边缘计算是什么,和云计算的区别是什么

“边缘计算”的概念本身并不是一个“新鲜词”。早在2003年，CDN服务商Akamai就与IBM合作推出了最早的“边缘计算”。如果以时间维度看，从亚马逊在2006年推出AWS看作是云计算的起点开始，那么它要比云计算被提出的时间更更加的早。
不过，过去很多年的时间由于技术和应用场景等各种原因，边缘计算一直没有获得太多的关注，直到5G时代的到来，才让一直处在“很边缘”的边缘计算得到了全新的发展良机。
云计算是通过使计算分布在大量的分布式计算机上，而非本地计算机或远程服务器中，企业数据中心的运行将与互联网更相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。
云计算vs边缘计算
云计算的不足
随着边缘计算的兴起，在太多场景中需要计算庞大的数据并且得到即时反馈。这些场景开始暴露出云计算的不足，主要有以下几点：大数据的传输问题：据估计，到2020 年，每人每天平均将产生 15GB 的数据。随着越来越多的设备连接到互联网并生成数据，以中心服务器为节点的云计算可能会遇到带宽瓶颈。数据处理的即时性：据统计，无人驾驶汽车每秒产生约 1GB 数据，波音 787 每秒产生的数据超过 5GB；2020 年我国数据储存量达到约 39ZB，其中约 30% 的数据来自于物联网设备的接入。海量数据的即时处理可能会使云计算力不从心。隐私及能耗的问题：云计算将身体可穿戴、医疗、工业制造等设备采集的隐私数据传输到数据中心的路径比较长，容易导致数据丢失或者信息泄露等风险；数据中心的高负载导致的高能耗也是数据中心管理规划的核心问题。
边缘计算的优势和发展
边缘计算的发展前景广阔，被称为“人工智能的最后一公里”，但它还在发展初期，有许多问题需要解决，如：框架的选用，通讯设备和协议的规范，终端设备的标识，更低延迟的需求等。随着 IPv6 及 5G 技术的普及，其中的一些问题将被解决，虽然这是一段不小的历程。相较于云计算，边缘计算有以下这些优势。
优势一：更多的节点来负载流量，使得数据传输速度更快。
优势二：更靠近终端设备，传输更安全，数据处理更即时。
优势三：更分散的节点相比云计算故障所产生的影响更小，还解决了设备散热问题。
两者既有区别，又互相配合上文讲了云计算的缺点以及边缘计算的优点，那么是不是意味着在未来，边缘计算更胜云计算一筹呢？其实不然！云计算是人和计算设备的互动，而边缘计算则属于设备与设备之间的互动，最后再间接服务于人。边缘计算可以处理大量的即时数据，而云计算最后可以访问这些即时数据的历史或者处理结果并做汇总分析。

作为新兴技术趋势的佼佼者，边缘计算正在成为促进行业数字化转型的重要抓手，在智能化改造上起到重要作用。
“数字新基建”主要围绕着ABCD四方面发展，A是人工智能、B是区块链、C是云、D是大数据，随着5G的快速推进，给ABCD插上翅膀，算力的不断下沉，将会涌现很多有趣的垂直行业应用场景，为边缘端更好实现技术赋能提供了价值。
以当前比较热门的自动驾驶来说，同样是边缘计算最重要的应用场景之一。在自动驾驶场景中，车辆需要做到比驾驶员更快的响应决策速度，也就是说最多只有零点几毫秒时间，同时还要能够自动感知到行车过程中周围车辆、行人、甚至整条路况的实时信息。如果按传统以云中心集中计算为主的决策架构，这对于要做到和人一样反应的自动驾驶来说时间太长了，所以如果没有边缘计算，如果数据的感知处理、控制的决策不能在车辆上本地进行，自动驾驶就会成为空中楼阁。
通过边缘计算的应用，以车辆本身的边缘计算，以及车路协同形式，在道路两旁会部署一些小型智能服务器，就近接收来自周围车辆的信息流，迅速作出响应和决策，同时这些小型的智能服务器也能接收来自云中心下达的控制指令，从而达到车路协同要求。未来甚至红绿灯可能会消失，因为道路知道周围车辆的速度、距离等信息，能够实时对周围车辆发出控制指令，车辆也能够根据来自道路的消息，以及车辆自身的边缘计算实时做出决策，整个过程将实现非常高效的协同。
目前许多智能化的改造，边缘计算已经能够积极的应用在许多场景之上，例如智能驾驶、智能工厂、智能电网、智能家居、智能建筑，很多都是边缘计算的场景。
再举例来说，电网有很多高压线、变电箱，人力的运维成本太大、危险系数也很高，传统的故障巡检机制网络传输带宽消耗大、故障告警处理不实时、而且电力系统数据本身关系到国计民生，数据传输过程中的安全性极其重要。
落地边缘计算之后，借助于边缘智能技术，可以在设备边缘侧几乎准实时地自动检测出问题出现的具体位置，比方说在配电房内安装边缘计算装置，布置AI模型，边缘计算装置连接配电房里面所有的电力设备，实时采集每一个设备的状态，利用高清夜视摄像头，还可以对烟雾、起火进行实时AI推理、故障告警和处理，效率能够得到极大的提升，同时由于大部分数据都在边缘侧本地处理，无需全部传输上报至云端集中处理，因而极大降低了网络传输流量、减少了数据在传输过程中的暴露面，数据安全性也自然得到了提升。

