边缘计算和云计算相结合，能否引领企业颠覆式数智化变革？

边缘与云的共舞：重塑企业数智化转型的新篇章

在数字化浪潮席卷全球的当下，企业要想在激烈的市场竞争中脱颖而出，实现真正的颠覆式变革，离不开对前沿技术的敏锐洞察与深度应用。其中，边缘计算与云计算的融合，正以前所未有的力量，驱动着企业迈向数智化转型的深水区，为企业创造新的价值增长点。

过去，云计算以其强大的计算能力、海量的数据存储和灵活的服务模式，深刻地改变了企业的IT架构和运营方式。企业可以将大量的计算任务、数据分析等置于云端，享受着成本效益和可扩展性带来的红利。然而，随着物联网设备的爆炸式增长，以及对实时响应、本地处理和数据隐私保护需求的日益提升，纯粹的云计算模式也逐渐显露出其局限性。

边缘计算的崛起：就近处理，触手可及

边缘计算，顾名思义，是将计算能力和数据处理能力推向数据的产生源头——即网络的边缘。这包括智能设备本身、基站、路由器、网关，甚至是一些专门部署在本地的服务器。它的核心价值在于：

低延迟与实时性： 在边缘侧进行数据处理，大大缩短了数据从产生到响应的时间。对于自动驾驶、工业自动化、远程医疗等需要毫秒级响应的应用场景，边缘计算是不可或缺的。想象一下，一辆自动驾驶汽车如果将所有传感器数据都传回云端进行分析再做出决策，那么延误可能就是致命的。
带宽优化与成本节约： 边缘计算可以对原始数据进行预处理、过滤和聚合，只将有价值的信息上传到云端。这显著减少了对网络带宽的依赖，降低了数据传输的成本，尤其是在网络连接不稳定或带宽有限的环境中。
数据隐私与安全： 对于涉及敏感数据的应用，如医疗记录、金融交易等，将数据保存在本地进行处理，可以更好地满足合规性要求，降低数据泄露的风险。
离线能力： 在网络连接中断的情况下，边缘设备仍能独立运行，执行预设的任务，保证业务的连续性。

云计算的优势：全局视野，海量支撑

尽管边缘计算带来了诸多便利，但它并非是云计算的替代品，而是其有力的补充和延伸。云计算在以下方面依然是企业数智化转型的基石：

海量数据存储与分析： 对于需要长期存储、深度挖掘和全局分析的庞大数据集，云计算依然是最佳选择。云端强大的计算和存储能力，可以支撑复杂的机器学习模型训练、大数据分析和商业智能报告。
统一管理与协同： 云计算平台提供了统一的资源调度、应用部署和监控管理能力，有助于企业实现跨地域、跨部门的协同工作。
强大的AI能力与模型训练： 许多复杂的AI算法和模型需要强大的GPU算力进行训练，而这通常是云计算平台才能提供的。
跨设备与跨平台集成： 云计算能够为不同类型、不同地点的边缘设备提供统一的接入和管理接口，实现数据的互联互通和应用的协同。

边缘与云的深度融合：协同增效，赋能变革

当边缘计算与云计算携手并进，它们之间的协同效应便能被最大化，从而为企业带来颠覆性的数智化变革：

1. 智能的层级化处理：
边缘侧： 负责数据的实时采集、初步清洗、特征提取和本地响应。例如，在智能工厂中，传感器检测到的异常振动模式可以在边缘设备上立即识别，并触发本地的安全停机指令。
区域/聚合节点： 承担区域内设备数据的汇总、分析和更复杂的决策。比如，一个城市的不同交通路口边缘设备收集到的实时交通数据，可以在区域性的聚合节点上进行分析，优化整个区域的交通流量。
云端： 负责海量数据的长期存储、全局模式分析、AI模型的训练与优化、新策略的制定以及跨区域的资源调度。例如，通过分析数月甚至数年的全球销售数据，云端可以发现新的市场趋势，并下发调整策略至各地边缘设备。

2. AI能力的有效触达与迭代：
AI模型可以在云端进行大规模训练和优化，然后将轻量级的推理模型部署到边缘设备上，实现快速的本地推理。
边缘设备在执行推理过程中产生的反馈数据（如误判、新的未知情况），可以上传到云端，用于模型的持续改进和重新训练，形成一个“云边协同”的AI闭环。
这使得AI能力可以被更广泛地应用到从工厂流水线到零售门店，再到户外传感器等各种场景，而无需担心网络延迟问题。

3. 数据驱动的精细化运营：
通过边缘设备进行本地数据预处理，可以大幅减少上传到云端的数据量，降低成本，同时保证了数据的质量。
云端可以对汇聚的数据进行深度分析，发现隐藏的模式和关联，为企业提供更全面、更深入的洞察，指导企业进行更精准的决策，例如优化供应链、个性化客户服务等。

