边缘计算是什么？

近年来，物联网设备数量呈线性增长趋势。根据艾瑞测算， 2020年，中国物联网设备的数量达74亿，预计2025年突破150亿个。

同时，设备本身也变得越来越智能化，AI与互联网在实际应用中的融合，将推动我们步入“万物互联”时代，由此产生的数据也将发生爆炸式增长。

 

在过去的十年中，云计算已经成功地缓解了由于数据量增加而带来的存储和管理问题，但复杂的网络环境使得网络延迟控制难以实现突破性的进展。

因此，传统的云计算无法满足对响应时间和安全性的高要求。以无人驾驶汽车为例。高速行驶的汽车需要在几毫秒内作出反应。一旦由于数据传输、网络问题等原因导致系统响应时间增加，将会造成严重的后果。

此外，云计算还面临带宽不足的问题。如果将边缘设备产生的大量数据全部传输到云计算中心，将给网络带宽带来巨大压力。

例如支持智能驾驶辅助的汽车，每秒钟可以产生几十至数百MB的数据，在大流量的交通场景中，成百上千台车的数据同时上传云端通讯，会对区域带宽产生比较大的占用，发生延迟甚至拥堵。

 

在这个应用环境中，边缘计算应运而生。结合现有的云计算集中处理模型，可以有效解决云中心和网络边缘的大数据处理问题。

边缘计算是云计算的补充和优化。如果说云计算是“云端”集中处理数据，那么边缘计算可以理解为在边缘、靠近终端(如屏幕、传感器等智能设备)的地方进行数据处理。在许多情况下，边缘计算和云计算是一种共生关系。

 

有一个生动的解释。把云计算和边缘计算理解为章鱼的器官似乎更容易。

 

作为自然界中智商最高的无脊椎动物，章鱼拥有“概念思维”的能力，这与两种强大的记忆系统密不可分。一个是大脑记忆系统，它有5亿个神经元，另一个是8个爪子上的吸盘。

换句话说，章鱼的八条腿可以思考和解决问题。云计算就像章鱼的大脑，而边缘计算就像章鱼的小爪子。爪是靠近实际物体的一个小型计算机房。边缘计算离设备更近，离用户更近。

 

边缘计算的优势

因为在把计算放在了边缘（用户端），所以让边缘计算也具备了特殊优势：

降低带宽压力：边缘计算机可以处理部分临时数据，只需要向云端传输有价值的数据，不需要全部上传，这大大降低了网络带宽压力，降低了对计算和存储资源的需求。

延迟更低：靠近数据源头计算可以大大减少系统延迟，提高响应时间。

经济性高：如果应用程序完全依赖云计算，即使从技术角度可以解决带宽和延迟问题，但使用边缘计算的成本可能会更低。

可靠性高：终端到云端的网络连接很难做到100%可靠稳定，但应用程序需要确保正常运行。在这种情况下，必须使用边缘计算。例如驾车通过隧道时，网络中断，你肯定不希望自动驾驶因为断网而失灵。

隐私保护：尽管云计算会进行数据脱敏处理，但考虑到隐私问题，仍然有许多应用程序需要在本地处理。边缘计算为关键隐私数据的存储和使用提供了便利，提高了数据的安全性。

因为这些优点，让边缘计算在近些年逐渐成为物联网的重要技术，并保持快速上涨的趋势。

 

边缘AI又是什么？

边缘计算是一个连续迭代更新的概念，不同技术的融合使得边缘计算的核心不断创新。例如，人工智能和神经网络在边缘端的应用，也为“边缘AI”的落地提供了助力。

得益于云服务器广泛的数据计算能力，人工智能和机器学习领域取得了巨大进展，更全面的人工神经网络诞生，可以解决更复杂的任务。

随着网络架构和工具对嵌入式系统的不断适应和兼容，越来越多的人工智能应用也可以直接运行在边缘设备上，因此“边缘AI”成为人们讨论的热点。

边缘AI是指在硬件设备无需网络连接就能在本地处理数据的AI计算能力。边缘AI计算机可以通过云上生成的深度学习数据，在数据的源头，即边缘端的设备上进行模型推理和预测。

NVIDIA边缘AI芯片

目前，世界上还没有边缘AI的标准架构和统一算法，但各大厂商已经开始在相关领域进行探索。在边缘AI芯片领域英伟达率先发力，谷歌与英特尔在后方紧追不放。

而亚马逊、微软等传统云服务提供商也纷纷推出了边缘AI服务平台，通过在终端设备上运行预先训练好的模型进行机器学习推理，将智能服务推向了边缘设备。

 

边缘AI与5G的关系

 

边缘AI与5G可以说是相辅相成。

5G诞生之初规划了三种场景：eMBB（增强移动宽带）、mMTC （海量机器类通信）和 uRLLC（超可靠低时延通信）。其中，eMBB应用于超清视频等大流量业务，mMTC应用于大规模物联网业务，uRLLC应用于如无人驾驶、医疗、工业自动化等需要低时延、高可靠连接的业务。

5G进一步提高去中心化，在网络边缘部署小规模或者便携式数据中心，对终端请求进行本地化处理，满足uRLLC和mMTC的超低延时需求，因此边缘AI是5G核心技术之一。

 

边缘AI可以解决5G三大场景所面临的问题。

首先，边缘AI计算机将为新的和现有的边缘端设备提供连接和服务；

第二，尽管5G可为基于云的应用提供更快的连接和更低的延迟，但仍然会产生数据处理和存储的成本。混合边缘AI+5G解决方案将降低这些成本。

最后，边缘AI允许更多的应用程序在边缘运行，减少了数据传输速度和带宽限制造成的延迟，在边缘端本地执行数据分析，分担云端的工作。

5G和边缘AI在一定程度上是互补的。一方面，得益于5G自身的发展，直接推动边缘AI的进步。另一方面，由于5G对物联网的促进，也将间接推动边缘AI的发展。

这就是边缘AI与5G的关系与现状。未来，通过边缘AI与5G的不断深化融合，会有更多新的概念和新的诞生，让科技带来更好的生活。