我们在讲泛在电力物联网，人工智能的时候，常常会跟大数据，云计算相关联，但我们却忽略了边缘计算。
什么是边缘计算呢？边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。
那么边缘计算有什么好处呢？对于物联网而言，边缘计算技术的应用意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。可以大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。
边缘计算还可以根据现场进行个性化定制，针对不同的用户需求进行功能设计，针对用户的 *** 作习惯制定流程。可以让每一个物联网应用更加切合实际！边缘计算的数据还可以上传到云端，进行大数据整合，更好的分析决策！
在泛在电力物联网领域，边缘计算的应用，可以针对不同场所进行个性化定制功能。在遇到一些情况需要处理的时候可以快速的在现场进行处理，而不是先上传到云端，云端再返回处理，这样可以大大减少反应时间。在一些重大故障需要紧急处理的时候，反应快慢变得尤为重要！

根据咨询公司STL Partners的研究发现，边缘计算能够在许多场景大展身手，这里选择了以下9个重要的应用场景：
1、自主汽车
卡车车队的自动组队可能是自动车辆的首批使用案例之一。在这里，一群卡车在车队中彼此紧跟着行驶，节省了燃料成本，减少了拥堵。有了边缘计算，除了前面的卡车，所有卡车都将不再需要司机，因为卡车将能够以超低延迟相互通信。
2、油气行业资产的远程监控
石油和天然气的失败可能是灾难性的。因此，他们的资产需要仔细监控。
然而，石油和天然气工厂往往位于偏远地区。边缘计算使得实时分析与处理更接近资产，这意味着更少地依赖于与集中式云的高质量连接。
3、智能电网
边缘计算将成为更广泛采用智能电网的核心技术，有助于企业更好地管理其能源消耗。
连接到工厂、工厂和办公室边缘平台的传感器和物联网设备正在被用于实时监测能源使用并分析其消耗。有了实时可见性，企业和能源公司就可以达成新的交易，例如在电力需求的非高峰时段运行大功率机械。这可以增加企业对绿色能源，如风能的消耗。
4、预测性维护
制造商希望能够在故障发生之前分析和检测生产线的变化。
边缘计算有助于使数据的处理和存储更接近设备。这使物联网传感器能够以低延迟监控机器健康状况，并实时执行分析。
5、住院病人监护
医疗保健包含几个优势机会。目前，监测设备，如血糖监测仪、健康工具和其他传感器等，要么未连接，要么需要将来自设备的大量未处理数据存储在第三方云上。这给医疗保健提供者带来了安全问题。
医院网站上的边缘可以在本地处理数据，以保护数据隐私。边缘计算还可以向从业者及时通知患者的异常趋势或行为。
6、云游戏
云游戏是一种新型的游戏，它可以将游戏的实时内容直接传输到设备上，这种游戏高度依赖于延迟。
云游戏公司正在寻找尽可能接近玩家的边缘服务器，以减少延迟，提供完全响应和沉浸式游戏体验。
7、内容交付
通过在边缘缓存内容，如音乐、视频流、网页等，可以极大地改善内容传播。延迟可以显著降低。内容提供商正在寻求更广泛的分发CDN，从而根据用户流量需求保证网络的灵活性和定制性。
8、交通管理
边缘计算可以使城市交通管理更加有效。这方面的例子包括在需求波动的情况下优化公交频率，管理额外车道的开启和关闭，以及未来管理自动驾驶汽车流量。
通过边缘计算，使处理和存储距离智能家居更近，减少了回程和往返时间，并在边缘处理敏感信息。例如，亚马逊的Alexa等语音助手设备的响应时间会快得多。
有了边缘计算，就不需要将大量的流量数据传输到集中式云，从而降低了带宽和延迟的成本。
9、智能家居
智能家庭依赖于物联网设备从房子周围收集和处理数据。通常，这些数据被发送到一个中央远程服务器，在那里进行处理和存储。然而，这种现有体系结构存在回程成本、延迟和安全性方面的问题。
通过边缘计算，使处理和存储距离智能家居更近，减少了往返时间，并在边缘处理敏感信息。
这些只是边缘计算跨多个行业支持的许多用例中的一小部分。以谐云边缘计算应用实例来说，通信领域，谐云为行业巨头某在线服务公司业务场景定制开发、打造了云边协同平台，助力其轻松应对流量洪峰；交通领域，联合上汽集团商用车技术中心打造了“基于容器的下一代车云协同架构”，是汽车行业的首款“云、边、端”一体化架构，可实现百万级车联网大规模接入；为某跨海大桥打造了一体化协同的产品，积累了丰富的“边-端”设备协议对接经验，交付了行业顶尖的“软硬一体化”的整体解决方案。
其中，某在线服务公司和上汽集团案例分别荣获《2020年分布式云与云边协同十佳实践案例》奖项和《2021年分布式云与云边协同十佳实践案例》奖项。旗下边缘计算产品通过“2021云边协同类能力评估”、“边缘一体机、可信物联网云平台（通用/安全要求）”多项能力评估，获浙江CCF2021优秀产品奖，在业内拥有极佳口碑，并获得行业权威认可。
目前，谐云边缘计算已实践于分布式云、物联网、车云协同、边缘智能金融等多场景，为边缘计算领域树立了实践标杆和经典案例。并在一些典型行业如通信、交通、金融、军工等多个行业领域中得到大规模的落地验证。

