边缘计算，这个概念在国内最早于2016年4月被提出。2016年年底，随着边缘计算联盟的正式成立，边缘计算这个概念开始在产业链里的土壤里慢慢生根发芽。经过2017年AI的蓬勃发展，边缘计算被带动起来，开始伸展枝桠;再加上5G的即将商用，又为边缘计算的茁壮成长增添更多的肥料。

据统计，到2025年，AI衍生的商业价值将达到5.1万亿美元;到2035年，5G相关产品和服务将达到12.3万亿美元。而AI与5G的落地，则与边缘计算的落地密切相关。

业内人士预判，边缘计算有可能是继AI之后的下一个风口。

云计算并不是万能，边缘计算应运而生

云计算在产业落地应用已有十余年的时间，不过，云计算并不是万能的，近几年开始暴露出一些弊端。边缘计算应与云计算形成协同，更好地满足产业的发展需求。

从概念层面来讲，“云是更协同的定义，跑在天上的是云。边缘计算是从一个端到端的架构来描述计算在哪里发生。”英特尔副总裁兼物联网事业部中国区总经理陈伟说到。

随着物联网更多的智能终端出现，需要采集和运算的数据越来越大，对运算速度、网络带宽都提出了更高的要求。同时，随着个人隐私等信息的不断增多，人们对安全的需求也更为迫切，这些单靠云计算是无法满足的。

在这样的产业背景下，边缘计算应运而生。

“边缘计算与云计算，是一种互补协同的关系，而不是替代关系。” 华为网络研发总裁刘少伟指出，边缘计算与云计算需要通过紧密协同，才能更好的满足各种场景的匹配，从而放大边缘计算和云计算的应用价值。

在互补协同上，边缘计算则是将部分数据在智能终端的本地端进行处理和存储，一是可以减轻云端服务器的压力;二是可以将涉及个人隐私的数据放置在本地端，大大降低了个人信息的泄露，提升了安全性。

此外，“我们对智能终端上的传感器机制做一个研究，发现传感数据在1秒之内可以过时，变成旧数据，传感器采集到的信息几百毫秒之后就变成过时的数据。把数据传到云端服务器，分析处理完以后再回到智能终端，对于有些应用来说，没法容忍这个等待，需要在本地端进行边缘计算。同时，在很多应用中，边缘计算的成本更低。因为在边缘计算中，不需要存储大量的数据，只需要存储数据分析的结果或数据的含义，而不是数据本身。从这个意义上来说，现在所说的大数据，这些数据本身并没有意义，数据的含义或者分析之后的结果才有意义。”

提到边缘计算，顺便提一下雾计算。边缘计算概念出现之前，已有雾计算的概念。对于边缘计算和雾计算的区别，“雾和云是更协同的定义，都是本性，跑在天上的是云，跑在地面的是雾。此外，边缘计算的范围更广，延伸到通讯网络边缘、基站等等都是边缘的范畴。相比之下，雾计算关注的范畴是在传感Sense以上的边缘侧的计算节点，比如传感器等等这些并不在它范畴里面，相对来说在网络基站以下、Sense之上，这之间的一些系统基础架构，计算的一些节点的需求等等做这样的事情。” 英特尔中国物联网事业部首席技术官张宇指出。

AI推动边缘计算崛起，边缘计算将是下一个风口

据MarketsandMarkets称，到2022年，边缘计算市场将从2017年的14.7亿美元增长到67.2亿美元。华为预测，未来超过50%的数据需要在网络边缘侧分析、处理与储存。

“AI是当下的风口，边缘计算是下一个风口。”高通产品市场副总裁孙刚指出，“5G和AI相辅相成，5G会使得通讯的速度更快，同时会产生更多的数据。反过来，数据是AI的基础，更多的数据会使AI更有效。AI的技术会发展，对数据会有更多的需求，进而会促进5G的发展。AI与5G的发展，推动更多数据的计算在本地端进行，进而推动边缘计算的发展。这些趋势加在一起就给今后几十年很多新的机会，这些机会足以驱动下一轮的工业革命。”

北极光创投创始人董事总经理邓锋指出：“人工智能正在去中心化，云与边缘逐步分裂，针对AI的新的计算架构将会应运而生;近年来，端的数据以几何级数增长，AI从云端迁移在许多应用场景下不可避免，端侧智能将崛起;未来10年，端的数量的模式将是‘基于存储的计算，存储与计算合二为一’。”

邓峰强调，AI对计算架构的影响将远远大于云计算对计算架构的影响，针对AI的新的计算架构会应动而生。中国在这次变革中，会尽其所能建立自己的生态体系，从而降低对国外产品的依赖。

