边缘计算和雾计算慢慢火起来了，感觉未来可能真有大作为

（根据知乎专栏“读懂未来”的讨论）最近几年，科技圈里除了云计算、大数据这些已经耳熟能详的概念，边缘计算和雾计算这两个词也开始频繁出现，虽然听起来有点像是为了凑概念而生造出来的词，但仔细了解后会发现，它们确实是在解决一些实实在在的问题，感觉未来很可能真的会大有作为。

要理解它们为什么重要,得先看看我们现在面临的情况。（引自虎嗅网一篇关于物联网发展的分析）随着物联网的普及，我们身边的智能设备越来越多，从家里的智能音箱、摄像头，到工厂里的传感器、街上的自动驾驶汽车，这些设备每时每刻都在产生海量的数据，如果按照传统的思路，所有这些数据都像扔快递一样，不分青红皂白地全部传送到遥远的云端数据中心去处理，就会遇到几个大麻烦。

第一个麻烦就是“延迟”，也就是反应速度太慢。（这个例子在很多技术博客中都有提及）一辆自动驾驶汽车通过摄像头发现前方突然有行人闯入，如果它需要把图像数据先传到几千公里外的云服务器，等服务器分析出“有危险，请刹车”的指令再传回来，这前前后后可能零点几秒就过去了，对于高速行驶的汽车来说，这点时间差可能就是生死之别，再比如，玩在线VR游戏时，如果每一个动作指令都要和云端来回通信，那种卡顿感会让人根本无法沉浸其中，在这些场景下，“即时响应”是刚性需求。

第二个麻烦是网络带宽的压力。（根据CSDN一位资深工程师的分享）想象一下，一个繁华路口的多个高清摄像头，一天24小时不间断地录制视频，如果所有这些高清视频流都同时挤占网络通道，往云端传输，对网络带宽将是巨大的考验和成本消耗，更何况，有些数据可能价值密度很低，比如监控画面大部分时间都是静止的，只有出现异常动态时才需要关注，全量上传非常不划算。

第三个麻烦是数据隐私和安全。（澎湃新闻曾报道过相关担忧）有些数据非常敏感，比如个人的健康监测数据、工厂的生产核心工艺参数等，用户或企业可能并不希望这些原始数据离开自己的可控范围，上传到第三方云平台，即使云服务商承诺安全，也总存在潜在风险。

正是为了解决这些“云”在应对物联网时代显现出的力不从心，边缘计算和雾计算的概念才应运而生，它们的核心思想很像是在云端和终端设备之间，建立一个个“本地化的办事处”或者“前沿哨所”。

（根据IBM开发者社区的解释）边缘计算是把计算能力更直接地下沉到数据产生的源头，也就是设备本身或者离设备非常近的地方，在自动驾驶汽车里装上一个性能强大的车载电脑，它自己就能实时处理摄像头和雷达的数据，做出快速决策，只在需要更新地图或汇报重要信息时才与云端通信，家里的智能门铃内置了人脸识别芯片，识别到家人就直接开门，识别到陌生人才报警并上传截图到主人手机和云端，这样，大部分计算在本地就完成了，又快又省流量。

而雾计算（引用自《人民邮电报》一篇科普文章）可以看作是边缘计算的延伸或一种协同，它像是在设备和云端之间铺设的一层“迷雾”或“中间层”，由分布在网络边缘的一些小型服务器、路由器或网关设备构成，在一个智能工厂里，可以设立一个本地的雾计算节点，负责收集和处理整个车间所有设备的数据，进行初步分析和整合，只把有价值的摘要信息、报警信息或者经过脱敏处理的数据发送到云端进行更深度的学习和长期存储，这样既减轻了云端负担，也降低了网络依赖，同时保证了关键数据在厂区内部的私密性。

感觉它们慢慢火起来,是因为我们正处在一个从“万物互联”到“万物智联”的转折点。（综合自36氪对多位行业专家的访谈）未来的世界，智能将无处不在，但智能的实现方式不应该是把所有压力都抛给遥远的“云大脑”，一个更合理、更高效的模型是“云-边-端”协同作战：云端像总指挥部，负责复杂的模型训练、全局规划和长期存储；边缘节点像前线指挥所，负责区域性的协调和实时决策；而终端设备则像一个个士兵，具备一定的自主行动能力，这种分工协作，能让整个系统更智能、更迅捷、也更可靠。

虽然边缘计算和雾计算听起来技术性很强,但它们背后的逻辑非常直观，就是让计算离需要它的地方更近一些，随着5G网络的高速率、低延迟特性铺开，以及人工智能芯片小型化、低成本化，这两个方向的应用场景肯定会越来越丰富，它们可能不会像消费互联网应用那样被普通人直接感知，但会像水电煤一样，默默支撑起未来智能社会的底层架构，在智能交通、工业互联网、智慧城市、远程医疗等领域真正发挥大作用。