边缘智能和云端协作越来越紧密，产业峰会聚焦未来发展趋势与挑战

（信息源：2023边缘计算产业峰会现场演讲及圆桌讨论实录）

最近在上海举行的一场关于边缘计算的行业大会上,来自不同公司的技术负责人和专家们坐在一起，讨论了一个非常明显的趋势：以前分得比较清楚的在设备本地处理数据（边缘智能）和把数据传到遥远的中心机房处理（云计算），现在正变得越来越像是一回事，两者之间的协作变得空前紧密，大家不再争论谁取代谁，而是更多地探讨如何让它们更好地配合，就像人的手和大脑一样协同工作。

（信息源：某知名云服务商副总裁主题演讲）

一位大型云服务公司的副总裁在开场演讲中就提到,他们观察到客户的需求发生了根本变化，几年前，客户会问“我是应该用边缘计算还是云计算？”，而现在，客户的问题变成了“我这个业务，怎么分配任务给边缘和云才能最划算、效率最高？”，他举了一个智能工厂的例子：一条生产线上有上百个摄像头，如果把所有拍摄的视频画面都不加处理地直接传到云上，不仅需要巨大的网络带宽，成本高昂，而且传输的延迟会导致无法实时发现生产缺陷，现在的做法是，在工厂车间里部署一个性能较强的边缘服务器，摄像头视频先在这里进行实时分析，只把识别到有问题的产品图片、相关的数据摘要以及报警信息发送到云端，云端则负责汇总所有工厂的数据，进行长期的趋势分析、模型优化和全局管理，这样一来，边缘侧做到了快速反应，云端则发挥了大数据和集中管理的优势。

（信息源：某汽车科技公司首席科学家圆桌分享）

这个观点在讨论智能汽车时得到了更深入的印证,一位研究自动驾驶技术的专家说，每一辆智能汽车本身就是一个强大的边缘节点，它需要依靠本地的计算能力在百分之一秒内做出避障、刹车等决策，这是云端绝对无法替代的，一辆车终其一生遇到的场景是有限的，如何让所有的车都变得越来越聪明？这就需要云端的协作，他解释说，车队中的每辆车都会将遇到的罕见场景、驾驶数据经过脱敏处理后上传到云端的“数据湖”，云端利用海量数据训练出更先进、更通用的自动驾驶模型，然后再将这个更新后的模型分批推送到每一辆车上，这就形成了一个“边缘执行、云端学习”的良性循环，使得整个车队的智能水平能够持续进化。

（信息源：多位与会专家共同提及的挑战）

尽管前景广阔,但这种紧密协作也带来了不少新的挑战，这些挑战成为了本次峰会讨论的焦点。

第一个挑战是“管理变得非常复杂”。（信息源：某电信运营商技术总监）一位运营商的专家坦言，当你有成千上万个分布在全国甚至全球的边缘节点时，如何统一地去管理、监控、维护和升级这些节点上的软件和应用，成了一个巨大的难题，这远比管理几个集中的大型数据中心要复杂，他比喻说，这就像以前你只需要照顾几个温室里的花朵，现在却要打理一片广阔农田里的每一株秧苗，需要全新的自动化管理工具和策略。

第二个挑战是“安全性的新课题”。（信息源：某网络安全公司研究员）安全专家指出，边缘和云的紧密连接，实际上扩大了网络攻击的面，一个防护薄弱的路边摄像头、一个智能电表，都可能成为黑客入侵整个系统的跳板，最终威胁到云端核心数据的安全，安全防护不能再是各自为战，必须建立从边缘到云的、贯穿始终的“纵深防御”体系，确保任何一个环节出现问题都不会导致全线崩溃。

第三个挑战是“标准和互通性的缺失”。（信息源：峰会发布的行业共识文件）不同的设备厂商、不同的云服务商，可能采用不同的技术标准和接口，这导致企业如果想混合使用不同供应商的边缘设备和云服务，会遇到很多兼容性问题，好比苹果手机的充电线不能直接给安卓手机用一样麻烦，与会者普遍呼吁，产业界需要共同努力，推动建立更开放、统一的标准，让数据和任务能够在不同的边缘和云环境之间无缝“流动”。

（信息源：峰会闭幕总结）

这次产业峰会清晰地描绘出一个未来图景：边缘智能和云端协作的深度融合已成为不可逆转的潮流，未来的计算架构将是一个分布式的、协同的有机整体，边缘负责即时感知和反应，云端负责集中智慧和进化，而当前产业界面临的主要任务，就是携手攻克在管理、安全和互通性等方面的难题，为这个智能的未来打下坚实可靠的基础。