边缘计算，边缘计算项目

本文目录一览：

• 1、边缘计算

• 2、国家社科基金项目

• 3、边缘计算的价值包括

• 4、边缘计算项目

字幕组双语原文：什么是边缘计算（Edge AI）？

英语原文：What is Edge AI Computing?

翻译：雷锋字幕组（wiige）

边缘AI发源于边缘计算。边缘计算也称为边缘处理，是一种将服务器放置在本地设备附近网络技术, 这有助于降低系统的处理负载，解决数据传输的延迟问题。这样的处理是在传感器附近或设备产生数据的位置进行的，因此称之为边缘。

边缘计算的发展意味着边缘人工智能正变得越来越重要。各行各业莫不如是，特别是在降低处理延迟和保护数据隐私这方面。本文将探讨边缘AI的影响，为什么重要，及其常见用例。

什么是边缘AI？

边缘AI是指在硬件设备上本地处理的AI算法，可以在没有网络连接的情况下处理数据。这意味着可以在无需流式传输或在云端数据存储的情况下进行数据创建等操作。这一点很重要，因为出现了越来越多的设备数据无法依赖云端处理的情况。比如，工厂的机器人和自动驾驶汽车都需要以最小的延迟高速处理数据。

为了实现这些目标，边缘计算可以在云上靠深度学习生成数据，而在数据原点——即设备本身（边缘）执行模型的推断和预测。

以工厂的工业机器人为例。AI技术可以在这里以人类无法企及的速度，对来自监控摄像头和传感器的大量多模态数据进行可视化和评估，可以用它来检测生产线上人类可能忽略的故障数据。这类物联网结构可以存储生产线上产生的大量数据，并通过机器学习进行分析。它们也是能够提高工厂智能化程度的AI模型的核心。

边缘AI，物联网和5G:

边缘人工智能经常与物联网(IoT)和5G网络放在一起讨论.

物联网一词指的是通过互联网相互连接的设备，包括智能手机、机器人和电子设备。作为一个用人工智能进行分析的平台，边缘人工智能可以收集和存储物联网产生的大量数据，让使用具有可扩展性的云成为可能。这可以提高数据处理和基础设施的灵活性.

5G网络可以增强上述过程，因为其三大特点——超高速、大并发和超低时延——明显优于4G网络.

5G对于物联网和边缘AI的发展是不可或缺的，因为当物联网设备传输数据时，数据量暴涨，从而影响传输速度。传输速度的下降又会产生时延，而时延是实时处理面临的*问题。

边缘计算和边缘AI为何重要?

越来越多的情况下，设备数据无法通过云端处理。工业机器人和自动驾驶汽车经常出现这种情况，它们需要高速处理，但当数据流增大而产生处理时延时会非常危险。

例如，想象一下自动驾驶汽车在检测道路上的物体，或操作刹车或方向盘时由于云端而延迟。任何数据处理的减慢都会导致车辆的响应速度变慢。如果响应变慢的车辆不能及时做出反应，就可能导致事故的发生。生命此时会切实受到威胁。

对于这些物联网设备来说，实时响应是必要条件。这就要求设备能够在现场分析和评估图像/数据，而不能依赖云端AI。

通过将通常委托给云端的信息处理交给边缘设备，可以实现无传输延迟的实时处理。此外，如果只传输重要信息到云端，可以减少传输数据量，这能将通信中断的风险降到*。

边缘AI使用场景

边缘AI的市场主要有两个领域：工业机械和消费设备。可以看到，它在控制和优化设备、自动化重复劳动等领域均有进展。

消费设备也有所突破，这些设备的AI摄像头可以自动识别被摄对象。由于设备数量大于工业机器，预计从2021年起，消费设备市场将大幅扩大。

我们把一些边缘AI的常见场景放在下面。

自动驾驶汽车

自动驾驶汽车是应用边缘计算最值得期待的领域。有很多情况下，自动驾驶汽车需要对情况进行即时评估，这就需要实时的数据处理。2019年12月，日本对《道路交通法》和《道路运输车辆法》进行了修订，使得3级自动驾驶汽车更容易上路。它规定了自动驾驶汽车应符合的安全标准，以及自动驾驶汽车可以运行的区域。因此，汽车制造商也在正在努力开发遵守这些标准的自动驾驶汽车。例如，丰田已经在测试TRI-P4的完全自动化（4级）自动驾驶系统了。

