1.賦能萬物

泛在環(huán)境中物聯(lián)網(wǎng)技術(shù)的長足發(fā)展，使得越來越多的城市基礎(chǔ)設(shè)施和移動智能設(shè)備產(chǎn)生了計(jì)算需求，例如杭州物聯(lián)網(wǎng)小鎮(zhèn)場景中的各類智慧基礎(chǔ)設(shè)施。

因此，無處不在的計(jì)算需求使得基礎(chǔ)計(jì)算服務(wù)再也不是某個企業(yè)或者組織的個體需求，而是整個社會發(fā)展的共性需求。無處不在的計(jì)算即稱為泛在計(jì)算，而邊緣計(jì)算則是通過大量算力的部署來實(shí)現(xiàn)泛在計(jì)算的重要手段。

如果將物聯(lián)網(wǎng)的發(fā)展看作給萬物賦能的過程，低功耗嵌入式芯片、傳感器和低功耗無線傳輸技術(shù)(ZigBee、NB-IoT等)是給萬物賦予“感知”和“溝通”的能力，而邊緣計(jì)算則是進(jìn)一步賦予萬物“思考”的能力。

圖1-7顯示了對應(yīng)“通信”“感知”和“計(jì)算”三方面能力的支撐技術(shù)，其中邊緣計(jì)算是對于現(xiàn)有云計(jì)算和嵌入式計(jì)算的有益補(bǔ)充，有望打通資源受限的物聯(lián)網(wǎng)設(shè)備和高復(fù)雜度的人工智能算法之間的鴻溝，可以看作形成“無處不在的計(jì)算”的“最后一公里”。

▲圖1-7 賦能萬物的三方面基礎(chǔ)能力

2.進(jìn)一步改變?nèi)祟惖纳a(chǎn)生活方式

邊緣計(jì)算的普及將催生大量的新型計(jì)算業(yè)務(wù)(例如自動駕駛、醫(yī)療保健、智能制造、通信感知、透明計(jì)算等)，并對傳統(tǒng)的生產(chǎn)生活方式產(chǎn)生重大影響。

試想，當(dāng)前端設(shè)備(如手機(jī)、平板電腦等)與邊緣服務(wù)器之間的延遲小于前端設(shè)備自身的計(jì)算與讀寫延遲時，前端設(shè)備便可以不再攜帶計(jì)算資源，僅保留傳感器與通信模塊，不受前端設(shè)備操作系統(tǒng)、計(jì)算資源的限制，從而實(shí)現(xiàn)真正意義上的“透明計(jì)算”。

不僅消費(fèi)電子產(chǎn)品的形態(tài)會被顛覆，各種各樣原本不具備計(jì)算能力的設(shè)備現(xiàn)在都有了計(jì)算能力，如工廠流水線、城市路燈等。這將極大促進(jìn)整個社會生產(chǎn)生活的自動化和智能化。

3.提升體驗(yàn)，降低能耗

在物聯(lián)網(wǎng)時代，各類物聯(lián)網(wǎng)設(shè)備數(shù)量的大幅增長將會直接導(dǎo)致傳感及控制數(shù)據(jù)的爆炸性增長。圖1-8顯示了近5年網(wǎng)絡(luò)數(shù)據(jù)量的變化趨勢，表1-5顯示了云計(jì)算中心的耗電量，云中心的存儲及傳輸消耗了大量能源，甚至在有些地區(qū)已成為能源消耗的最大來源。

▲圖1-8 全球數(shù)據(jù)總量及年增長率

▼表1-5 云計(jì)算中心的耗電量

在邊緣計(jì)算的模式中，大量的前端設(shè)備數(shù)據(jù)不再匯聚到少數(shù)的幾個數(shù)據(jù)中心，而是“分布式”地存儲在各個邊緣計(jì)算服務(wù)器上，從而大幅減少了流量需求，并且計(jì)算請求也被分布到世界各地，甚至各個家庭。這種新的泛在計(jì)算方式有望從根本上解決數(shù)據(jù)無限增長帶來的能源瓶頸問題。

4.大幅提升計(jì)算服務(wù)的安全性

隨著嵌入式智能設(shè)備越來越多，隱私數(shù)據(jù)的安全問題逐漸成為人們最為關(guān)心的問題之一。不同于云計(jì)算將所有的數(shù)據(jù)集中匯聚到云計(jì)算中心，在邊緣計(jì)算中，用戶數(shù)據(jù)僅直接上傳至邊緣服務(wù)器。數(shù)據(jù)傳遞通常是一跳，或經(jīng)歷極短的網(wǎng)絡(luò)路徑，而且邊緣服務(wù)器面向的用戶數(shù)量遠(yuǎn)少于云計(jì)算，受到大規(guī)模攻擊的概率也相對較低。

在某些邊緣計(jì)算場景(如家庭智能路由網(wǎng)關(guān))中，邊緣服務(wù)器完全可以是用戶自主擁有的，從運(yùn)行機(jī)制上避免了數(shù)據(jù)與遠(yuǎn)程服務(wù)器的直接接觸。

不僅如此，各類隱私保護(hù)的計(jì)算方法也因?yàn)檫吘売?jì)算較低的延遲得以具有更廣闊的應(yīng)用前景。如Google提出的數(shù)據(jù)與服務(wù)器隔離的聯(lián)邦學(xué)習(xí)(Federated Learning)框架，運(yùn)用在傳統(tǒng)網(wǎng)絡(luò)中可能會帶來較大延遲，因此很難支持實(shí)時運(yùn)算的場景。

而在邊緣計(jì)算當(dāng)中，由于邊緣服務(wù)器與用戶之間的延遲極低，使得這類隱私保護(hù)的機(jī)器學(xué)習(xí)算法能夠支持更廣泛的應(yīng)用和服務(wù)場景。

關(guān)于作者：趙志為，電子科技大學(xué)計(jì)算機(jī)學(xué)院副教授、博士生導(dǎo)師。主要研究方向?yàn)榈凸奈锫?lián)網(wǎng)與邊緣計(jì)算。在計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域國際重要學(xué)術(shù)期刊/會議上發(fā)表60余篇學(xué)術(shù)論文，期刊包括IEEE/ACM Trans.on Networking、IEEE Trans.on Mobile Computing、IEEE JSAC、IEEE INFOCOM、IEEE ICNP、IEEE ICDCS等，并獲得3項(xiàng)國際會議論文獎，主持國家級、省部級科研項(xiàng)目10余項(xiàng)。閔革勇，英國埃克塞特大學(xué)計(jì)算機(jī)系教授。在移動互聯(lián)網(wǎng)、無線通信、物聯(lián)網(wǎng)、分布式計(jì)算等領(lǐng)域取得了一系列創(chuàng)新性科研成果，在國際重要學(xué)術(shù)期刊/會議上發(fā)表300多篇論文，獲得10余項(xiàng)國際會議論文獎。現(xiàn)任多個國際學(xué)術(shù)期刊的編委并擔(dān)任多個國際學(xué)術(shù)會議的主席。

本文摘編自《邊緣計(jì)算：原理、技術(shù)與實(shí)踐》，經(jīng)出版方授權(quán)發(fā)布。(ISBN：9787111690894)