算”被推到了风口浪尖。
智能化转型路漫漫，边缘计算负重担
这些年，各种“计算”层出不迭，网格计算、云计算、框计算、透明计算、雾计算、边缘计算…即便身处ICT行业，也很容易被这些不同的计算搞的云山雾罩。
那么，已经有了如此多的计算架构，再搞出个“边缘计算”又有何意义？
存在即合理，来看几个例子：
制造业为打造“智能工厂”，物联网技术必不可少。当大量的智能化终端和设备通过工业网络接入，企业需要计算和处理的日常业务数据越来越庞大。同时，工业上有大量需要实时处理的场景，需要在毫秒级别进行实时响应。由于网络的限制，云计算架构难以实现实时响应。
油气行业也正在积极应用物联网技术，通过大量传感器，对油田生产数据实现自动化采集，可以大幅减少人力，实现油气田智慧化运营。但如果每个传感器都向云端发送联接，这将给网络带来巨大压力，况且在很多油气行业的应用场景中，网络连接并不稳定。
无人汽车需要在高速移动状态对周围环境做出反应，所以响应时间是个极其重要的指标。假设汽车行驶速度为65英里每小时，紧急制动响应时间即便只慢了几毫秒，汽车紧急制动距离就会多出几英尺，这或许就是发生事故和没有发生事故的区别。
——从这些场景中我们不难发现，随着大量传感器、智能化终端等网络边缘侧设备的连接，物理世界产生着大量的实时数据，如果把这些数据的分析处理等都放到云端，既会带来高昂的广域网带宽成本，又难以满足边缘侧的业务实时性。同时，边缘侧数据对很多行业都是高度敏感和关键的，这些数据放到云端存在安全与隐私方面的风险。
于是，边缘计算这个新的计算模型和技术体系应需而生，顾名思义，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务。
边缘计算的目标是解决各个行业通过物联网技术实现数字化和智能化转型中的所遇到的五大难题：联接(Connection)、业务实时性(Real-time)、数据优化(Optimization)、应用智能(Smart)、安全与隐私保护(Security)，简称“CROSS”，这也正是边缘计算所能提供的五大价值。
边缘计算整个体系中包含了四个关键部分：智能设备、智能网关、智能系统、智能服务，它是联接物理世界和虚拟世界的一道“桥梁”。
可见，近年来逐渐火热的“边缘计算”并非是噱头，随着万物互联时代的来临，边缘计算在推动行业数字化和智能化转型中有着重要意义。
行业数字化转型的本质是对人、物、环境、过程等对象通过数字化产生数据，通过网络化实现数据的价值流动，以数据为生产要素，通过智能化为各行业创造经济和社会价值。而行业数字化转型的终极目标就是实现行业智能化，它有着三个阶段：
1.0阶段是实现商业智能、2.0阶段是实现万物智联、3.0阶段是实现全流程协作。三个阶段对技术体系有着不同的需求，1.0阶段需要的是云计算和大数据，而后两个阶段则需要在网络边缘侧定义新的计算模型和技术体系，把联接、数据分析等智能分布到靠近物或数据源头的地方。
换句话说，要实现行业智能化，边缘计算是一个必不可少的加速器。
产业联盟不可少，众人拾柴火焰高
如今，在AR/VR、无人机、无人汽车、智能制造、油气能源、医疗保健、智慧城市（智慧交通、智慧物流、智能电网、智能环保等）等领域中，边缘计算都已经展现出了巨大的潜力。
但正如历史上每一个新兴技术体系的诞生，边缘计算目前也存在着不少挑战。
其一是跨界协作挑战。制造、能源、公共事业等行业要实现智能化，需要整合机械、电子、ICT等跨行业技术，但传统上一直把OT和ICT分为两个独立领域。边缘计算首先要实现OT和IT领域的深度协作，并将行业专有技术与知识与ICT数字化技术相结合。
其二是长产业链整合挑战。无论OT还是ICT都有复杂的技术体系和产业链条。以ICT为例，智能化离不开传感、网络、计算、存储、数据分析等多领域合作。最终方案的商业化与实施需要产业链的芯片厂商、硬件产品厂商、系统集成商、应用开发商等多角色的协作。
其三是技术碎片化挑战。边缘侧技术体系的每个领域都有大量的技术选择：目前业界有超过6种以上的工业实时以太技术，超过40种工业总线，还有多种公私有云平台。技术碎片化给系统间的互联互通、数据价值的挖掘带来的巨大的挑战和成本。
其四是技术不确定性挑战。人工智能、区块链等新技术在行业应用还是早期探索阶段，存在不确定性风险。这些技术的早期应用者希望降低技术投资风险，获得技术应用的商业回报。
所以，边缘计算要解决这些挑战，靠一两家企业单打独斗并不现实，而是需要整个生态的协同努力，众人拾柴火焰高。
所幸的是，2015年，边缘计算进入到Gartner的Hype Cycle（技术成熟曲线）。随后，边缘计算开始掀起产业化的热潮，各类产业组织、商业组织已经在积极发起和推进边缘计算的研究、标准、产业化和商业化等活动。
最具代表性的是，2016年11月，由华为、SIA、CAICT、Intel、ARM和软通动力等公司发起的边缘计算产业联盟(ECC)在中国诞生。
ECC的愿景是引领边缘计算产业蓬勃发展，深化行业数字化转型。一开始，ECC就明确了四大定位：搭建边缘计算产业合作平台、推动OT和ICT产业开放协作、孵化行业最佳应用实践、促进边缘计算产业健康和可持续发展。
此外还规划了三大业务主线：其一，定义参考架构，以统一术语、统一架构、促进产业协作；其二，定义Testbed（测试床）流程，示范推广；其三，广泛合作，共建产业生态。
一年过去，ECC的工作已经卓有成效。
在生态合作上，截至2017年10月底，ECC的成员数量由成立时的62家已经增加到136家，包括三菱、博世、迅达、施耐德、菲尼克斯、沃克斯、WindRiver、Infosys、McAfee、ABB等国际知名企业。一年中，ECC还与IIC、IEC、JTC-1 SC41、IEEE P2413、IETF等国际标准组织建立了正式合作关系。
在加速边缘计算产业化和商业化变现上，ECC与业内产业伙伴共同打造了超过11个测试床，涉及工业制造、智慧城市、电力能源、交通等领域。如机床物联网测试床、照明物联网测试床、智能楼宇/水务测试床、智能车辆管理系测试床等等。