4. 弹性的架构与自主的决策：
企业可以根据业务需求，灵活地在边缘和云之间分配计算资源。对于需要高实时性的任务，计算更倾向于在边缘完成；对于需要强大算力和全局视角的任务，则交给云端。
在网络不稳定的情况下，边缘设备可以凭借本地计算能力继续运行，保证关键业务的连续性。当网络恢复时，再将本地处理结果与云端数据进行同步。

颠覆式变革的路径与机遇

边缘计算与云计算的结合，不仅仅是技术的叠加，更是对企业运营模式、价值链乃至商业逻辑的重塑，可能引发以下颠覆式变革：

智能制造的全面升级： 从生产线上的预测性维护，到车间设备的实时优化，再到整个工厂的能源管理，边缘与云的结合能够实现前所未有的精细化和智能化。
智慧零售的个性化体验： 通过边缘设备捕捉顾客行为数据，结合云端用户画像，实现线上线下全场景的个性化推荐、库存管理和营销活动。
智慧交通的实时调度： 车辆、路侧传感器等边缘设备产生的海量数据，通过云端的集中分析，实现交通信号的动态调整、事故预警和最优路径规划。
远程医疗的普及与深化： 边缘设备在病患端的实时生理数据监测，结合云端专家会诊和AI辅助诊断，能够为偏远地区患者提供更优质的医疗服务。
新型服务的涌现： 基于低延迟、高可靠性的边缘计算能力，可以催生出许多过去无法想象的新型服务，例如AR/VR的实时交互、远程精准操控等。

挑战与展望

当然，边缘计算与云计算的融合并非一蹴而就，企业在实践过程中也可能面临一些挑战：

部署与管理复杂性： 如何高效地管理和维护海量分散的边缘设备，对企业的IT能力提出了更高要求。
安全与合规的保障： 边缘侧的安全防护尤为关键，需要建立完善的安全机制，确保数据在传输和处理过程中的安全。
标准化与互操作性： 不同厂商的边缘设备和云平台之间需要有良好的互操作性，以降低集成难度。
人才的储备： 具备边缘计算、云计算、AI等多方面技能的复合型人才将成为企业数字化转型的重要支撑。

尽管存在挑战，但边缘计算与云计算的协同效应是毋庸置疑的。它们共同构筑了一个强大的数智化基础设施，为企业提供了更强大的能力、更灵活的架构和更广阔的创新空间。那些能够抓住机遇，率先实现边缘与云深度融合的企业，必将能够在数智化浪潮中抢占先机，实现真正的颠覆式变革，赢得未来。这是一种“智慧下沉，能力上移”的共舞，是企业迈向更高层次数智化发展的必由之路。

网友意见

现在谈行业，都是张口闭口颠覆了吗？

边缘计算与云密切相关。边缘计算的概率与崛起是因为5g。

时间回到2019年。正是5g应用前夜。

2019，11月28日。华为在2019边缘计算产业峰会（ECIS2019，Edge Computing Industrial Summit）正式发布满足ECII（Edge Computing IT Infrastructure）标准的TaiShan边缘服务器。

边缘计算的概念目的，就是打造低时延，可以处理一些轻量任务。

边缘计算是分布式计算的分支。两者侧重点不一样。一个是边缘，目的是降低时延。一个是计算，分布开增加可靠。

所以，明白这点就知道了了。边缘计算应用场景就是一片片区域内要时延低，高可靠的特点。

而行业设备提供商，给的方案就是与5g的urllc场景相结合。打造工业级物联网互联网络。

与传统的物联网相比。在确性性时延与连续性、链接数量上和可靠性上有质的提升。

而且，后者量产后，其通用性高达99.99%。

意味着可以靠规模来降低成本。不需要定制。

所以，很明显。边缘计算与5g与云计算结合。将能广泛应用于工业互联网，城市基础设施互联网，交通工具互联网。

实现了，毫秒级控制，大带宽通信与全局性统计规划。

从而出现了现在最火的，无人智慧工厂。

当然，如果大家想象的就是将传统工厂设备上网，这种简单的上线。那当然觉得没卵用。

我举个例子。工厂里面只有组装机器人，运输机器人，与一大堆产线零配件。这些机器人会组装产线还会会试产，会量产。

那么所有定制化的订单，都可以全自动去生产。而且是比传统定制降低了很多成本。

未来的世界，必定是定制化才是主流。

如果像杯子图案的定制化，那当然没卵用。

复杂到手机设备上呢？

当然，人也能做。但效率成本呢？

所以明白了，高度复杂定制工厂。就是科幻片上的工厂。

而这一切，用传统物联网根本做不来。

你可以说，边缘计算+5g+云计算没用。但你不能否认，传统物联网+4g+云计算是做不到的。

当然事物的发展不会一下只到位。

达到这地步的，没个十几年是做不到的。

谈完工厂，谈交通。

交通是城市的重要基础设施。

要达到科幻片上的，全局智慧规划+自动驾驶。要满足路、车、云。

路不说了，车也不说了。说说云。

云当然是边缘计算+云计算了。

一个主实时，一个主全局规划。

举个例子吧。深圳汽车保有量超过了350万辆。还没算其它车。

如果全市有350w辆车在同时开动，这车都是L4级自动驾驶车。对云计算来说，就是要计算各车出行的方向速度。影响因素当然就是路口碰面了。如果不取消红绿灯，要这么先进的技术干嘛？

