“云計算”是現(xiàn)在，“霧計算”是未來？

過去十年來，科技領(lǐng)域最大的趨勢之一是各企業(yè)紛紛向云計算服務(wù)的轉(zhuǎn)變——在數(shù)據(jù)中心存儲和處理數(shù)據(jù)以及運(yùn)行應(yīng)用程序的行動，使得包括亞馬遜和微軟等在內(nèi)的云巨頭受益，而不是企業(yè)自己的IT設(shè)備。

但是，即使當(dāng)這一趨勢正在持續(xù)升溫，而且云計算也變得越來越重要的時刻，市場上也出現(xiàn)了可能取代或改進(jìn)它的第一個跡象，即所謂的“邊緣”或“霧”計算。這種新型的計算有著巨大的潛力，不僅因為云的趨勢，而且還有那些有機(jī)會成為大眾市場產(chǎn)品的尖端設(shè)備，其中最著名的是自動駕駛汽車和機(jī)器人。

盡管在云數(shù)據(jù)中心仍有大量工作要做，但邊緣趨勢會將大部分關(guān)鍵的處理和決策能力轉(zhuǎn)移到與它們相連的設(shè)備和產(chǎn)品上，而這些設(shè)備或產(chǎn)品處于網(wǎng)絡(luò)的邊緣地帶。

風(fēng)險投資公司Andreessen Horowitz的普通合伙人Peter Levine表示：“邊緣和云計算之間將存在一種共生關(guān)系?！?/p>

邊緣計算正在將處理能力從云端轉(zhuǎn)移到終端用戶

術(shù)語“邊緣計算”指的是所謂的邊緣設(shè)備。如果你把網(wǎng)絡(luò)看成是一個輪輻和輪子，在它們的中心有服務(wù)器和數(shù)據(jù)中心，而像PC、智能手機(jī)和平板電腦這樣的東西則在一個圈內(nèi)排列，后一組設(shè)備就是邊緣設(shè)備，他們處在網(wǎng)絡(luò)的邊緣。

例如，你的智能手機(jī)連接到你的運(yùn)營商網(wǎng)絡(luò)的邊緣。如果你有一個Nest智能恒溫器或索尼PlayStation 4，它們就處在你家Wi-Fi網(wǎng)絡(luò)的邊緣。

在邊緣計算中，這些設(shè)備仍然與網(wǎng)絡(luò)相連，仍然可以接入云計算服務(wù)。但是他們通常擁有比過去更多的機(jī)載計算能力，并且可以自己做更多的事情。

正如Levine所說：“這是關(guān)于將處理和存儲能力轉(zhuǎn)移到靠近應(yīng)用程序的地方?！?/p>

Nest恒溫器是當(dāng)代邊緣計算設(shè)備的另一個例子，它根據(jù)收集到的用戶習(xí)慣數(shù)據(jù)，調(diào)整用戶家中的溫度

在某種程度上，隨著邊緣計算的發(fā)展，技術(shù)產(chǎn)業(yè)正走向未來。在上世紀(jì)80年代之前，企業(yè)依賴于集中式的大型計算機(jī)，那時工人們可能會使用所謂的“啞終端”進(jìn)行交互。但后來的PC將處理能力轉(zhuǎn)移到了員工的辦公桌上。

最近，云計算趨勢再次集中了處理能力。隨著邊緣計算技術(shù)的發(fā)展，鐘擺開始向后退，更廣泛地向終端用戶分配計算能力。

用美元衡量邊緣計算市場的潛在規(guī)模還為時過早。然而，研究公司Gartner最近估計，到2022年，企業(yè)產(chǎn)生的所有數(shù)據(jù)中，有一半將來自這些更智能的邊緣設(shè)備，而不是來自云或它們自己的數(shù)據(jù)中心。

將其視為一個邊緣計算設(shè)備，這種定義在某種程度上是可以解釋的。但Levine和其他人認(rèn)為，這些小工具的顯著特點是它們能夠自己進(jìn)行智能處理。例如，他們就不會考慮將一個簡單的聯(lián)網(wǎng)燈泡視為邊緣計算設(shè)備，但可能會考慮一個根據(jù)用戶的習(xí)慣調(diào)整自己溫度的恒溫器。

人工智能和自動駕駛汽車正推動著邊緣計算的發(fā)展趨勢

邊緣計算的一個重要驅(qū)動力可能是人工智能的快速發(fā)展，因為它需要大量即時可用的處理能力。一些制造機(jī)器人、安全攝像頭和增強(qiáng)現(xiàn)實頭盔已經(jīng)依賴于人工智能。但是，最能凸顯邊緣計算需求和前景的技術(shù)產(chǎn)品是自動駕駛汽車。