在边缘计算的布局上，中国可谓及时切入。最为标志性的节点是推进边缘计算联盟的成立和发展。边缘计算联盟于2016年12月30日在北京成立，由华为、中科院沈阳自动研究所、中国信息通信研究院等企业联合发起。搭建边缘计算产业合作平台，推动边缘计算相关标准的建立，进而促进边缘计算产业健康与可持续发展。

边缘计算联盟副理事长刘少伟指出，边缘计算联盟成立一年，会员单位达到150多家，主要覆盖工业领域的企业;今年12月份，联盟的单位已达200多家，中国移动、中国联动、中国电信三大运营商也加入进来，还有很多科研机构，比如中国电信北京研究院、江苏未来网络创新研究院、山东大学、西安交大等等，还有更多IoT领域的企业。”

据悉，今年边缘计算的参考架构3.0已经推进，对边缘计算的技术体系进行更加系统的归纳总结和梳理。此外，边缘计算联盟与国际标准组织IEEE建立合作，双方将在相关标准、技术和产业落地等方面深入合作。

当前，边缘计算已从概念到实践，从星星之火到燎原之势。

从芯片、硬件、系统等相关解决方案相继推出

为了抓住边缘计算这一重大机遇，从芯片、硬件、系统、解决方案等产业链各个环节开始布局和发力。

在芯片层面，已有半导体企业推出嵌入式FPGA--eFPGA 加速器，来助力智能终端的边缘计算。美国半导体设计公司Achronix在Speedcore Gen4架构中，将机器学习处理器(MLP)添加到Speedcore可提供的资源逻辑库单元模块中。MLP模块是一种高度灵活的计算引擎，它与存储器紧密耦合，从而为人工智能和机器学习(AI / ML)应用提供了性能更高、功耗更低的解决方案。

“传统云和企业数据中心计算资源和通信基础设施无法跟上数据速率的指数级增长、快速变化的安全协议、以及许多新的网络和连接要求。传统的多核CPU和SoC无法在没有辅助的情况下独立满足这些要求，因而它们需要硬件加速器，通常是可重新编程的硬件加速器，用来预处理和卸载计算，以便提高系统的整体计算性能。”Achronix市场营销副总裁Steve Mentor指出。

为实现高带宽和低延迟，英特尔的解决方案则是FPGA可编程加速卡(PAC)，运营商能够在单个服务器上以较少的CPU和RAM资源消耗来满足5G IPSec安全需求，并实现5G核心网络和边缘计算应用。

此外，在边缘计算发展中功能与处理能力的平衡关系需要把握。赛普拉斯CEO Hassane EI-Khoury指出：“一方面是边缘计算的计算能力、处理能力，另一方面是边缘计算的功耗。如果增加边缘计算的能力，意味着处理器性能更强、功耗更大。为了提升处理能力，就不得不把电池更大。”

为了解决这样一个难题，半导体企业赛普拉斯推出超低功耗可编程系统PSoC 6 MCU解决方案，通过PSoC 6可以支持性能达到M4性能的微控制器，功耗水平相当于M0级别的微控制器，一个M4级别的微控制器的性能和处理能力，用一个150MHz主频M4的微控制器，用电池支持连续工作半年一年乃至一年半，进而消除了边缘计算发展中面临的很大障碍。Hassane EI-Khoury 表示，他们还将把这个边界继续向前推进，在降低功耗的同时在边缘计算中实现更加复杂的应用，部署更强大的处理能力。”

边缘计算和嵌入式人工智能，需要在有限的资源下完成越来越多的计算，如何更高效的利用边缘侧和终端侧的资源，这需要对芯片、硬件和操作系统层面全面理解。“从整个系统层面进行深入的定制和优化才能实现产品化。这需要产业链各方共同协作，才能推动边缘计算的发展和实现商业化落地。”智能终端平台技术提供商中科创达董事长兼CEO赵鸿飞指出。

对此，中科创达推出 TurboX AI Kit，为开发者和制造商降低开发成本、快速验证端侧AI算法和开发场景化应用，进而快速实现原型产品设计。TurboX AI Kit凝聚端侧AI商用技术，融合了硬件、软件与云功能。为不同级别的AI开发者提供终端侧人工智能高性能的计算平台和丰富的开发工具，支持他们将日益盛行的AI技术融入边缘及端侧设备，以满足物联网(IoT)、机器人、工业控制、自动驾驶等领域各种不同应用的需要。

此外，作为边缘计算联盟早起的发起单位，华为也在kubedge、LerOS、边缘协同开发等方面进行了布局。前几天，华为还成立了智能计算事业部，华为的AI芯片、云服务、边缘计算平台等业务之间相互协同支撑，进而更好地在5G时代发力。