边缘计算有许多的应用场景，概括起来主要有以下十点，应用一：改进医疗设备性能和数据管理
在医疗场景下，边缘计算主要帮助医疗保健体系的IT基础架构，具体来说，是防止医疗设备管理的应用程序发生延迟。在边缘计算的支持下，无需构建集中的数据中心，可对关键数据进行本地化，在安全性、响应速度和有效性上有更佳表现。
应用二：本地零售的实时数据分析
边缘计算的主要目的，是让运算尽可能接近数据源。在零售场景中，以往企业都是将各分支的数据汇总到中心位置进行分析，再进行决策和行动。而通过边缘计算，零售店铺可以在本地就进行数据处理和优化，这样组织的行动反馈就能更快更及时。
应用三：让虚拟现实更生动
在技术支持下，本地设备可以大大提升用户的参与程度，用户也可以有更生动、更即时的增强现实体验。在这个前提下，越来越多的企业将进行转型。
应用四：加速数据分析
在这一场景下，通过本地计算能力，在数据分析早期就引入较高智能水平的运算。这样可以使得数据更为清晰，从而加快企业的分析和决策速度。在云计算场景中，运算对智能化和精准度的要求较低，主要是在后期应用中使用，故而分析数据需要花费更多时间。
应用五：智能制造
其实边缘计算在智能制造方面属于基础层面的构架。在生产车间采进行“近实时”分析，可以提升运营效率，并增加边际效益从而提高利润。此外，通过边缘计算系统来收集数据、制造智能化工具过程中，可以及时识别异常情况，尽量避免产线停顿。
应用六：消除过剩数据
传统的云计算架构不可避免地会导致多余数据堆积在云存储里，比如物联网的感应数据等。这些数据大多都是无用的，对企业来说花费成本区储存这项数据基本上是没有必要的。边缘计算可以做到只向云端传输有效数据，让流程更为优化。
应用七：让安保系统响应更快速
对于那些建有庞大又复杂的安保系统的企业来说，边缘计算非常实用，它可以有效筛选出关键信息防止带宽的浪费。举例来说，动作捕捉摄像机如具备运算能力，就可以只上传有价值的信息。
应用八：现实数据收集
在零售环境下，物联网、数字标签、IP光纤都是实现边缘计算的基础配置。未来我们的业务将依赖规模在万亿级别的数据挖掘和集成。边缘计算通过本地设备和传感器，协同云端一起收集现实数据，能够做到这个量级的数据聚合。
应用九：降低运营成本减少存储需求
在边缘计算加成下，收集到的数据无需在本地和中央服务器之间穿梭，就可以让本地设备知道要执行哪个功能。这样就可以节省运营成本和存储设备的投入了。
应用十：让诊断与治疗更有针对性
这虽然也是医疗场景的应用，但这里的边缘计算更专注提升病患的康复体验。医疗物联网设备在边缘计算应用下，可以更快更早地检测出病人的异常健康数据。这就可以让医生的诊断措施和医疗干预来得更及时。此外，随着可穿戴系统的普及，存储设备及传感器的成本也会不断下降。在边缘计算技术的帮助下，看病就医将从“被动治疗”转变为AI辅助下的实时的、预测性的保健式医疗。

边缘计算网关（又叫物联网边缘计算网关），简称 Edge-Gateway，是一种可以在设备上运行本地计算、消息通信、数据缓存等功能的工业智能网关，可以在无需联网的情况实现设备的本地联动以及数据处理分析。

智慧眼智脑识别终端是能够运行本地计算、消息通信、数据缓存等功能的工业级物联网边缘计算网关，搭载国产自主研发的TPU，满足网点中各类物联网设备、视频设备的连接管理、设备数据计算等需求，具有高稳定性、高可靠性、高安全性和易扩展性，结合不同的应用场景，搭配多样化算法，实现人脸布控、视频结构化分析、行为分析、轨迹分析、热力分析等应用，为金融行业进行AI赋能。

---