“云計算+邊緣計算”成IOT平臺重頭戲

陳曲

因為云計算，亞馬遜、微軟、谷歌都使出渾身解數搶掠陣地。資料顯示，亞馬遜、微軟和Alphabet（谷歌母公司）在2016年的資本支出和資本租賃共計315.4億美元，與2015年同比增長22%，這幾家公司都將云計算列為主要投資領域。

由于對云計算的擴張越來越激進，且險些走進“囚徒困境”，這三家公司打起了價格戰，紛紛降低部分云產品價格，甚至引起了由于價格持續下滑、可能造成利潤過低的擔憂。

在由亞馬遜、微軟和谷歌引領的1.0模式通用云基礎設施服務市場中，對于后來者來說已經沒有機會了嗎？未必。2.0模式“云計算+邊緣計算”的新玩法方興未艾，巧妙地成為了云計算避開“囚徒困境”的拐點。

再看IoT平臺爭奪戰。無論是阿里、騰訊、百度、京東等互聯網巨頭，還是華為、中國移動、中國電信、中國聯通等運營商、通信大鱷，抑或IBM、微軟、思科等傳統IT企業，以及機智云、Ablecloud、慶科、博聯等新型物聯網企業，都想在IoT平臺這塊大蛋糕中分得一塊。雖然都叫IoT平臺，但內涵和實質差異不小。如果不能下與底層設備、上與產業應用打通，切實為行業合作伙伴賦能，IoT平臺只能淪為偽命題。

而無論是亟待升級的云計算之爭，還是“殺紅了眼”的物聯網平臺戰役，下半場都指向了同一個主陣地：邊緣計算。

邊緣計算

并非再造概念、硬拗人設

硅谷風投大佬A16Z合伙人Peter Levine曾說，邊緣計算是云計算的“終結者”。這一說法未免有為博眼球而夸大其詞之嫌，不過云計算與邊緣計算共生的現實，成為了云計算和物聯網從業者們對未來的主流預判。

從技術定義來說，邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

邊緣計算并不是個新鮮事物，也不是物聯網人自吹自擂再造概念，而是一次“由來已久”的物聯網分布式計算的逆襲。

分布式計算的特征是每個節點都有計算功能，缺點是每個用戶都需要管理自己的節點、硬件、軟件。因此后來出現了云計算，用戶把大量的數據處理交給“云”去做。這個云計算實際上是集中計算，這種做法解決了用戶對中央計算的管理煩惱。

到“云”為止，我們完成了從分布計算到集中計算的轉變，然而現在我們發現，不同的物聯網場景，單純依靠集中式的云計算往往并不是最佳策略。邊緣的“速算”能力，對物聯網應用來說顯得尤為重要。

巨頭率先轉身擁抱

“邊緣計算”

據IDC預測，到2019年，IoT創建的數據將有45%通過邊緣計算被存儲、處理、分析和操作。“大物若智”，便是邊緣計算的“入世”之道，而這次逆襲的引領者，由各大巨頭和主流勢力帶隊。

在近日召開的微軟Build 2017開發者大會上，首席執行官薩蒂亞·納德拉宣布，微軟遇見了新世界——一個智能云（IntelligentCloud）+智能邊緣（IntelligentEdge）的世界。

微軟在Build大會上發布了Azure IoT Edge服務，一個為物聯網準備的云服務。它會由各傳感器和小型計算設備追蹤工業場景中的數據，然后由微軟的云和AI工具分析，通過這項功能將計算能力由云推向邊緣。

這些舉動也就是指明了計算能力要到邊緣去，因為物聯網終端數據越來越多，會要求更多的計算能力下沉，這也意味著更加分布式的AI和分布式的計算。

亞馬遜也希望通過IoT邊緣計算推動云平臺發展。就在最近一次的AWS re：Invent大會上，亞馬遜宣布推出AWS Greengrass。這是一種允許用戶以安全方式為互聯設備執行本地計算、消息收發和數據緩存的軟件。借助AWS Greengrass，互聯設備可以運行AWS Lambda函數、同步設備數據以及與其他設備安全通信，甚至無需連接互聯網，可最大限度降低將IoT數據傳輸到云端的成本。