无人机

无人机在进行飞行时失控、失踪的新闻越来越多。某些甚至导致了事故的发生。根据无人机降落位置的不同，坠毁造成的后果也可能是灾难性的。

自动驾驶无人机上，飞行员并不主动干涉无人机的飞行。他们远程监控操作，只有在*必要的时候才会手动驾驶无人机。最*的例子是亚马逊的Prime Air，这是一个无人机送货服务，它们正在开发自动驾驶无人机来运送包裹.

人脸识别

人脸识别系统是监控摄像头的发展方向，它可以通过学习人脸识别人类个体。2019年11月，WDS有限公司发布了AI摄像头模块Eeye，通过边缘AI实时分析面部特征。Eeye能快速准确地识别人脸，适用于针对性别、年龄等特征的营销工具，和用来解锁设备的人脸识别场景。

智能手机

这是我们最熟悉的边缘AI设备。Siri和谷歌助手是智能手机上边缘AI的好例子，因为该技术驱动了它们的语音UI。手机上的AI使得数据处理发生在设备（边缘）侧，这意味着不需要将设备数据交付到云端。这有助于保护隐私和减少流量。

未来的边缘AI

边缘AI正高速增长，我们已经看到对该技术的大量投资。像Konduit AI这样的公司正在将它作为其在东南亚的AI战略的关键部分。另一个例子是2020年1月，苹果耗资2亿美元收购了位于西雅图的AI企业Xnor.ai。Xnor.ai的AI技术通过边缘处理来处理用户智能手机上的数据。随着智能手机本身内置人工智能，我们可能会看到语音处理、人脸识别技术和隐私保护方面的进步。。

根据富士景气集团发布的 \"2019年AI业务汇总调查\"，日本的边缘AI计算市场在2018财年的预测市场规模为110亿日元。调查预测，2030财年市场规模将扩大到664亿日元。

而随着5G的普及，可能也将看到全球边缘AI服务成本的下降和需求的上升。

雷锋字幕组是一个由 AI 爱好者组成的翻译团队，汇聚五百多位志愿者的力量，分享*的海外AI资讯，交流关于人工智能技术领域的行业变革与技术创新的见解。

团队成员有大数据专家、算法工程师、图像处理工程师、产品经理、产品运营、IT咨询人、在校师生；志愿者们来自IBM、AVL、Adobe、阿里、百度等知名企业，北大、清华、港大、中科院、南卡罗莱纳大学、早稻田大学等海内外高校研究所。

如果，你也是位热爱分享的AI爱好者。欢迎与雷锋字幕组一起，学习新知，分享成长。

雷锋网雷锋网

近日，全国哲学社会科学工作办公室公布了2021年度国家社科基金重大项目立项名单。今年公示的拟立项课题为351项，有3项因不符合立项条件不予立项或暂缓立项，现公布立项课题为348项。具体有哪些课题获得立项？一起看名单↓↓

微言教育

边缘计算的价值包括

云计算发展史，就是虚拟化技术的发展史，近20年来云计算与互联网相互促进高速发展，中心云技术逐渐成熟并开始应用到社会各个方面，成为全社会通用的基础设施。但是随着物联网、人工智能等技术的不断发展，尤其是产业互联网发展落地，中心云计算开始相形见肘；分散式边缘计算，这个互联网时代被遗忘的，在当下智能化时代，重新又被寄予厚望，补充中心云计算的能力，承接产业互联网的落地使命。如果中心云计算是由技术创新驱动的，那么边缘计算一定是业务价值驱动的；边缘计算生于业务，长于业务；

业界对边缘计算的理解似乎都不太一样。似乎“一千个哈姆雷特，就有一千个边缘计算”，那到底什么是边缘计算？边缘计算有那些分类？边缘计算与中心云的关系？本篇将抽丝剥茧，深入浅出，详细阐述对边缘计算理解与思考。