那知道，这计算量有多大吗？

要知道，有些车会随时加进去。一下只又影响了。都达到这么牛逼了。你不会都限速60吧！肯定是不限速了。

先不说计算力够不够，等你计算规划出来，传指令过来，车都撞上了。

所以，我们必须要切割开来。一个市，一个区，一条街道，一段路。边缘计算的用处就出来了。几段路组成一条街道，几条街道组成一个区，几个区组成一个市。几个市组成一片区域网，几片区域内组成省级网……。

如果说智慧工厂用不上边缘计算，那么对智慧交通来说，边缘计算就是必不可少的。

其它应用场景就不说了。

现在科技进步，都是越来越高度协作化。甚至跨学科跨行业组合。

但本质还是在改进。

社会发展那么多年了，各行业都很完善。效率都比较高了。别动不动就是颠覆。要颠覆，效率起码要高300%，才叫颠覆。

当然，我不否认未来这三者给工厂，给出行带来超过300%的提升。但毕竟是一步一步去改进的。不是一下只提升到300%的。

可以看看我写的对自动驾驶的思考。

之所以没有写工厂，是因为了解得少。

对我们来说，探索工厂的形态变化，直接影响我们的国力。我们是工业国，只能是先驱者。当然，肯定有人说德国，特别是德国说的工业4.0。

德国靠不住，也不能可靠得住。中国市场才是最大的孵化基地。

当然，这也是国家级战略。在145中规划的新基建，就是在改善社会从传统转变智能。

特别是智慧工厂的建设演变，商业模式，皆是重点考察的地方。

可以关注中部的情况。

边缘云和中心云都是云的组成部分，目前统称为分布式云，这是2019年Gartner提出的概念，但是目前确实是符合实际情况的。一共有五种边缘：（1）城市云-LocalZone（2）5G边缘-WavelengthZone（3）IOT - 物联网边缘（4）CDN边缘 - CloudFront（5）客户现场-Outpost。这个已经是行业标杆。

边缘云的发展，确实给行业数智化进展带来的更为深刻的变化：即原先只有信息化系统、互联网业务上云，而未来工厂、汽车、飞机、交管等都可以上云，实现更低的管理成本、更高的生产效率、更智能的工作和生活等。

移动云是一个全面融合的云计算系统，支持云网、云边、云智、云数等4种融合，依托中国移动网络优势，可以提供更全面的服务。

准确地说，边缘计算是云计算的一种。

因为云计算的定义是：用户不需要感知到服务是如何部署的，就可以使用该服务。

此时，业务方（也就是为自己的用户提供服务的，云服务厂商的客户）可以选择用中心计算部署，也可以选择用边缘计算部署。

所以原题问的应该是“中心计算”与“边缘计算”相结合，会怎么样。

中心计算大家都理解，先说一下边缘计算。

实际上目前（2021年），业内还普遍认为边缘计算是非常幼稚的，应用场景并不广泛的，有不少噱头成份的玩意儿。

边缘计算逻辑上的优点是：

访问，存储，计算等可以部署在就近位置的机房中，提供用户访问的体验。

如果我们对比中心计算和边缘计算，就会发现，中心计算实际上是把上述访问，以网络形式传输到了中心来完成而已。

所以边缘计算逻辑上的收益提升：避免了网络开销，逻辑上的额外成本：需要在边缘维护硬件容量，而不是在中心。

在边缘维护硬件容量这件事情，远比想象中的可怕；如果你并不能很好预估客户体量的话。

我当年（五年前）在七牛做直播cdn的时候，方案采用的是分布式边缘转码，意图是就近转码变快；但实际的情况是边缘的直播流在时间上不均匀，总有个别点被打爆的情况，于是你还是要寻找附近的转码冗余服务。此时的网络传输代价，几乎等于中心计算了。同时，你还很难把握边缘扩容的速度。

