“可能有人會覺得這個(gè)題目有點(diǎn)不合時(shí)宜——在云計(jì)算如日中天的時(shí)候，去討論TA的“終結(jié)”，讓人感覺怪怪的。不過越接近云計(jì)算的人越容易發(fā)現(xiàn)，這兩年對云計(jì)算這種集中式數(shù)據(jù)處理模式的吐槽漸漸多起來。我們不妨隨著數(shù)據(jù)在云計(jì)算的標(biāo)準(zhǔn)路徑上走一遭，看看可能遭遇到的“槽點(diǎn)”有哪些。

物聯(lián)網(wǎng)時(shí)代，數(shù)百億級的設(shè)備正在井噴式地“生產(chǎn)”出海量的數(shù)據(jù)，如果這些數(shù)據(jù)全部匯聚到云端進(jìn)行處理，那就會對數(shù)據(jù)傳輸?shù)膸捥岢鰳O高的要求。盡管5G等下一帶通信技術(shù)值得期待，但我們可以做一個(gè)簡單的類比——在北京，如果所有人的工作場所都在五環(huán)以內(nèi)，那么修再多的路，都會很快被上班族的洪流擁塞掉——因此現(xiàn)實(shí)中，基礎(chǔ)設(shè)施的進(jìn)步總是會滯后于需求的增長。

其次，當(dāng)數(shù)據(jù)匯聚到云端之后，如此高密度的數(shù)據(jù)計(jì)算和處理對于摩爾定律和現(xiàn)有的計(jì)算機(jī)體系結(jié)構(gòu)都是巨大的挑戰(zhàn)。與此同時(shí)，和高性能計(jì)算伴生的可觀的能耗，也是人們無法回避的一個(gè)問題。

數(shù)據(jù)在云端經(jīng)過處理和決策，會將行動(dòng)指令下發(fā)到邊緣端，但在很多追求實(shí)時(shí)性的應(yīng)用場景下這樣的“響應(yīng)”已經(jīng)太遲了。比如當(dāng)今一輛汽車上會有100個(gè)CPU，無人駕駛汽車CPU的數(shù)量可能會達(dá)到300~400個(gè)，如果關(guān)鍵的決策都需要數(shù)據(jù)在云上轉(zhuǎn)一圈才形成，后果可能不堪設(shè)想。

最后，難免會有一些“心存惡意”的數(shù)據(jù)會在網(wǎng)絡(luò)中游蕩，如果僅在云端設(shè)置一道網(wǎng)絡(luò)和數(shù)據(jù)安全的防線，這樣的防御策略顯然讓人放心不下。

圖1，經(jīng)典云計(jì)算架構(gòu)（圖片來源：網(wǎng)絡(luò)）

既然云計(jì)算不能給出一份“完美”的答卷，人們自然會去尋找新的解決方案。如今被作為云計(jì)算“顛覆者”推到前臺的就是邊緣計(jì)算。故名思議，邊緣計(jì)算就是要在網(wǎng)絡(luò)端點(diǎn)或接近網(wǎng)絡(luò)端點(diǎn)的網(wǎng)絡(luò)邊緣地帶去完成數(shù)據(jù)的計(jì)算和處理，經(jīng)過邊緣計(jì)算預(yù)處理的數(shù)據(jù)（而非原始數(shù)據(jù)）可以有選擇地發(fā)送到云端做“深加工”，也可以根據(jù)需要在邊緣端直接形成決策和響應(yīng)指令。

邊緣計(jì)算這種“去中心化”的分布式計(jì)算架構(gòu)，恰恰彌補(bǔ)了云計(jì)算的軟肋：離數(shù)據(jù)源更近，帶寬要求不高，對基礎(chǔ)設(shè)施依賴度低，實(shí)時(shí)性強(qiáng)，還有利于在網(wǎng)絡(luò)邊緣上構(gòu)筑第一道數(shù)據(jù)安全防線。根據(jù)IDC的預(yù)測，到2021年43%的物聯(lián)網(wǎng)計(jì)算將發(fā)生在邊緣。

圖2，邊緣計(jì)算架構(gòu)（圖片來源：網(wǎng)絡(luò)）

有兩個(gè)有利的技術(shù)因素也在加速邊緣計(jì)算的發(fā)展。一是越來越強(qiáng)大的嵌入式處理器性能，為邊緣計(jì)算的實(shí)施提供了有力的保障。二是深度學(xué)習(xí)等人工智能技術(shù)的發(fā)展，使得我們可以對邊緣設(shè)備進(jìn)行訓(xùn)練，讓其具備更強(qiáng)的邊緣智能。

比如?？低?/u>在2017年推出的“明眸”人臉識別系統(tǒng)，就采用了邊緣設(shè)計(jì)的理念，在數(shù)據(jù)源頭就近完成數(shù)據(jù)預(yù)處理、存儲和傳輸?shù)确?wù)，實(shí)現(xiàn)了更優(yōu)的實(shí)時(shí)性和可靠性。同時(shí)，基于邊緣計(jì)算的“刷臉”系統(tǒng)，無需配套機(jī)房、帶寬成本、運(yùn)維成本，因此在部署和應(yīng)用成本方面遠(yuǎn)低于云端智能識別架構(gòu)。