算力的周期性交替

从整个计算机发展来看，以二十年为周期，算力以中心式与分散式之间周期性交替循环，周期一：通用计算机诞生伊始，采用大型计算机的集中式计算模式，通过分时技术服务于多终端；周期二：随着集成电路技术发展，计算机体积缩小性能提升，个人PC电脑普及，软件主要是C/S与B/S模式，服务端实现共享存储数据，客户端完成大量的渲染计算，算力交替至分散式计算模式；周期三：近二十年虚拟化及分布式计算等技术发展，云计算实现按需从资源共享池中获取所需资源，尤其是大数据快速发展，算力交替至中心式计算模式；周期四：当前，5G叠加物联网，终端量和数据量快速增长，集中式云计算表现出瓶颈，算力开始向分散式边缘侧迁移；边缘计算开始兴起；接下来是发展繁荣的关键10年；边缘计算，算力无界，点亮边缘，开启泛在边缘智能化时代。

边缘计算的定义

边缘计算当前没有一个明确的定义，在IT云计算领域视角，边缘计算作为中心云计算的拓展。边缘计算产业联盟对边缘计算的定义是：“在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求”。在CT电信领域视角，边缘计算最初也被称为移动边缘计算（MEC），欧洲电信标准协会（ETSI）对MEC的定义是：“移动边缘计算在移动网络的边缘、无线接入网（RAN）的内部以及移动用户的近处提供了一个IT服务环境以及云计算能力”。

对边缘计算定义各有侧重，但核心的思想基本是一致，边缘计算是基于云计算核心技术，构建在边缘基础设施之上的新型分布式计算形式，在边缘端靠近最终用户提供计算能力，是一种靠近数据源的现场云计算。

中心云计算凭借其强大的数据中心，为业务应用提供大规模池化，弹性扩展的计算、存储、网络等基础设施服务。但是中心云计算适用于非实时、长周期数据、业务决策场景；而边缘计算聚焦在实时性、短周期数据、本地决策等业务场景方面；比如当下热门的音视频直播、IoT、产业互联网，虚拟现实，元宇宙等场景，将工作负载会下沉至离终端设备或者靠近最终用户的地方，以此实现更低的网络延迟，提升用户的使用体验。

章鱼式边缘计算

边缘是相对的，是网络的边缘，是相对中心式计算的边缘分散式计算。边缘计算的核心目标是快速决策，作为中心云计算的延伸，将计算能力拓展至“最后一公里”。因此不能独立于中心云，而是放在云-边-端的整体架构之下，有中心式管控决策，也有分散式边缘自主决策，即章鱼式边缘计算。

章鱼全身神经元中心式脑部占40%，其余60%在分散式腿部，形成1个大脑总控协调 + N个小脑分散执行的结构。1个大脑擅长全局调度，进行非实时、长周期的大数据处理与分析；N个小脑侧重局部、小规模数据处理，适用于现场级、实时、短周期的智能分析与快速决策。

章鱼式边缘计算采用中心云+边缘计算的分布式云边一体化架构，海量终端采集到数据后，在边缘完成小规模局部数据的实时决策处理，而复杂大规模的全局性决策处理，则由汇总至中心云深入分析处理。

边缘计算的位置

边缘计算是位于中心云及终端之间，将云计算能力由中心下沉到边缘，通过云边协同的架构解决特定的业务需求。在网络的边缘，靠近现场进行计算，*程度降低传输时延，是边缘计算的核心价值。

但是中心云与终端之间的网络传输路径可不简单，是经由接入网（距离30公里，延迟5到10毫秒），汇聚网，城际网（距离50到100公里，延迟15到30毫秒）到骨干网（距离200公里，延迟50毫秒），最后才到数据中心（假定数据中心IDC都在骨干网），耗时数据是正常网络拥塞的拨测统计值，即业务侧感知的实际延迟数据，虽然不是非常精确，但是辅助架构决策足够了。

云计算能力由中心逐步下沉到边缘，首先想到就是依据当前的网络节点，沿着骨干网到接入网，最后到边缘现场逐步下沉，节点数量逐渐增多，覆盖范围缩小，运维服务成本快速增加。按照国内的网络（国内有多张骨干网，分别是电信CHINANET与CN2，联通CNCNET以及移动CMNET）现状，骨干网节点（基本上对应省会城市，数量20+），城际网节点（基本上对应地市，数量200+），汇聚网节点(基本上对应区县，数量2000+)，接入网节点(假设对应移动基站，数量60W+,实际更多)，还有就是数以万计的业务现场计算节点。这些节点都有可以安置边缘计算，范围太广难以形成统一标准。所以为什么说中心云计算是由技术定义，边缘计算一定是网络与业务需求定义。

