1.賦能萬物

泛在環境中物聯網技術的長足發展，使得越來越多的城市基礎設施和移動智能設備產生了計算需求，例如杭州物聯網小鎮場景中的各類智慧基礎設施。

因此，無處不在的計算需求使得基礎計算服務再也不是某個企業或者組織的個體需求，而是整個社會發展的共性需求。無處不在的計算即稱為泛在計算，而邊緣計算則是通過大量算力的部署來實現泛在計算的重要手段。

如果將物聯網的發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(ZigBee、NB-IoT等)是給萬物賦予“感知”和“溝通”的能力，而邊緣計算則是進一步賦予萬物“思考”的能力。

圖1-7顯示了對應“通信”“感知”和“計算”三方面能力的支撐技術，其中邊緣計算是對于現有云計算和嵌入式計算的有益補充，有望打通資源受限的物聯網設備和高復雜度的人工智能算法之間的鴻溝，可以看作形成“無處不在的計算”的“最后一公里”。

▲圖1-7 賦能萬物的三方面基礎能力

2.進一步改變人類的生產生活方式

邊緣計算的普及將催生大量的新型計算業務(例如自動駕駛、醫療保健、智能制造、通信感知、透明計算等)，并對傳統的生產生活方式產生重大影響。

試想，當前端設備(如手機、平板電腦等)與邊緣服務器之間的延遲小于前端設備自身的計算與讀寫延遲時，前端設備便可以不再攜帶計算資源，僅保留傳感器與通信模塊，不受前端設備操作系統、計算資源的限制，從而實現真正意義上的“透明計算”。

不僅消費電子產品的形態會被顛覆，各種各樣原本不具備計算能力的設備現在都有了計算能力，如工廠流水線、城市路燈等。這將極大促進整個社會生產生活的自動化和智能化。

3.提升體驗，降低能耗

在物聯網時代，各類物聯網設備數量的大幅增長將會直接導致傳感及控制數據的爆炸性增長。圖1-8顯示了近5年網絡數據量的變化趨勢，表1-5顯示了云計算中心的耗電量，云中心的存儲及傳輸消耗了大量能源，甚至在有些地區已成為能源消耗的最大來源。

▲圖1-8 全球數據總量及年增長率

▼表1-5 云計算中心的耗電量

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

4.大幅提升計算服務的安全性

隨著嵌入式智能設備越來越多，隱私數據的安全問題逐漸成為人們最為關心的問題之一。不同于云計算將所有的數據集中匯聚到云計算中心，在邊緣計算中，用戶數據僅直接上傳至邊緣服務器。數據傳遞通常是一跳，或經歷極短的網絡路徑，而且邊緣服務器面向的用戶數量遠少于云計算，受到大規模攻擊的概率也相對較低。

在某些邊緣計算場景(如家庭智能路由網關)中，邊緣服務器完全可以是用戶自主擁有的，從運行機制上避免了數據與遠程服務器的直接接觸。

不僅如此，各類隱私保護的計算方法也因為邊緣計算較低的延遲得以具有更廣闊的應用前景。如Google提出的數據與服務器隔離的聯邦學習(Federated Learning)框架，運用在傳統網絡中可能會帶來較大延遲，因此很難支持實時運算的場景。

而在邊緣計算當中，由于邊緣服務器與用戶之間的延遲極低，使得這類隱私保護的機器學習算法能夠支持更廣泛的應用和服務場景。