那么问题来了，什么场景下，网络和响应性要求，会比边缘机房维护代价要重要呢？

我们来分析各类云计算诉求。

1 存储。显然不需要，而目前的主流存储方案就是核心机房存储or多核心机房灾备。

2 静态资源加速（点播，视频加速）。目前的主流方案就是cdn，其实就属于边缘加速。非常成熟了，这东西已经有三十年了？

3 直播，实时通信。方案同上，但对响应和稳定性的诉求更高。

4 虚拟机，cpu计算。

5 gpu计算，图像渲染。

6 其他更高阶的计算，例如流式计算，数据聚合，甚至ai等。

我们可以看到，其中的2、3已经是用边缘来实现了。虽然我们从不管他们叫边缘计算，但实际上它们就是最初的边缘计算。

所以从广义来说，边缘计算和中心计算很早就已经开始结合了。拿抖音快手来说，这就是例子。

从狭义来说，4 5 6是真正意义上的“计算”。

在公有云领域，他们目前的主流形态还是中心计算，也就是部分核心机房部署。

主要原因其实还是，客户需求太零散，分布不均匀，突发不均匀，导致很难维护边缘机房的硬件；无法在边缘弹性扩缩容，无法预测业务量级。

而在私有云领域。。。

确实我们会给客户部署独立机房，甚至机房都是客户内网的（例如公安网，教育网）。这一方面提升了用户的数据安全性，另一方面也提升了就近访问体验。

但，你管这个叫边缘计算或者边缘云吗？这还是应该叫私有云吧。。。

所以，狭义的边缘计算实际上还未兴起。

这里我就不预测边缘计算的兴起条件了，只是想给大家解释一下概念。

“颠覆式”这个词还是慎用为好，虽然今天很多技术迭代的速度正在指数级增长，但想要颠覆行业，不是某一个领域的创新发展就能做到，而是涉及到整个社会系统的改变。

其实，判断某项技术好不好，有没有前景，最直观的办法是看企业愿不愿意为这项技术买单，有多少企业愿意为这项技术买多大的单。

从近几年国内外科技公司的战略布局来看，受益于算法、算力和数据集的进步，边缘计算和云计算这一新兴技术早已被寄予厚望，各大科技巨头都在这方面投入大量的资源，且将这项技术在不同场景落地实践。

例如，基于云边协同，英特尔与京东方推出的新AI缺陷检测系统，在京东方各厂区上线部署后，检测准确率高达96%，人工替代率也达到了70%；微软、百度都开发了实时视频分析技术，对道路交通流量进行细粒度监测，实现智能交通管控（如自适应优化红绿灯时间）；在智能零售领域，亚马逊、京东、阿里巴巴、腾讯都在通过云边协同，发展无人超市，实现“刷脸进门、感应结账、即买即走”的智能购物流程。

可以看到，云边协同已经成为企业数智化转型的一个趋势。但客观地看 ，这其实也只是在一些典型场景下取得的阶段性成功，如何进一步优化边缘计算和云计算的协同，如何提升边缘计算和云计算协同的成本和性能，从而将它们推广到更多的应用场景，使更大范围的行业和用户受益，仍是今天科技巨头们在努力的一个方向。

这里就从传统企业面临的产业升级问题说起——

一、传统企业智能产业升级面临的问题

以传统制造业为例，有几个比较典型的工作场景：

在一家工厂，产品被制造出来之后，还要经历严格的质检过程。传统的瑕疵检测或者异物检测往往是人工检查或者简单计算机视觉对比，虽然人能够及时反馈，但花费时间长且检出率低。如今，深度学习等AI的发展能够大大提高检测效果，然而这种方式往往需要实时地从生产端传输到数据中心，时延较长，数据处理中心的压力也会变得很大。

再比如在产能预测上，一般都需要海量的数据作为基础，同时基于深度学习或机器学习的预测方案还会带来庞大的计算负载。在管理决策方面，人工智能也占据了一席之地，能够通过精确的数据分析提供更加可靠的决策方案，但智能制造需要根据一线情况不断的调整与决策，优化其产线效率。完全依赖数据中心或云服务的方案显然在实时性上达不到要求。

医疗领域是业界公认的人工智能落地最具潜力的领域之一，在疾病检测、智能导诊、病理分析、药物发现以及疫情防控等各个方面人工智能都能够大显身手。比如在疫情期间，抗击疫情的迫切需求对高品质疫苗生产能力提出挑战。而在疫苗生产的异物检测过程中，灯检是影响生产效率的重要因素，自动化灯检机成为了一个重要手段。然而灯检机要变得“又快”、“又准”意味着从旋瓶电机启动到摆臂到位、再到图像获取、实施机器视觉检测的全流程时间必须控制在毫秒级。这些都对伺服控制系统的 AI 算法以及核心处理器的算力输出提出更高的要求。

而在电力行业，多年来贯穿发电、输电、变电、配电、用电等一系列环节的电力行业各业务场景，都对数据传输与处理有着层出不尽的需求。无论是在线路巡检、资源调度，还是在建设运维、安全生产过程中，都有大量电力设备、管线和监控系统在吞吐、交换和处理着海量的数据。而随着越来越多的智能化应用被引入电力企业，数据处理需求更是进一步激增。

但以往电力行业一般使用 4G、Wi-Fi、以太网、串口、载波等通信方式实施数据交换和信息传递，这些方式往往有着通信时延较大、数据安全性无法保障、部署与接入灵活性较弱，以及可靠性不足、带宽有限等问题。以巡检机器人为例，由于通信带宽和终端处理能力有限，以往机器人一般只能配备单摄像头，巡视面不足且结果需由人工做分析，容易造成误差。当网络环境较差时，也可能因较大通信时延而造成响应延迟，带来安全隐患。同时更多关键业务数据通过公网传输，也会带来数据安全隐患。