边缘计算参与者众多，云厂商，设备厂商，运营商三大关键服务商方以及一些新型AI人工智能服务商等，都是从各自现有优势延伸，为存量的用户提供全站式服务，通过业务上下游，拓展更多客户及市场空间。设备商在互联网时代默默耕耘，借助物联网逐渐构建单一功能的专业云；云厂商从中心化的公有云开始下沉，走向分布式区域云，区域云之间通过云联网打通，形成一个覆盖更大的云。运营商在互联网时代被公有云及繁荣的移动应用完全屏蔽只能充当管道，但是在边缘计算时代，业务及网络定义边缘计算，运营商重新回归焦点，不可替代。

边缘计算的类型

边缘计算一定是网络与业务需求定义，业务价值驱动，按需建设使用；

网络定义的边缘计算：

通过优化终端与云中心网络路径，将中心云能力逐渐下沉至靠近终端，实现业务就近接入访问。从中心到边缘依次分为区域云/中心云，边缘云/边缘计算，边缘计算/本地计算三大类型：

区域云/中心云：将中心云计算的服务在骨干网拓展延伸，将中心化云能力拓展至区域，实现区域全覆盖，解决在骨干网上耗时，将网络延迟优化至30ms左右，但逻辑上仍是中心云服务。

边缘云/边缘计算：将中心云计算的服务沿着运营商的网络节点逐渐拓展延伸，构建中小规模云服务或类云服务能力，将网络延迟优化至15ms左右，比如多接入边缘计算（MEC）、CDN。

边缘计算/本地计算：主要是接近终端的现场设备及服务能力，将终端部分逻辑剥离出来，实现边缘自主的智能服务，由云端控制边缘的资源调度、应用管理与业务编排等能力，将网络延迟优化至5ms左右，比如多功能一体机、智能路由器等。

总的来说，基于网络定义的边缘计算，更多的是面向消费互联业务及新型2C的业务，主要是将云中心的能力及数据提前下沉至边缘，除了经典的CDN，视频语音业务外，还有今年大火的元宇宙等。

当前大部分面向消费互联业务都是通过安置在骨干网的中心云计算能力支持，时延在30ms到50ms延迟，远远小于本身云端后端业务处理的延迟；算力下沉至边缘初衷，重要是实现中心云海量请求压力分散，用户体验优化等，但对业务都属于锦上添花，并非雪中送炭。

这里说一下运营商网络，中心云计算的技术，是将数据中心内部网络全部虚拟化，即云内网络，衍生出VPC，负载均衡等诸多产品；数据中心外部几乎完全屏蔽运营商网络，只是提供弹性公网IP及互联网出口带宽服务，中心云计算与运营商网络没有融合；但从中心云计算演进到边缘计算，是强依赖网络将中心云与边缘链接起来，如果中心云是大脑，边缘计算是智能触角，那么网络就是神经，就是动脉血管；

但是整体网络规划与建设，尤其是国家骨干网的规划建设，是在云计算发展之前，并不是专门服务云计算的，所以中心云计算与运营商网是需要融合，即云网融合，云网融合最终目标是云中有网，网中有云；实现云能力的网络化调度编排，网络能力的云化快速定义。希望借助新型业务需求和云技术创新，驱动运营商网络架构深刻变革升级开放。

当前，网络的能力极大的限制云计算的发展，在边缘计算及物联网建设过程尤为明显；云网融合与算力网络依然还是运营商的*游戏，进展缓慢；新一代5G颠覆性技术变革，引爆整个领域的颠覆性巨变；但是只是解决了海量设备接入及设备低延迟接入的问题，后端整体配套及解决方案明显跟不上；就当前情况来看，依然还是5G找业务尴尬局面，未来5G在实体产业领域（港口， 码头，矿山等）领域，相比消费者领域，会带来更大变革与价值，来日方长，拭目以待。