今年11月7日，ECC与欧洲最大的应用科学研究机构Fraunhofer (FOKUS)研究所联合举办Edge Computing Forum(ECF)大会，这是欧洲首个边缘计算峰会。在国内逐渐将生态建立之后，ECC又开启了走向国际化的第一步。
还记得在ECC成立之初，边缘计算联盟副理事长、华为网络研发部总裁刘少伟曾经将ECC的作用比喻为“航天器发动机中的拉瓦尔喷管”——通过生态合作，将联盟成员在制造、电力、公共事业等行业的应用标准化，再将方案进行全行业推广，进而“加速产业数字化和智能化像火箭一样升空”。
边缘计算的潜在机遇
本文转载自移动边缘网络（ID：EdgeNetwork）
边缘计算仍处于起步阶段，有望为更高效的分布式计算铺平道路。尽管在实现边缘计算时出现诸多挑战，但边缘计算将会催生更多的发展机遇：
1
机遇 1：标准、基准和市场
统一数据连接和数据聚合是业务智能的基础，面对当前工业现场存在的多样化与异构的技术和标准，离不开跨厂商、跨领域的数据集成与互操作。网络边缘侧的本地计算服务无疑会在异构环境中迎来IT厂商、IT方案商以及开发者集成融合服务的挑战，标准化亟待形成。
许多组织正在定义各种边缘计算标准，例如美国国家标准和技术协会（NIST）、IEEE标准协会、国际标准化组织（ISO）、云计算标准客户委员会（CSCC）和国际电信联盟（ITU）等。只有当边缘节点的性能可以根据广泛认可的度量指标可靠地进行基准测试时，才能形成标准。
2
机遇 2：架构和语言
随着支持通用计算的边缘节点不断增加，开发框架和工具包的需求也会随之增长。边缘分析与现有流程不同，由于边缘分析将在用户驱动的应用程序中实现，现有框架可能不适合表达边缘分析的工作流。
编程模型需要利用边缘节点支持任务和数据的并行，且同时在多个层级的硬件上执行计算。编程语言需要考虑工作流中硬件的异构性和各种资源的计算能力，这比云计算的现有模型更加复杂。
3
机遇 3：轻量级库和算法
与大型服务器不同，由于硬件限制，边缘节点不支持大型软件。例如，Intel T3K并发双模SoC的小型基站具有4核ARM的CPU和有限内存，不足以执行复杂的数据处理工作。再比如Apache Spark需要至少8核的CPU和8 GB的内存以获得良好的性能。边缘分析需要轻量级算法，可以进行合理的机器学习或数据处理任务。
例如，Apache Quarks是一种轻量级库，可以在小型边缘设备（如智能手机）上使用，以实现实时数据分析。但是Quarks支持的基本数据处理，例如过滤和窗口聚合，不足以满足高级分析任务。消耗更少内存和使用更小磁盘的机器学习资源库有利于实现边缘节点的数据分析。TensorFlow是另一个支持深度学习算法并支持异构分布式系统的示例框架，但其边缘分析的潜力仍有待探索。
4
机遇 4：微型操作系统和虚拟化
基于微型操作系统或微型内核的研究可以解决在异构边缘节点上部署应用的挑战。研究表明，跨越多个虚拟复用设备硬件的移动容器可以提供与本地硬件接近的性能。容器技术（如Docker）正在成熟，并且能够在异构平台上快速部署应用程序。
5
机遇 5：产学研合作
边缘计算为产业界和学术界提供了独特的发展机会。边缘计算领域的研究可以由行业合作伙伴（例如移动运营商和开发人员、软件工具开发商和云服务提供商等）以及感兴趣的学术合作伙伴共同驱动，以实现双方的共同利益。
一网打尽系列文章，请回复以下关键词查看： |
创新发展：习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧 |
热点专题：军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估 |
预见未来：预见2016 | 预见2020 | 预见2025 | 预见2030 | 预见2035 | 预见2045 | 预见2050 | |
前沿科技：颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 | 基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 | 机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子 | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口 |
先进武器：中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 战斗机 | 六代机 | 网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器 | |
未来战争：未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空站 |反卫星 |
领先国家：俄罗斯 | 英国 | 日本 | 以色列 | 印度 |
前沿机构：战略能力办公室 | DARPA | Gartner | 硅谷 | 谷歌 | 华为 | 俄先期研究基金会 | 军工百强 |
前沿人物：钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普 |
专家专栏：黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨 | |
全文收录：2016文章全收录 | 2015文章全收录 | 2014文章全收录 |
其他主题系列陆续整理中，敬请期待…… |
“远望智库”聚焦前沿科技领域，着眼科技未来发展，围绕军民融合、科技创新、管理创新、科技安全、知识产权等主题，开展情报挖掘、发展战略研究、规划论证、评估评价、项目筛选，以及成果转化等工作，为管理决策、产业规划、企业发展、机构投资提供情报、咨询、培训等服务，为推动国家创新驱动发展和军民融合深度发展提供智力支撑。