2021年，边缘计算的拐点到了？-技术圈

作者 | 中国软件网赵满满

校对 | 中国软件网陈杨

一辆汽车以每小时60公里的速度行驶，在4G网络下延迟时间大概为 50ms，50ms时间大概制动距离为1m。而在5G网络下，延迟则低至1ms，制动距离仅为17mm。

除了5G技术以外，因为将计算设计在用户身边的边缘计算，也可以将应用延迟再一次降低。

LG 电子正在美国电信营运商Verizon 5G边缘的AWS Wavelength区试验新一代移动车联网。其中一个部分是LG的身份验证即服务 (LG AaaS)，它通过在机动车、移动设备和交通基础设施之间共享安全信息，提高驾驶安全性。

因为每毫秒都会出现意想不到的驾驶情况，涉及盲点、碰撞和轮胎打滑等，因此能够以低延迟、高吞吐量快速扩展计算资源，及时交付安全服务，同时保护系统的隐私，至关重要。

LG的C-V2X试验，能够以超低延迟接入AWS Wavelength，允许及时进行消息筛选，且仅共享相关和可信信息，从而改善道路安全，增强车辆的移动性。

8月13日，AWS宣布在美国电信运营商 Verizon 5G 网络上正式推出AWS Wavelength——一种低延迟的边缘云服务，让开发者为在美国波士顿和旧金山湾区的移动设备和用户构建超低延迟应用。

边缘计算MEC与5G的结合，不仅带来边缘云计算应用场景的创新，驱动各行业加快业务模式创新，并且也倒逼5G网络部署和云计算边缘算力进一步提升。

计算的下一个发展——边缘计算

亚马逊、Salesforce、阿里云等在不同的领域、不同的市场开拓了云计算市场，取得了巨大的成功。因此，如果您追求的是10倍甚至20倍的收益，那么关注计算的下一个发展机会则是理所当然的。

这个机会来了，它就是边缘计算。

虽然边缘计算尚未成为像AI、5G、增强现实（AR）和物联网（IoT）等一样的热门技术，但是这些技术的落地最终都会取决于边缘计算。边缘计算是连接当今几乎所有热门技术的一个热点技术。

人们乘坐的自动驾驶汽车必须快速做出100％准确的决策。而云计算则是要将自动驾驶汽车连接到集中式数据中心。在遥远的数据中心处理数据和传输处理结果以及服务指令需要花费时间，必然会产生延迟。如果延迟时间过长，那显然对驾驶安全造成影响，是不可接受的。

边缘计算（Edge Computing）是指在网络边缘节点来处理、分析数据。它主要侧重在边缘，将数据的处理、应用的运行，甚至一些功能服务的实现，由中心服务器下放到网络边缘的节点上，由此加快数据处理速度，减少延迟，并改善客户体验。

研究表明，边缘计算可以将云计算的处理速度提高30倍！

边缘计算使“不可能”成为可能。如果没有边缘计算，无人驾驶汽车、物联网、AR和5G商业化等技术将永远不会落地。

从全球来看，大笔资金已经涌入边缘计算。

研究公司Analysys Mason的数据显示，未来三年IT预算的30％将用于边缘计算。而Grand View Research预测，边缘计算市场有望以每年54％的速度增长。到2025年，市场规模有望达到290亿美元。

边缘计算将是未来十年最好的投资机会之一。同样市场机会是如此之大，以至于不会出现“赢家通吃”的局面。

目前，边缘计算仍处于“早期”发展阶段。

边缘计算的优势与陷阱

随着万物互联时代的到来，网络边缘设备产生的数据量飞速增长，带来了更高的数据传输带宽需求，同时，新型应用也对数据处理的实时性以及数据存储提出了更高的要求。

传统的云计算模型显然不能满足实时性应用的性能需求，因此，边缘计算应运而生。

从目前的应用场景来看，边缘计算带来的最大优势包括三个：

首当其冲就是减少延迟。使用云计算时，可能会将设备生产的数据信息发送到世界另一端的数据中心进行处理，通常会出现短暂的延迟。

其核心是使用传统移动架构访问云，需要多次网络跳转，如从设备到移动通信基站，到城域聚合点，到区域聚合点，到互联网，再到云端，在返回设备时同样要经过所有这些跳转点。这样会产生数十毫秒不等的延迟。