业务定义的边缘计算：

除了面向消费者的互联网边缘场景，边缘计算更多的是面向实体产业及智慧化社会衍生的场景。

对于实体产业场景来说，由于历史原因，在边缘及现场，存在大量的异构的基础设施资源；通过业务需求驱动边缘计算平台的建设，不仅需要整合利用现有的基础设施资源，同时将中心云计算技术及能力下沉至边缘及现场，实现大量存量业务运营管控上云，海量数据统一入湖，以此支持整个企业的数字化转型。

对于智慧化社会衍生场景来说，越是新型的业务，对网络时延敏感越高，数据量越大，结构化数据逐渐转化成非结构化数据，需要人工智能，神经网络等高等智能化技术支持。

如果需要一个参考延时基准，以此来决策是否需要边缘计算的能力，建议30ms的延迟，即一次请求从接入到骨干网的耗时；当前新型对网络时延敏感的业务场景，都是通过云端总控管理，设备现场实时计算这种分布式架构策略，以此减弱对网络的强依赖。面向业务将边缘计算分为智能设备/专业云及产业边缘/行业云两种类型：

智能设备/专业云：基于云计算能力之上，围绕智能设备提供整体化，有竞争力的解决方案，包含智能设备，云端的服务以及端到云之间的边缘侧服务，比如视频监控云，G7货运物联等；

产业边缘/行业云：也基于云计算能力之上，围绕行业应用及场景，提供套件产品及解决方案，比如物流云，航天云等；

总的来说，基于业务定义的边缘计算，更多的是面向智能设备及实体产业，对智能设备，从AVG，密集式存储，机械手臂等单一功能的智能设备，到无人机，无人驾驶车等超复杂的智能设备，云计算能力不仅是支撑设备控制管理应用的运行，同时借助中心云计算能力拓展至边缘侧，解决这种产品上云，无法集中化标准化管理难题；对产业边缘，通过云计算技术，结合行业场景的抽象总结，构建行业通用的产品及解决方案，随着整个产业互联网加速建设，是边缘计算未来发展的重点方向。

总结

对于规模较大的一些企业，云边场景非常复杂，中心云计算平台与边缘计算的平台建设，不仅应对业务需求，同时还要面临诸多基础设施的问题：在中心云计算面临多云使用多云互通问题；在边缘网络链路面临多运营商的骨干网，多云运营商网络及多云的云网融合问题；在端侧接入网面临多运营商5G网络的共享的问题等，很多问题只能通过治理的手段应对，无法从技术平台层面彻底解决；

总的来说，边缘计算范围太大，场景太泛，整个行业都比较缺少经典的案例及标准，尤其是产业边缘计算，在国家层面都有在大力推进产业互联网，但是仍然艰难前行；所以对边缘计算的建设，一定是面向真实的业务场景及期望，整体规划面向价值逐步建设。

参考资料：

艾瑞咨询：2021年中国边缘云计算行业展望报告华为：点亮边缘，引领第一波5G应用中移动：2021 中国移动云网一体化产品白皮书红帽：Edge computing with Red Hat OpenShift

关注“巨子嘉”，巨子出品，必属精品

随着万物互联的泛在化发展，近年来，边缘计算（Edge Computing）的热度持续上升，大有和云计算分庭抗礼的架势。

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。

那么，这种适用于网络边缘侧的边缘计算究竟是怎样的技术呢？

公开资料显示，边缘计算是在靠近物或数据源头的一侧，综合了网络、计算、存储、应用等核心能力的开放平台。基本思想是把云计算平台迁移到网络边缘，试图将传统移动通信网、互联网和物联网等业务进行深度融合，减小业务交付中端到端的延迟。

边缘计算发展至今，已有三种业界广泛认可的技术架构，分别是MEC(多接入边缘计算)、微云和雾计算。很多时候，人们会将这几个概念混淆，下面我们就详细地分析一下这几种边缘计算。

MEC

MEC，即多接入边缘计算，其最早是由欧洲电信标准化协会（ETSI）2014年提出的，ETSI初创成员包括：惠普、沃达丰、华为、诺基亚、Intel以及Viavi等。MEC是为移动网络边缘提供IT服务环境和云计算能力，通过在移动网络边缘执行部分缓存、数据传输和计算来抵消与回程相关的延迟，最终可以实现毫秒级应用。

