大量物联网设备所产生的数据洪流加大了云端的存储和计算压力，因此有人提出将存储和计算在边缘端完成的策略，边缘计算在两年前应运而生，经过两年发展目前已经在安防和工业领域初见成果，IDC预测，到2020年全球有超过50％的数据需要在边缘处理。看到这里，可能会有人想：既然计算和存储可以在边缘完成，是不是就意味着边缘计算可以替代云计算？在今年的边缘计算产业峰会上，边缘计算产业联盟副理事长、华为网络研发部总裁刘少伟表示，“过去十年，云计算正在从技术到产业生态逐步成熟，如今的边缘计算就像几年前的云计算，正处在一个蓬勃发展的周期中，边云应该相互协同，而不是替代关系。比如，从下面的各层资源一直到各层数据的上面服务协同，各层协同实际配合起来才能组建好的方案。” 边云协同是物联网的未来大趋势。

在本次峰会上，边缘计算联盟与工业互联网产业联盟（AII）一起发布了《边缘计算与云计算协同白皮书》，介绍了边云协同的总体内涵和参考框架，以及物联网、工业、智慧家庭、广域接入网络、边缘云和MEC边云协同的主场景，阐明了边云协同会放大边缘计算与云计算的价值。刘少伟介绍，“去年新加入的会员有40多个，现在联盟会员已经超过200家，包括中国移动、中国电信北京研究院、江苏未来网络创新研究院、山东大学、西安交大等研究所和大学；新技术合作伙伴有海力士、天合光能等；总体来看，联盟成员组成比较健康，既有来自于OT的研究机构，也有ICT企业。如今在四个行业发布了30多个测试床，新增9个，包括边缘智能、边云协同和边缘安全创新等领域。”

边缘计算尚在探索阶段，需要联盟成员共同推进

虽然才提出两年，边缘计算在一些热门行业已经颇具发展前景，但是业界认为目前还处于发展初期。英特尔中国物联网事业部首席技术官张宇的解释是，“一方面，用户对于怎么使用边缘计算，在哪些场景使用边缘计算，边缘计算能够带来什么样的价值，还没有想清楚，因为有些应用需要供需双方共同努力挖掘出来。对英特尔来说，我们是技术提供者，我们通过ECC平台与产业链各个环节的合作伙伴一起，包括最终的使用者一起来发掘需求，共同做解决方案，促进好的使用模式更快落地；另一方面，边缘计算在理论方面、算法方面还处于不断探索阶段。像Movidius这样的技术成熟以后，整个大数据才真正被用起来，边缘计算也类似。ECC联盟一直在进行探索，今天颁布的《边缘计算参考架构3．0》和《边缘计算与云计算协同白皮书》就是对探索初步成果的总结。”

谈到边缘计算的推进，产业届上下游一定会讨论边缘计算会在哪些行业率先落地？其实边缘计算是一个数据爆发的过程，数据爆发以后，从存储、计算，到传输本身都会产生成本，英特尔副总裁兼物联网事业部中国区总经理陈伟表示，“这要看数据本身的负载，对于视频技术应用，如：视频监控、零售业的人脸识别、智能制造、智慧城市等这些应用场景，当有大量的数据需要存储和分析时，这些行业会先落地，尽管是一个垂直行业的表象，但是真正是看数据的负载形态。视觉应用是跨行业的，看似是不同的行业，但真正从技术来看都是视觉技术。人工智能作为解决数据爆发的工具，会在数据里面挖掘价值，它越靠近数据越能够建模，做到训练，才能够使得人工智能这个推理作为一个手段能够得到尽早的完善，同时加速整个行业的落地。”