為了在公路上安全行駛，自動駕駛汽車必須確保沿著車道運(yùn)行，能夠識別停車標(biāo)志，如紅燈，并識別行人和騎自行車的人，確保給他們讓路。所有這些都要求汽車實時處理大量的數(shù)據(jù)，甚至精確到每一輛車的每一秒。據(jù)一些人估計，事實上，自動駕駛汽車每秒鐘能產(chǎn)生高達(dá)1G的數(shù)據(jù)。

在通用汽車工廠的裝配線上，機(jī)械臂正在焊接一輛SUV

這些數(shù)據(jù)非常龐大，而且需要得到迅速的處理，所以這樣的汽車是不可能依賴于云中服務(wù)器的。因為如果要依賴AWS，或者微軟Azure，來處理這些信息，他們就必須首先把數(shù)據(jù)上傳到這些云服務(wù)中，等待被處理，然后等待結(jié)果。盡管這些服務(wù)可能很快，但它們還不夠快，不足以實時響應(yīng)當(dāng)前的駕駛條件或迫在眉睫的危險。

Levine說：“在信息從云端傳回之前，汽車將會通過停止標(biāo)志并碾過行人?！?/p>

因此，Waymo和其他自動駕駛汽車的開發(fā)人員不再依靠云計算，而是用來自Nvidia和Intel等公司的重型處理器裝載他們的車輛，給每輛車足夠的計算能力，使其本質(zhì)上成為一個“車輪上的數(shù)據(jù)中心”。

邊緣計算很可能與云計算配合工作，而非完全取代它

但是，新的邊緣計算趨勢的重要之處在于，即使它將處理能力推回到邊緣，它也不會脫離云。相反，云計算仍然扮演著重要的角色。

例如，在自動駕駛汽車上，通常在一天結(jié)束的時候，車輛會把收集到的數(shù)據(jù)發(fā)送到云端。自動汽車系統(tǒng)的制造商使用他們從汽車中收集到的數(shù)據(jù)來訓(xùn)練和完善自己的軟件，這樣車輛就能提供更平穩(wěn)更安全的行駛。

擁有內(nèi)置人臉識別系統(tǒng)的機(jī)器人、手機(jī)和網(wǎng)絡(luò)攝像頭，以及其他依靠人工智能的工具也以上訴類似的方式工作。該設(shè)備可以完成大部分初始或即時的處理，但它依賴于云智能來改進(jìn)本身的功能。

云計算巨頭都以這樣或那樣的方式接受著邊緣計算。例如，Amazon提供了幾項服務(wù)，可以將設(shè)備與AWS集成，就像谷歌云服務(wù)一樣。

當(dāng)Satya Nadella首次出任微軟首席執(zhí)行官時，他曾說過一句名言：公司將奉行“云第一，移動優(yōu)先”的戰(zhàn)略。去年，他更新了這一愿景?，F(xiàn)在，Nadella說，微軟是關(guān)于“智能云和智能邊緣”的。

微軟首席執(zhí)行官薩蒂亞·納德拉宣布公司的“智能云，智能邊緣”的戰(zhàn)略

微軟一位主導(dǎo)邊緣計算的主管Sam George表示，有了運(yùn)行在Azure上的軟件，這家軟件巨頭有機(jī)會幫助客戶讓邊緣設(shè)備更好地運(yùn)作。

George表示，微軟的一些大企業(yè)客戶已經(jīng)從邊緣計算模型中獲益。一個客戶正在其制造機(jī)器人上使用微軟的邊緣計算服務(wù)。這些機(jī)器人內(nèi)置足夠的人工智能技術(shù)，所以即使無法聯(lián)網(wǎng)，它們也能繼續(xù)工作。而如果沒有這種聯(lián)系，該公司可能會經(jīng)歷“災(zāi)難性的停工”。

George還提到：“他們正在對設(shè)備本身進(jìn)行實時處理?！?/p>

所以最后，當(dāng)涉及到邊緣和云計算時，它們并不一定是競爭關(guān)系；他們不需要給用戶提供一個非此即彼的選項，George說。相反，兩者可以相為補(bǔ)充，對于技術(shù)提供商和客戶來說，重要的應(yīng)該是在云計算和邊緣設(shè)備的處理能力之間找到正確的平衡點。

George還補(bǔ)充到：“邊緣計算的全部要點在于其所具備的保持云服務(wù)和運(yùn)行設(shè)備之間一致性的能力?！?/p>

生成海報

免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。