ETSI定义的MEC基本架构

宏观来讲，MEC的基本架构中不同的功能实体可划分为三个层级，网络层（Networks Level）、移动边缘主机层（Mobile Edge Host Level）、移动边缘系统层（Mobile Edge System Level）。此前，雷锋网有对MEC的技术架构详细剖析过，此次不再赘述。

而MEC的应用场景，雷锋网了解到，其主要有以下几个方面：

与网络连接和网络能力开放相关的本地边缘服务。比如替代企业Wi-Fi网络的移动虚拟专网、基于无线网络定位并与室分结合的室内定位；

边缘就近处理节省回传带宽降低时延的视频边缘服务。比如与CDN结合的边缘缓存、面向视频监控的边缘存储和识别分析；

面向终端的计算迁移降低终端成本的边缘辅助计算服务。比如面向AR、VR和游戏等提供边缘云渲染等。

此外，在智慧园区中，MEC可帮助园区的视频和IT应用减少流量迂回，降低传输时延，提供更安全的数据处理环境；在自动驾驶领域，MEC平台借助5G技术提供给车队高精度地图、视野共享、智能分析及连续切换等功能，辅助自动驾驶，提供更*、更安全、零中断的驾驶体验。

MEC的应用场景很是广泛，除了以上提到的这些，还有更多的物联网垂直应用领域等待MEC研究人员来解锁。

目前，国内三大运营商均开展了MEC试点部署，其业务包括LTE移动虚拟专网、车联网、边缘缓存、室内定位等。根据《中国联通边缘计算技术白皮书》，中国联通5G 网络 MEC 部署规划，MEC 部署位置与业务场景具有密切关系，可以按需将 MEC 部署分为无线接入云、边缘云或者汇聚云三种方式。

总体来说，对于 uRLLC 低时延场景，MEC 需要部署于靠近基站侧的无线接入云；对于 eMBB 场景的大流量热点地区，MEC 可以部署于边缘云；对于 mMTC 场景，MEC 部署于位置较高的汇聚云，能够覆盖更大区域的业务需求。

就无线接入云这种形式来看，MEC 与基站 CU 单元、核心网转发面 UPF 部署于无线接入云。通过在基站侧部署本地业务，为用户提供更短时延的服务。

其中，CU 单元包括 RRC 和 PDCP 层，DU 单元包括 RLC、 MAC 和 PHY 层，且 4G eNB 和 5G gNB 的 CU 单元可以合设。此方式下，MEC业务覆盖范围较小，适用于移动速度低，甚至不移动但对时延敏感的业务，比如赛场、场馆、景区相关的业务。

微云

和MEC相比较，如果说MEC更强调“边缘”这个概念，那么微云更侧重于移动这个概念。

微云是开放边缘计算（Open Edge Computing，OEC）项目的研究成果，该项目最初由美国卡内基梅隆大学发起，此后受到了华为、英特尔和沃达丰等企业的支持。

公开资料显示，它是将移动计算平台和云计算结合起来的边缘计算体系架构，代表了“移动终端——微云——云”三层架构的中间层，其处在移动终端和云平台之间，是被部署在网络边缘、具有移动性的小型数据中心。

虽然微云本身是位于网络边缘，甚至从直观来讲更靠近用户，但微云主要是用于类似车辆网场景下的移动性增强，能为移动设备提供丰富的计算资源，甚至在飞机和车辆上直接运行。微云，旨在将云部署到离用户更近的地方，可以理解为一个轻量级的MEC。

就微云部署的位置来看，其与终端用户的距离为一跳无线连接，比如部署在蜂窝网络基站或者Wi-Fi基站上，为终端用户的计算任务提供低时延响应。当多个微云构建成分布式的移动边缘计算环境，拓展用户可用资源，可通过提供类似云平台的动态迁移机制，实现资源的负载均衡。

微云本质上是云，但微云与传统的云相比，两者又有区别，主要表现为以下几个方面：快速配置（Papid Provisioning）、不同微云之间的虚拟机切换（VM Hand-off）以及微云发现（Cloudlet Discovery）。