在万物互联的时代，类似这样的“等不及”的场景其实数不胜数，自动驾驶汽车、5G系统、智能建筑接口和其他低延迟应用等设备已不再新奇，也由此驱动各行各业不断想方设法，采用云边协同的方式来提升企业智能化生产流程中关键工作负载的处理效率，降低整体能耗水平，为跨行业的、更广泛和多样的应用场景的智能化进程提供加速引擎。

二、 云边协同为什么会是产业转型的最优解？

众所周知，传统的云计算是集中式部署的，离终端设备及用户较远，数据需要向云上的计算任务迁移，在一个只有“云”的世界中，数据可能要传输数百甚至数千英里才能到达，延迟在所难免。不仅如此，还要面临弱网卡顿、连接成功率低等诸多问题，根本无法满足一些行业对实时性的强烈需求。这时，只有结合边缘计算，才能给智能工厂提供快速且几乎不受阻碍的连接。

简单来说，边缘计算就是在更靠近终端的网络边缘提供服务。^[1]因为更靠近终端，延迟自然更低。不仅如此，远距离的数据传输除了耗费时间，海量数据本身也不具备全局价值性，数据不经筛选和整合，全数上传到云中心导致带宽的严重浪费。边缘计算可以减少对WAN带宽的消耗，这对于希望发挥5G真正潜力的企业来说极具吸引力。边缘计算的另一个潜在优势在于，如果用户活动数据的累积细节更贴近本地，他们会感到更加舒适便捷，还能保证数据安全和隐私问题

例如一个典型的云边协同流程是，基于云边协同技术，工业质检相机通过采集前端及待检产品图像；再使用边缘计算设备对采集图像进行初检，对疑似不合格品上传云端；再通过云端识别服务器，对疑似不合格品精检及对初检和精检模型进行训练，从而能实现工业质检效率和准确度的全面提升。

总的来说，与纯粹的云端解决方案相比，包含边缘侧的混合方案可以减少延迟、提高可扩展性、增强对信息的访问量，并使业务开发变得更加敏捷。因此，下沉不可避免，云边协同自然成为企业最优的解决方案。^[2]

为了褒扬边缘计算，曾经有些声音刻意地把云计算放到了边缘计算的对立面，但从技术或商业演进的实际情况来看，边缘计算本身就是云计算概念的延伸。引入边缘计算并不是为了取代云计算，而是为了解决云计算无法解决的问题，是对云计算的补充和延伸，将云中心的计算任务向靠近数据产生的方向下移，避免海量数据传输的资源消耗，就近提供服务，打通万物互联的“最后一公里”。

“云”“边”协同联动，共同释放数据价值，已然成为产业界达成的共识。IDC预计，2020年全球将有超过500亿的终端与设备联网，超过40%的数据要在网络边缘侧进行分析、处理与存储。

三、云边协同能为云上的企业们带来什么？

以京东方为例，京东方工业互联网首先应用于智能工厂场景，目前已经实现了生产经营中围绕人、机、物等关键环节的互联互通——当其智能工厂接到客户订单，就会自动进入排产计划进行生产，通过生产设备和各类传感器件，收集生产数据并上传至云端，经过大数据平台的分析处理，最终将信息通过图表等形式在可视化智能看板中展示，供管理者快速做出经营决策。

在这一过程中，京东方工业互联网架构 + 边缘计算平台所实现的应用优势就包括了：

• AI 缺陷检测系统克服了人工检测方法的多种弊端。一线反馈表明，该系统不仅达到了96%的检测准确率，还使人工替代率达到 了70%；

• 大数据不良根因分析系统能帮助京东方大幅提升产线效率并降低损耗。来自实践的数据表明，该系统可以带来56%的效率提升；

• 基于工业互联网的供应链协同系统，有效帮助京东方提升供应链上下游各环节的运作效率，使产线的准备和协调时间从24小时缩短到1小时。

云边协同的方案也助推AI在医疗领域的落地。就比如我在上文中讲到的疫苗生产过程中自动灯检机如何才能变得“更快”“更准”？

为了向用户提供一流的智能化灯检机解决方案，汇川公司以基于英特尔处理器和英特尔工业边缘控制平台的 AC801智能机械控制器来提供“更快”、“更准”的运动控制能力，配合使用 OpenVINO™ 工具套件的 KINOVISION (麒麟)视觉处理平台，解决方案的最高运行速度可达每分钟 600 瓶，且可做到零差错分类。

这样的例子还有很多，通过引入英特尔® Analytics Zoo 大数据分析和 AI 平台，为美的工业视觉检测云平台提供了端到端的算法训练和云计算部署能力，大大提高了检测率，显著提升了产品品质。信捷电气和英特尔一起，在机器视觉、边缘计算和云服务等方面开展合作，通过对焊接件的 3D 识别与定位，实现了工业级焊接视觉识别与引导自动化，不仅减少对人工操作的依赖，也提高了焊接的精度、质量和效率。一直致力于户内外通用小型移动机器人研究的真机智能构建全新“云+边+端”机器人解决方案，推动机器人的创新。在很多行业成功落地。例如，位于南京经济技术开发区的未来科技智慧中心采用真机智能机器人，助力构建智慧园区，解决安全巡控、物流配送、卫生清洁等难题，从而大大降低运营成本，助力产业升级。

