2.2.3　边缘计算

边缘计算[1]（edge computing）是一种计算策略，它使计算能力和存储更靠近数据源，而不是将数据传输到遥远的中央服务器（见图2.9）。如今，许多企业将数据作为其运营的命脉，同时也面临着数据量不断增加的挑战。传统的基于云的平台是计算数据的标准途径。

图2.9　云计算和边缘计算

边缘计算是一种分散式运算的架构，将应用模式、数据资料与服务的运算由网络中心节点移到网络逻辑上的边缘节点来处理。边缘计算将原本完全由中心节点处理的大型服务加以分解，切割成更小及更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户的终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生更接近于数据资料的来源，因此更适合处理大数据。

顾名思义，边缘计算在边缘上工作。一切都发生在大部分数据传输发生的网络边缘，而不是将原始数据传输到数据中心进行处理和分析。边缘计算将存储和计算资源转移到产生大量数据的地方。不同类型的设备可以在边缘附近执行数据分析。在这个“边缘”，数据被排序、分析和修改。这种技术将有助于提高业务效率并减少不必要的成本，它还可以减少网络延迟。

在处理大量数据方面，边缘计算被视为云计算的一种更有效的替代方案。传统的云计算能够非常有效地处理单个数据单元，但是它无法容纳跨数据中心的大量数据，并且中央服务器产生有意义且实时结果的能力很差。未来，更多的人工智能设备将使用边缘计算而不是云计算。

人工智能和云计算都是IT界的热词，两种技术相得益彰。人工智能传统上存在于由云计算提供支持的数据中心内，但随着时间的推移，该技术慢慢进入物联网领域和互联智能设备世界。需求的增长使公司每天必须处理的数据增加了一倍或三倍以上。科技公司意识到需要升级计算能力并使数据中心更接近最终用户，以减少延迟和其他网络效率低下的情况。这一认识促使业界开始将人工智能和边缘计算结合到设备中，以期减少延迟，同时最大限度地减少带宽消耗和运营成本。

以在Google Assistant上运行的智能扬声器为例。该设备通常配备了边缘计算和人工智能功能的组合，这使独立的处理和分析呈现出几乎即时的结果。它还使设备能够运行离线命令。

[1] 详见维基百科，网址为https://en.wikipedia.org/wiki/Edge_computing。