例如快速配置，由于微云主要是针对移动场景而设计的，因此会面临用户终端移动性带来的连接高度动态化问题，因此必须具备灵活的快速配置能力。

雾计算

雾计算的概念是思科（Cisco）2012年时提出的，随后，思科联合Arm、戴尔、英特尔、微软和普林斯顿大学，于2015年联合成立了开放雾计算联盟（OpenFog Consortium）。

相比MEC和微云来说，雾计算侧重点在物联网（IoT）的应用方面。

2017年2月，开放雾计算联盟发布了OpenFog参考架构，这是一个利用开放的标准方法，将云端的无缝智能与物联网终端联合在一起，旨在支持物联网、5G和人工智能应用的数据密集型需求的通用技术架构。

从传统封闭式系统以及依赖云计算来看，OpenFog已转变为一种新计算模型。它基于工作负载和设备能力，使计算更加接近网络边缘。雾计算将计算、通信、控制、存储资源和服务分配给用户或分布在靠近用户的设备与系统上，从而将云计算扩展到网络边缘，可以将它理解为位于网络边缘的小型云。

整个雾网络是由多个雾节点组成的整体，单个雾节点其性能相对较弱，但是地理位置分布广泛。由于其节点地理位置较为分散，不会集中产生大量的热量，因此无需额外的冷却系统，从而减少耗电。

雷锋网了解到，今年2月，美陆军研究实验室向Technica公司授出了一份价值100万美元的合同，委托该公司为战场士兵开发雾计算平台SmartFog。该平台在联网的情况下训练机器学习算法，在战场上可融合各种来源的数据并在不连接云的情况下进行离线处理，从而让士兵在断网区域应用人工智能能力。这里，其可以视为单兵设备与云之间的中间层，可以使士兵随时获取计算能力和存储空间。

三者对比分析

MEC、微云和雾计算，作为边缘计算的三种具体模式，其在部署位置、应用场景和实时交互方面有诸多相似点，也有不同之处。雷锋网了解到，其主要表现为以下几点：

就部署位置来看，MEC是位于终端和数据中心之间，可以和接入点、基站、流量汇聚点、网关等共址；而微云和雾计算的部署位置，和以上提到的MEC部署位置一致。此外，微云还可以直接运行在车辆、飞机等终端上。

就应用场景来看，MEC主要致力于为应用降低时延，适合物联网、车联网、AR/VR等多种应用场景；微云适用于移动增强型应用以及物联网等诸多场景；而雾计算，主要是针对需要分布式计算和存储的物联网场景。

就三者的移动性和不同边缘节点上相同应用的实时交互支持，MEC只提供终端从一个边缘节点移动到另一个边缘节点情况下的移动性管理；而微云，其是提供虚拟机镜像从一个边缘节点到另一个边缘节点切换的支持；至于雾计算，则是完全支持雾节点分布式应用之间的通信。

雷锋网总结：

不管是MEC、微云，还是雾计算，这几种边缘计算都有各自的特性和适用的场景。根据文章开头所述，如今全球将有40%的数据要在网络边缘侧进行处理，不可不说，边缘计算已成为一种重要的计算方式，而这三种边缘计算模式是经过长期的发展演化出来的不同类型，所以对于万物互联行业的发展同样重要。

此外，边缘计算和云计算的协同问题也成为关注的焦点，两者可以彼此优化补充，共同使能行业数字化转型。如果说云计算是一个统筹者，它负责长周期数据的大数据分析，那么边缘计算更注重于实时、短周期数据的分析。正如我们所知道的，边缘计算更靠近设备端，因而它为云端数据的采集和大数据分析提供了支持，而云计算，则是通过大数据分析输出指令下发到网络边缘。

今天的内容先分享到这里了，读完本文《边缘计算》之后，是否是您想找的答案呢？想要了解更多边缘计算、国家社科基金项目相关的财经新闻请继续关注本站，是给小编*的鼓励。

免责声明
           本站所有信息均来自互联网搜集
1.与产品相关信息的真实性准确性均由发布单位及个人负责，
2.拒绝任何人以任何形式在本站发表与中华人民共和国法律相抵触的言论
3.请大家仔细辨认！并不代表本站观点,本站对此不承担任何相关法律责任！
4.如果发现本网站有任何文章侵犯你的权益,请立刻联系本站站长[QQ:775191930]，通知给予删除