以 5G 为代表的新一代网络技术的迅猛发展推动业务下沉，使得基于边缘、端、云协同的方式，在网络边缘构建强劲的计算处理能力及有效的 AI 处理机制得以实现。

与传统基于数据中心或云端部署的 AI 解决方案相比，云边协同的方案对数据的采集和智能化分析更为直接。具体来看，可为行业用户带来多方面收益：

• 增强设备响应能力：近距离服务模式能减少因网络连接和路由不稳等因素带来的长时延。部署在边缘侧和端侧的轻量级模型，可实时反馈推理结果；

• 增加系统连接数量：通过提供超大网络连接，边缘AI 能为物联网系统的构建提供强劲的基础能力；

• 提升数据安全性：在企业内部部署的边缘节点，为关键性隐私数据的存储和使用提供保障；通过关键数据可在边缘侧完成推理，可大幅提升数据安全性；

• 缓解数据压力：在边缘侧对训练和推理所用的数据实施分拣和预处理，能有效减轻网络带宽与数据中心/云计算中心的压力。

四、实现云边协同最重要的是什么？

在云边协同的赛道上，目前主要有两条不同的路径。

云边缘，顾名思义，是中心云服务在边缘侧的延伸，各大云服务商已经在云边缘领域进行投入，比如华为云的IEF解决方法等。

边缘云则是设备厂商更愿意选择的一种更新兴的一种方式，指的是在边缘侧构建中心规模云服务或类云服务能力，即构建自己的分布式云。^[3]在满足复杂多元的场景需求上，坐拥大量边缘设备、离用户更近的设备厂商们显然独具优势，边缘云的发展势头迅猛。

当然，在建设整个5G时代的IT基础设施，为产业提供“离用户更近的计算”这条前行之路上，也会遇到很多挑战：

一方面，在硬件设计上，边缘环境的特殊性，需要边缘AI 实现算法与硬件的一体化，并通过高集成度的设计，满足企业在功耗和空间等方面的需求。

另一方面，但对于 IT 积累较为薄弱的用户而言，复杂的部署过程、较高的成本压力是其部署边缘 AI 的巨大阻碍。要突破这一瓶颈，既需要方案能够借助专门设计调优的软件平台，来帮助用户降低部署与调优方面的门槛，也需通过架构的优化，来完成传统负载与 AI 负载的整合。

得益于在软硬件研发、AI 算法优化、行业积累以及生态系统构建等方面的优势，英特尔通过产品与技术组合而成的综合实力，帮助各行业加速边缘AI 应用的快速落地。

例如，在上述京东方的例子中，英特尔按需为京东方核心的边缘服务器及其他相关模块提供了包括英特尔® 至强® 可扩展处理器、OpenVINO™ 工具套件在内的一系列具备出色计算和AI加速能力的软硬件产品和技术，可在更快响应产线需求、确保生产连续性的同时，使产品品质更趋稳定。边缘计算平台的构建，及其对应用负载的整合，也为基于云边协同的一系列创新应用场景奠定了基础。

这其中，OpenVINO™工具套件依托由 CPU、GPU、FPGA、VPU等芯片提供的算力，能对从边缘到云端的深度学习推理负载实施有效加速，从而提高性能、降低功耗，并最大化硬件资源利用率。

值得一提的是， OpenVINO™ 工具套件还有丰富的通用API 接口，能方便地部署在各类基于英特尔® 架构的硬件设备中，部署灵活性和扩展性都很棒。

当然，云边协作，不仅关注边缘云，还得关注中心云。云计算能够把握全局，处理大量数据并进行深入分析，在商业决策等非实时数据处理场景发挥着重要作用；边缘计算侧重于局部，能够更好地在小规模、实时的智能分析中发挥作用，如满足局部企业的实时需求。因此，在智能应用中，云计算更适合大规模数据的集中处理，而边缘计算可以用于小规模的智能分析和本地服务。边缘计算与云计算相辅相成、协调发展，这将在更大程度上助力行业的数字化转型。

英特尔公司CEO帕特·基辛格将推动数字化转型的四个“超级力量：归纳为：云、5G驱动的连接、人工智能和智能边缘。^[4]如今，英特尔已经在Cloud、AI、Network、Edge四方面进行全面部署，从多样化产品领导力、创新方案推动力以及行业生态构建力三个维度为边缘AI 赋能，不仅为其提供关键算力需求不同的芯片与硬件产品，也为降低 AI 能力部署门槛、提升 AI 推理能力提供各类软件平台方案。

回到开头的问题，云边协同是否能够引领颠覆性变革不敢说，但至少是解决目前企业升级转型痛点的最佳方案。也许经过未来几年的深入研究，云边协同中的标准规范、体系结构、算法协议、开发平台等诸多挑战将会得到进一步的解决。