2017年4月，Linux基金會發布開源物聯網邊緣計算項目：EdgeX Foundry。這并非一項新標準，而是統一標準和邊緣應用的一種方式，其主要目的是打造并推廣EdgeX這種面向物聯網的通用開放標準；圍繞可互操作的即插即用部件或組件打造一個生態系統；對EdgeX部件或組件進行認證等。

同是4月，思科和SAS宣布已開發了全球第一個用于物聯網分析的邊緣計算平臺，該平臺將思科邊緣計算產品與SAS高級分析功能有效結合。

SAP公司也連續收購了兩家物聯網邊緣計算初創企業——PLAT.ONE和Fedem Technology。并購完成后，SAP HANA云平臺可以在整個企業的范圍內支持IoT業務應用，無論在云端還是在邊緣。

戴爾也在積極拓展邊緣計算平臺產品與行業應用，追加發布專門針對工業應用的邊緣計算產品。

國內通信巨頭華為也是邊緣計算的積極推動者，并倡議、發起成立了國內的邊緣計算產業聯盟（Edge Computing Consortium，縮寫為ECC）。

近日，還有一項進展值得關注。初創企業Neurala宣布深度學習取得重大進展，無需云服務器就能在邊緣學習增量對象。這也就意味著人工智能也正在快速實現從云端到邊緣的進化。比如，自動駕駛汽車可以為每個車主或特定區域進行個性化設計；父母可以教一個玩具去識別他們的孩子，而無需擔心侵犯隱私。

借助MDC

完成從云端到邊緣的轉變

由傳感器產生的實時數據在形式和作用方面都與傳統企業數據有很大不同，無論是從聯網汽車中產生的千兆字節數據，還是來自工業機器人裝配線的控制數據，邊緣計算都必須比過去所開發的任何云端技術更敏捷、更自主、更可靠。

在使用物聯網系統之前，很多人沒有意識到大量的物聯網數據可能永遠都不會被傳送到云端，只適合進行就地處理，如果沒有被實時處理，數據價值也將不復存在。

有些數據的“保鮮期”很短，處理一旦延誤，就會迅速“變質”，數據價值呈斷崖式跌落。因此不是所有數據都必須上傳到云平臺，何況關鍵信息還有可能在傳送過程中延誤或受到干擾，尤其是那些通過LPWAN（低功耗廣域網）傳輸的信息。

我們必須對這些關鍵數據快速響應以做出決策，在短時間內采取行動，或是眼睜睜看最佳時機溜走。

邊緣計算的崛起也意味著巨頭們必須放棄完全控制或主導IoT市場的夢想，而是專注于跨越多層數據架構開展廣泛合作。作為一種迭代升級之后的理念，邊緣計算也將重新定義云、管、端之間的關系。

那么對行業應用來說，什么才是推進邊緣計算的最佳方式呢？

有些人試圖自己做，探索各種新技術，希望將它們組合成一個可行的解決方案。不過也有人找到了現成的，采用比如微型模塊化數據中心（簡稱為MDC）等邊緣計算方案。

MDC已存在一段時間了，它是用來實時采集并報表化和圖表化車間詳細制造數據和過程的軟硬件解決方案。隨著物聯網的發展，需要使用更小的MDC，即“微型MDC”，快速將這些模塊配置到邊緣場景，實現計算能力的部署。

在微型MDC選型過程中，專家建議需要綜合考慮以下五點。

確保靈活。由于各種應用場景千變萬化，微型MDC需要考慮足夠的靈活性，一體化解決方案并不一定是最好的選擇。

開放基礎。在IT方面，需要尋找可擴展和可管理的解決方案，以便將更多的處理能力分配到邊緣。這給IT部門提出了極大的挑戰，擁有開放敏捷的底層基礎架構，可以按照需求自動擴展資源配比變得異常關鍵。

賦權分析。微型MDC應該具有就地進行分析的能力，越靠近生成數據的高速設備或傳感器越好，以便迅速提供業務洞察。

快速使用。微型MDC應以準集成的解決方案提供，從而確保其快速安裝使用和快速價值創造。

統一管理。要實現這一點，設備提供者需具備綜合集成和管理能力，能夠從同一入口管理來自世界各地的各個微型MDC、相關的數據中心、IT設備以及傳感器。