工业边缘计算平台表面缺陷检测

边云协同：云端训练，边缘推理

既然在云端和边缘端分别完成不同数据处理，那么如何划分边缘和云端的处理职能？笔者其实清楚这个问题回答起来挺难，但是还是忍不住抛给了英特尔的专家。张宇博士通过人脸识别的例子来做了解释，“现在人脸识别用得最多的是基于深度学习和人工智能的技术，这些技术大概分为两阶段：第一是训练阶段，第二是推理阶段。在训练的阶段要使用大量的样本，通过反复迭代来最终做出人脸处理的模型。从目前的技术实现来看，训练阶段目前绝大部分还是发生在云端，因为在这一过程计算量比较大；另外，训练和推理有很大的区别，训练是一个反馈的过程，有一个反向的处理优化的过程，而推理往往是前向的，一条路处理完就结束了，它们的处理复杂度不一样。目前在云端做更多的训练，在边缘侧做很多推理工作，然后利用训练的结果，把训练完以后的模型下载到边缘侧进行推理，这是目前已经实现的做法。”

关于未来的发展，张宇博士表示，“我们能够预见，在今后随着计算机计算能力的不断增强，一部分的训练工作有可能从云端推送到前端，也就是对于某些已经第一步训练完以后的网络，可能还需要重新优化的过程，这个优化很可能在边缘侧发生。比如我们做语音识别时，可能第一步先做针对普通话训练的语音识别，建立一个模型，当我们把这个模型用在山西或者云南，这些地方存在口音和方言，因此在这些地域应用，需要对模型进行优化，这里的优化工作很可能在边缘实现，只要算力足够强，根据新的动态样本，对第一阶段所生成的模型做动态的优化，把这个结果用在特定的地域进行使用，效果会更好。所以类似这样的动态训练，我们认为在今后随着算力的逐渐增强会发生。”

边缘智能控制器

联盟为成员带来更多合作机会

边缘计算产业呈现应用广且碎片化的发展态势，因此未来边缘计算不是一家公司或者几家公司就能实现的一项技术，而需要建立一个生态系统，让产业链上下游的合作伙伴共同建设。虽然在讨论边缘计算时，大家提到了很多不同的技术，但是大家对于分布式计算和边缘计算的理解却是惊人的一致。

过去的计算跟随数据移动，数据在云端，计算就发生在云端；如果今天数据因为网络限制或者实时性需求，必须要在终端处理，从架构来看，边云协同就非常重要。如果每次从云计算切换到边缘计算都需要改变架构，而且所有算法、操作系统都不同，运算会非常缓慢，过程会非常痛苦，因此我们不仅需要边缘智能，还需要边云协同。张宇博士指出，“这个协同的分量从量来讲，协同是一个定性的定义，但是从量来讲，会随着网络带宽的成本和带宽4G到5G作为很动态的变化，而且最终会因为实时性需求和整个成本的考量，将来可能是端到端的软件定义的系统。作为英特尔来讲，如果我们芯片又能够支撑边缘计算，又能够辅助于云端的计算，那边云协同一定是我们公司能够提供的优势。中国移动加入以后，提到serverless，其实不是不用服务器，大家认为服务器是支撑数据中心的，实际上对我们来讲是同一个芯片，这个芯片可能就待在酒店里，因为它的网关里面就用了很高端的芯片，把所有电梯、门窗或者监控系统都能够整合到在酒店局部的操作服务器的架构里面。边云协同是能够促使边缘计算行业快速发展的一个主要因素之一。”

在边缘计算产业联盟里，成员彼此互相带来价值，进行合作。从物联网来看，产业链很长，每一个公司只是整个产业链的一个环节。产业联盟给成员带来价值就是合作机会。在边缘计算产业联盟主持测试床的工作中，三年来总共批准了30个测试床，今年新批了9个测试床，其中绝大部分测试床都不是由一家单位独立完成，而是由几家甚至更多的单位合作完成，每个单位在整个测试床只是提供一部分功能，有人提供硬件，有人提供软件，有人提供底层软件，有人提供算法，通过这样的测试床，通过联盟的平台，成员间有了更多合作的机会，通过这样的合作，使一些针对某些行业的边缘计算解决方案能够更快的落地。

“物联网一定会从互联走向智能，再从智能走向自主。”张宇博士认为，这就是物联网发展的“摩尔定律”。