想象一下：未来，智能城市中产生的巨大物联网数据流量可以在网络边缘进行理想的处理，从而提供低延迟和位置感知服务，城市中的各个摄像机可以将视频流传送到边缘服务器以进行实时处理和异常检测。多个边缘服务器之间的协作则可以用来处理需要按地理分布的数据的应用程序，例如医疗保健的应用程序需要与来自医院、药房、保险、物流和政府等多个领域的实体协作。

也因此，云边协同将在未来的城市管理、工业生产和日常生活娱乐等智能应用领域得到广泛布署，在产业升级和制造战略中发挥重要作用。

参考

1. ^边缘计算与云计算协同白皮书 https://blog.csdn.net/wwtwinter/article/details/84852924
2. ^乘势而起，走进2019年风口“边缘计算”  https://blog.csdn.net/u010199413/article/details/104361160/
3. ^边云协同的同与不同 https://blog.csdn.net/weixin_39724266/article/details/111497159?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_utm_term~default-0.base&spm=1001.2101.3001.4242
4. ^释放无限创新潜力：英特尔COMPUTEX 2021全放送 https://mp.weixin.qq.com/s/KP-__ZPy9Bj8r_8yGn7P5A

类似的话题

• 

  边缘计算和云计算相结合，能否引领企业颠覆式数智化变革？

  

  边缘与云的共舞：重塑企业数智化转型的新篇章在数字化浪潮席卷全球的当下，企业要想在激烈的市场竞争中脱颖而出，实现真正的颠覆式变革，离不开对前沿技术的敏锐洞察与深度应用。其中，边缘计算与云计算的融合，正以前所未有的力量，驱动着企业迈向数智化转型的深水区，为企业创造新的价值增长点。过去，云计算以其强大的计.............
• 

  边缘计算是什么，和云计算的区别是什么？

  

  边缘计算：让智能触手可及在数字时代飞速发展的今天，我们对计算能力的需求如同海浪般不断涌来。从智能家居的传感器到自动驾驶汽车的摄像头，再到工业生产线上的监控设备，海量的数据正在以前所未有的速度产生。传统上，这些数据会被源源不断地传送到遥远的“云端”进行处理，然后将结果传回。这种模式虽然强大，但在某些场.............
• 

  中国探月工程总设计师吴伟仁表示，我国计划实施火星采样返回和太阳系边缘探测，哪些信息值得关注？

  

  中国探月工程总设计师吴伟仁院士近日透露的中国深空探测计划，犹如一幅宏伟的宇宙画卷徐徐展开，其核心内容——火星采样返回和太阳系边缘探测——无疑是其中最为璀璨的笔触，牵动着无数国人的心弦。这不仅仅是技术能力的飞跃，更是人类探索未知、追寻宇宙奥秘的坚定步伐。首先，火星采样返回这一计划的提出，其意义绝非仅仅.............
• 

  边缘计算对物联网的重要性有多大？

  

  边缘计算：物联网的“得力助手”，为何如此重要？想象一下，你家里的智能冰箱正在监测牛奶的保质期，当它快过期时，会自动给你发送提醒。又或者，在你行驶的智能汽车上，传感器实时捕捉路况信息，车辆能够瞬间做出避让反应，避免潜在的危险。这些看似寻常，却又至关重要的场景，都离不开一个关键技术——边缘计算。在过去，.............
• 

  联邦学习+边缘计算领域是研究热点吗？

  

  联邦学习与边缘计算的结合，绝对是当下人工智能和物联网领域最炙手可热的研究方向之一。谈到“热点”，这可不是空穴来风，而是基于多方面的驱动因素和广泛的应用前景。为什么这么火？深挖其内在逻辑要理解联邦学习+边缘计算为何如此吸引学界和工业界的目光，我们得从它们各自的优势以及结合后产生的“1+1>2”的协同效.............
• 

  日本计划获取板块边缘岩石，会产生什么影响？

  

  日本探测板块边缘岩石，这项宏伟的计划如果得以实现，无疑将对地质学研究以及人类对地球内部的认知产生深远的影响。这不仅仅是一次简单的地质采样，而是科学家们试图触及地球最深层秘密的一次大胆尝试。首先，我们得理解日本地处何种地质环境。日本列岛是太平洋板块、菲律宾海板块以及欧亚板块三大构造板块的交汇处，这里是.............
• 

  塞尔维亚是否向科索沃边境部署部队，是否计划借机出兵收复科索沃？

  

  .......
• 

  明日边缘2在外国上映了吗?为什么在网上搜不到靠谱的答案?