对于延迟，一些应用是可以接受的，如大多数人不介意小i机器人或者Alexa在回答相关问题时出现几秒钟延迟。

但是这种时间滞后如果出现在路上行驶的自动驾驶汽车上，就不能接受。

借助边缘计算，对于实时决策至关重要的数据可以在现场进行处理，从而可以更快地做出决策。数据处理越近场景现场，本质上响应时间就越快。

以AWS 的边缘云服务Wavelength为例。Wavelength通过将AWS服务引入到5G网络边缘，最大限度地减少从移动设备连接到应用的延迟，从而解决了这些问题。

同时，对时间要求不严格的数据（如燃油性能数据）可以发送到云中以供以后分析。

其次就是增强安全性和隐私性。边缘计算减少了必须通过网络传输的数据量，从安全角度来看，好处是显而易见的。另外，数据分布在多个用户设备上，而不是存储在一个地方，只要智能产品制造商能确保本地数据安全，就能保证整个应用数据的安全。

另外，从理论上讲，随着更少的数据上传到云上，并在设备上处理更多的数据，智能设备的用户将可以更好地控制自己的数据。随着边缘计算的发展，未来用户可能会有更多选择，选择不将数据发送到云上的用户会越来越多。

最后就是省带宽。智能设备的普及，意味着使用智能设备将创建大量数据。但是，并非所有数据都是至关重要的。

以视频安全监控为例，如果在一个站点上有多个摄像机，并且每台摄像机都在不断将数据流传输到云中，那么可能会占用大量带宽来传输可能不太有用的数据。但是，如果摄像头足够智能，可以在源头处理数据，将最重要的数据流式传输到云中，而将其余部分丢弃，节省宝贵的实时带宽，减少了传输的时间。

专家认为，边缘计算一个潜在的陷进是为了节省带宽和减少延迟，重要数据最终可能会被忽略和丢弃。

四大技术影响现代边缘发展

边缘计算与其他技术必须融合发展。边缘计算在设备和云之间的任何位置运行，这些新技术通过扩大范围和扩展边界来改变了边缘计算应用的场景。

直接影响边缘计算发展的技术首先云计算。云计算与边缘云服务要分工协同，满足用户的应用需求。

专家介绍，云计算为企业提供了计算、存储和网络服务。对象存储服务如Amazon S3、Azure存储和Google Cloud Storage存储由云托管的工作负载使用的内容。CDN成为对象存储的逻辑扩展，可以在边缘位置的网络上分发和缓存内容，几乎所有云服务上都提供这样的服务，包括阿里云、腾讯云、华为云等。

第二是物联网。物联网（IoT）是5G和边缘计算发展最重要的应用场景。物联网（IoT）的兴起导致了物联网网关专用设备引入，该设备将本地设备使用的协议转换为云协议。IoT网关还通过组合和复用来自多个设备的遥测流，并在流传输到云之前对其进行过滤，从而充当数据聚合器。

第三是人工智能。Forrester预测，2021年，AI在边缘计算中的使用将发生巨大变化：机器学习将开始在边缘进行，而不单是在数据中心加以训练。

最近，人工智能已成为IoT的关键组成部分。通过在边缘部署深度学习模型，组织可以实时执行推理。IoT客户希望通过使AI模型更靠近数据源的设备来在本地运行AI模型。例如，预测性维护场景，一种在机器实际中断之前检测设备和机械故障的AI方法，需要更快的运行时间。在云中执行数据推理不仅慢，而且在带宽成本方面也很昂贵。

第四，5G网络。名为“Stadia”的Google云游戏平台，是完全基于云端，通过高速网络，把可供玩家交互的游戏流画面传回本地，用户的操作也会实时和云端产生回传。

但传输体验的好坏和网络环境有关。有了5G网络和边缘云服务，这款5G云游戏就会避免会产生操作延迟、画面撕裂等情况。

亚马逊、谷歌、IBM、微软，以及阿里云、腾讯云、华为云等公有云提供商正在与通信运营商合作，以将一些托管服务带到基于5G的边缘位置。

2021年边缘计算达到拐点？

研究公司Forrester在 2019年预测边缘计算将“爆炸性增长”，并表示2020年将是“边缘计算的突破年”。最终，边缘计算可能会超越云计算。

今年11月，Forrester预测，2021年将是边缘计算发展的拐点。

不管如何定义，边缘计算技术都必须尽可能靠近用户，如工厂车间、医务室或石油钻井平台等。Forrester认为，数据中心市场将成为一种新的边缘托管选项。

到2021年，像Edgevana和Inflect这样的主机托管市场聚合商将成为CDN和国际主机托管的重要选择，它们将服务于企业需求，甚至是在偏远地区。

由于市场成熟，一般的公有云市场增速将从2018年的42%下降到2022年的24%，取而代之的将是边缘计算的爆发式增长。