边缘计算到底是啥，怎么就成了新风口？

本文转载自“极客公园”，作者哲铭。
从 2015 年在安防监控、智慧城市、智慧家居等行业实现了应用试点开始，边缘计算的这把火终于烧了起来。摆在边缘计算面前的，是技术突破和商业规则的“大山”。

技术挑战、商业规则都是摆在边缘计算面前的「大山」。

2019 年 2 月 27 日，地平线 (Horizon Robotics) 公布获得 6 亿美金左右的投资，由 SK 中国、SK Hynix 以及数家中国一线汽车集团（与旗下基金）联合领投的 B 轮融资，本轮融资后估值达 30 亿美金。

地平线在发布中称：将继续向着「成为边缘人工智能芯片和计算平台的全球领导者」这一愿景不断迈进。这一包含着「边缘计算」的 300 余字野心获得了超 2 万人的关注。以「边缘计算」为关键词的百度搜索指数在 3 月 6 日一跃达到了 15032，而此前则在 1000 左右徘徊。

从 2015 年在安防监控、智慧城市、智慧家居等行业实现了应用试点开始，边缘计算的这把火终于烧了起来。腾讯优图 AI 应用研究高级研究员王川南解释道，前 10 年是云计算高速发展期，通过云计算实现了本地计算资源云端化，做到按需使用、按需付费。但随着云计算的普及、场景云端化，出现了高延迟、数据量巨大、带宽不够等问题，于是边缘计算应运而生。

边缘计算的出现则能将计算、决策前置，获取最原始的数据，实时在边缘结点进行数据的分析和决策，同时还能将过滤后的数据传输上云，与云端形成协同效应。简而言之，边缘计算是一种在网络边缘执行计算任务的计算模型，相比于云计算模型，能够更快速、可靠、节能地响应用户需求。

升温的投入

王川南认为：「虽然目前边缘整体还在起步阶段，但明显能看到大量的公司在边缘侧产品研发和方案都在追加投入，不同场景下边缘类的产品不断涌现。

除了地平线外，各大公司早已纷纷布局边缘计算。物联网领域中，腾讯云发布了其基于边缘计算的物联网平台 IoT Suite，阿里云能力在边缘端的拓展则是物联网边缘计算平台 Link IoT Edge。在 AI 应用领域，旷视、商汤、科大讯飞等公司纷纷推出 AI+硬件产品，通过 AI 赋能传统硬件。在车联网及自动驾驶方向更需要实时计算，减少反应延迟，在车辆本地进行实时的智能分析、决策计算已经成为了标配，特斯拉更是针对自动驾驶场景研发了 AI 芯片。

边缘计算是物联网的核心

一位相关从业者坦言，一般来说，只要做芯片相关的公司都在关注边缘计算。星翰资本创始人杨歌也表示，今年投资方向上，物联网领域将是其重点关注方向之一。而边缘计算是物联网的核心。「物联网需要每个端具有一定的智能，这就是边缘计算。」云从科技科技研究院副院长周翔对极客公园说。

当 AI 成为风口时，据「清科私募通」的统计数据显示，仅 2016 年到 2017 年年初就有 112 家公司获得融资。当无人机成为风口时，Hover Camera 创始人王孟秋说，每家投资机构的 portfolio 上都恨不得加上无人机。杨歌则认为，随着物联网的发展，今年与边缘计算相关的创业公司一定会增多，这是必然。

技术向的王川南则不认为边缘计算将会和 AI 一样成为一个过热的风口：「云边协同中边缘计算本质上是一种技术方案，是为了解决实际场景中遇到的问题而出现的，是否『过热』还是看有没有需求。云计算为物联网、智能城市的发展提供了基础设施，但仍无法满足低延迟、大数据、低带宽这一类更高的多样化的要求，而边缘计算可以有效的解决这些问题，从而大力推动了边缘计算的发展。」

联想之星的投资副总裁高天垚曾评价「新风口」说，资本市场从来不缺新的炒作概念，物联网、互联网金融、O2O、共享经济等等，一波接一波。「可能初衷都是好的，但过度的渲染就会导致一些泡沫，使本来不应该出现的创业者或资本进入某个领域。」

前行的枷锁

中国经济信息社在 2018 年 9 月发布的《2017—2018 年中国物联网发展年度报告》中提到，2017 年物联网设备达到 84 亿台，超过全球人口数量。随之而来的便是数据的快速增长, 数据统计公司 Statista 预测，在 2020 年将大约有 310 亿个物联网设备连接。

在这样的前提下，无论边缘计算是否能会成为下一个风口，解决边缘计算目前存在的一些问题，加速建设云网端一体化建设进程一定是必然。

从技术角度来说，王川南认为目前边缘计算面临着算法、架构、运维、安全性四个方面的挑战：算法侧需要针对边缘结点受限的算力进行网络模型的优化；工程侧需要针对不同的边缘设备类型设计一套 AI 多端统一的架构；边缘结点设备部署分散，如何管理分散的数以万计的终端设备，对运维的方式和效率也提出了新的挑战；同时边缘设备因为更接近数据源，数据种类和数量的激增，新兴的攻击方式尤其是针对物理设备的攻击，为设备和数据安全带了新的挑战。

美国韦恩州立大学的施巍松教授团队则在 2016 年提出了边缘计算面临着的六种挑战：可编程性、命名、数据抽象、 服务管理、隐私及安全、性能指标优化。

不仅有技术挑战，还有商业规则

「对于普通用户来讲，安全性是最先需要关注的问题。」 一位相关从业者说。在此之前，亚马逊 Echo 就因违规录取用户对话，引起了全球对物联网中隐私权利的探讨。

边缘计算模型可以在网络边缘完成一部分数据处理工作, 相比于云计算模型, 可以避免用户隐私在传输链路上或云计算中心被窃取。但正如王川南所说，目前攻击者窃取物联网设备上的信息并不困难，而网络边缘的高度动态性也增加了网络的脆弱性。

可喜的是，有学术论文指出目前在可编程性、命名、服务管理和隐私安全问题上，学界及业界已经取得了相关成果。相关统计显示，计算机领域顶级会议 ICDCS 在 2015 年、2016 年和 2017 年收录的边缘计算方向的文章比例分别为 6.7%、9.3% 和 12.7%。的确，逐年攀升的研究成功学界将指向更好的解决方案。

除了这些问题外，边缘计算落地还要受到商业规则的限制。杨歌感到很遗憾，他认为由于相同的原因，目前很多学术成果真正运用到商业中的比例非常低。这兴许也解释了为什么边缘计算首先在安防、自动驾驶领域落地。一位投资人称，边缘计算得到真正的发展也需要搭载整个能够赋予其 B 端能力的行业，就像同是高瓴投资的地平线与百丽进行了「联姻」。

在融资公告中，地平线最后写到：以人工智能赋能万物，让每个人的生活更安全，更美好。目前看来，这两个愿景最终成为现实还面临漫漫长路。