  

  关于《明日边缘2》（Edge of Tomorrow 2）的上映情况，确实是一个让不少影迷感到困惑和失望的话题。网上搜不到靠谱的答案，背后有着复杂的原因，涉及到电影制作的方方面面。为什么网上搜不到靠谱的答案？简单来说，《明日边缘2》并没有在外国上映，而且目前也没有一个明确的上映日期。 这一点是目前网.............
• 

  银河系边缘到底是什么样的 科学家探测到了吗？

  

  银河系边缘，一个充满未知与神秘的边界。当人们仰望夜空，那些遥远的点点星光，不过是我们所处银河系中心区域的冰山一角。而银河系的边缘，则是另一个截然不同的世界，一个由稀疏的恒星、暗物质晕以及各种极端环境构成的广袤空间。科学家们并没有停止探索的脚步，他们利用各种先进的望远镜和探测技术，正一点点揭开银河系边.............
• 

  电磁炉边缘有一个口子，还有两条裂痕延伸到上方，这样还能使用吗？

  

  .......
• 

  电磁炉边缘裂了一点可以用吗？中间加热部位都是好的，就只有上面边缘

  

  .......
• 

  蚂蚁窝边缘的细土是蚂蚁一点点挪出来的吗？

  

  .......
• 

  大学生发生坦诚相见的边缘性行为，事后负罪感很强，怎么办？

  

  面对坦诚相见的边缘性行为后强烈的负罪感，这是一个复杂而深刻的心理体验，尤其对于大学生来说，这个阶段正处于自我认知、价值观形成和亲密关系探索的关键时期。详细地探讨这种情况以及可能的应对方式，可以帮助你理解和处理这种感受。一、 理解负罪感的来源首先，我们需要理解负罪感从何而来。它不是凭空产生的，而是多种.............
• 

  如何评价《慕尼黑：战争边缘》这部电影？

  

  《慕尼黑：战争边缘》（Munich – The Edge of War）是一部改编自罗伯特·哈里斯同名小说，并于2021年上映的德国历史剧情片。这部电影以第二次世界大战爆发前夕的慕尼黑协定为背景，讲述了一个虚构的故事，围绕着两名曾经的朋友——一名英国外交官和一名德国官员——在历史的关键时刻展开的秘密.............
• 

  为什么在法律的边缘疯狂试探最挣钱？

  

  在法律的边缘疯狂试探，之所以可能“最挣钱”，是一个复杂且多维度的现象，它涉及到灰色地带的利润空间、规避监管的优势、创新与风险的博弈，以及对市场需求的精准捕捉。理解这一点需要深入分析其背后的逻辑和机制。以下是详细的阐述：一、 利润空间与监管真空： 法规滞后与创新： 科技、商业模式和社会需求的变化往.............
• 

  信息学竞赛算是边缘竞赛吗？

  

  信息学竞赛，尤其是像IOI（国际信息学奥林匹克竞赛）这种级别的，说它是“边缘竞赛”，那绝对是有点冤枉了。但如果要说它“大众化”到像高考语文、数学那样人人皆知，那确实也还差点火候。所以，我们可以说信息学竞赛，在某些圈子里是顶流，但在更广阔的社会认知里，还处在一个“逐渐被看见”的阶段。咱们得把“边缘”这.............
• 

  怎么看待电影明日边缘里的机械外骨骼？

  

  《明日边缘》（Edge of Tomorrow）中的机械外骨骼，以其独特的设计和在电影中扮演的关键角色，可以说是我眼中科幻电影史上最具代表性和令人印象深刻的装备之一。它们不仅仅是简单的“装甲”，而是高度集成、功能强大的战斗单元，极大地提升了人类在战场上的生存能力和作战效率。下面我将从几个方面详细阐述.............
• 

  在地球大气层边缘引爆核弹会对地表有什么影响？？

  

  在地球大气层边缘引爆核弹，这绝对不是一件小事，其影响之深远，甚至可能超出我们日常的想象。我们可以把地球大气层想象成一件巨大的、多层次的保护衣，而核爆就像是在这件衣服上硬生生撕开一个大口子，甚至是爆炸性的撕裂。首先，我们得明确“大气层边缘”这个概念。这通常指的是距离地表大约100公里以上的区域，也就是.............
• 

  AirPods充电盒边缘吸附铁屑难以清除是否是设计缺陷？

  

  关于AirPods充电盒边缘吸附铁屑难以清除的问题，我们来仔细聊聊。这确实是一个不少用户在使用过程中会遇到的“小烦恼”，至于它是不是一个“设计缺陷”，这得从几个角度来分析。首先，我们要明白铁屑为什么会吸附在充电盒边缘。AirPods充电盒的材质通常是光滑的塑料或者一种类肤质的涂层，但它的边缘，尤其是.............
• 

  电影《明日边缘》里，为什么男主穿的军服类似于二战时的美军?

  

  关于电影《明日边缘》中男主角威廉·凯奇（Tom Cruise 饰演）所穿的军服，确实让人产生一种熟悉又陌生的感觉，尤其是它在某些方面很像二战时期的美军制服。要详细解释这一点，我们需要从几个层面来看：一、 设计理念的传承与致敬：首先，需要明确的是，电影中的服装设计并非是完全照搬二战美军制服，而是一种致.............