整体来说计算的层面未来包括哪些方面？

未来计算的层面将包括以下方面：
1 量子计算-量子计算机利用量子比特（qubits）来执行计算，具有比传统计算机更高的计算能力，可用于解决复杂的数学和物理问题。
2 人工智能（AI）计算- AI 算法需要大量的计算能力来训练和推断模型。未来的计算将与 AI 算法结合使用，开发更强大的 AI 技术，并改善自然语言处理和计算机视觉等领域的应用程序。
3 边缘计算- 边缘计算是一种将计算能力移动到设备、物联网传感器和其他边缘设备上的计算模式。这使得在边缘设备上进行更快速的决策和数据处理成为可能。
4 高性能计算- 高性能计算包括用于模拟物理现象、气候模拟、天气预测等领域的超级计算机，这一领域将继续发展。
5 可持续计算- 可持续计算将成为一个越来越重要的话题，尤其是在我们使用的能源是非常有限的情况下。将使用新的计算方法和技术来降低能耗和减少环境影响。

现今世界网络和数据普及，不单止智能手机能连接网络，就连手表，闹钟，家电等日常用品，也能即时在网络中提取资讯，并配合环据数据作出分析，将最好的体验反馈给 用家。而透过网络来连接人，流程，资讯和装置这个概念，亦是我们平常所说的物联网（物联网，又名物联网）。

承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。

先定义一下边缘计算（wikepedia，2019）：

这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。

在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。

而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。

增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：

  - 低延迟：数据由近场产生，能快速回应

  - 独立性：在没有网络连接下，系统亦能运作

  - 合规性：无需传送用户资料，保护个人数据

  - 简化数据：终端先处理部份数据，数据简化后才向云服务器传输

  - 安全性：数据传输减少，减少网络安全风险

无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。

下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。

假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。

很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。

在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。

汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）

由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。

随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。

物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。

因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。

边缘计算（Edge Computing）是一种分布式计算范式，它将计算任务从数据中心迁移到靠近数据源的设备上。这种方法可以减少网络延迟、提高数据处理速度，并在一定程度上保护用户隐私。边缘计算可应用于许多领域，包括但不限于：

物联网（IoT）：边缘计算可用于实时处理智能家居、工业自动化、智能交通等领域的大量数据，从而提高响应速度和减少数据传输成本。

无人驾驶：通过在车辆本地进行数据处理和决策，边缘计算可以提高自动驾驶汽车的反应速度，从而提高安全性。

增强现实（AR）和虚拟现实（VR）：边缘计算可以减少AR和VR设备在渲染图像和处理数据时的延迟，提高用户体验。

智能城市：边缘计算可以帮助处理城市基础设施中的大量数据，例如交通管理、能源管理和公共安全等。

医疗保健：通过实时分析患者数据，边缘计算可以帮助医生及时发现病情变化，提高诊断和治疗效果。

视频监控：边缘计算可在摄像头端实现实时视频分析，提高安全监控效率并保护用户隐私。

零售业：边缘计算可以帮助零售商实时分析顾客数据、库存数据，优化商店布局和库存管理。

能源管理：边缘计算可以实时监测和优化能源系统，提高能源效率。

农业：通过实时监测和分析土壤、气候等数据，边缘计算可以帮助农民提高农业生产效率。

这些只是边缘计算应用领域的一部分，随着技术的发展，边缘计算将在更多领域发挥作用。

边缘计算是一种分布式计算架构，其基本思想是将计算和数据处理推向网络边缘，即在数据产生的地方或离数据产生地方最近的设备上进行计算和数据处理，以提高响应速度、降低延迟和减轻云计算中心的压力。边缘计算的本质是将数据处理从云端转移到离用户更近的边缘设备上，这些设备可以是智能手机、传感器、智能家居等智能设备。
边缘计算的实现需要依赖各种技术，包括网络连接技术、计算和存储技术、安全和隐私保护技术等。边缘计算的主要目标是实现低延迟、高可靠性和高效性，以满足实时计算和处理需求，同时减少数据在传输过程中的安全风险。
边缘计算的应用场景非常广泛，包括智能交通、智能制造、智能家居、物联网、机器人等领域。边缘计算在这些领域中能够实现快速响应、实时数据分析和决策、降低延迟和提高网络安全性，从而有望推动各种行业的数字化转型和智能化发展。

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。

边缘计算的特点包括：
1、可以提供更快的响应时间，因为数据不需要从中央位置传输到边缘；
2、可以减少存储和带宽成本，因为只需要将少量数据传送到中央位置；
3、可以改善安全性，因为数据不会通过公用网络进行传输。
4)、可以大大减少对云服务的依赖。
5)、可以在物理位置上处理和分析数据。
6)、可以带来新的应用场景如物联网、机器人、无人机、工业40和连接式自动驾驶汽车。

边缘计算是网络中最靠近物或数据源头融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务。在更靠近终端的网络边缘上提供服务是边缘计算最大的特点，在数据处理的时效性与有效性方面成为云计算的有力补充。

根据多年边缘计算场景探索和落地实践，边缘计算已呈现出两大明显发展态势。第一个趋势是边缘赋能，将它提炼一下，称为“X+边缘”，这里X代表各个行业，即边缘计算为各行各业赋能。包括在汽车、建工、桥隧、物流、金融、移动、通信、CDN、农业、畜牧、AGV、机器人、无人机、工业、物联网等都有规模化落地案例。

第二个趋势是边缘计算的跨域融合，将它提炼一下，称为“边缘+X”，这里X代表其他新兴技术领域，例如大家熟悉的人工智能，以及区块链、隐私计算等技术。我们在落地过程中已经遇到越来越多这些方面的融合场景。

总体来说，当下，边缘计算的形态是个运行时，新的场景、跨域融合等技术挑战不断被提出，包括在边缘任务卸载、去中心化协作式机器人等领域仍面临不小的挑战。

---