邊緣計算如何層次化部署？
邊緣計算強調的是邊緣。如果說云計算意味著要將所有的數據都匯總到后端的數據中心處理，那么邊緣計算則是在靠近物或數據源頭的網絡邊緣側實現邊緣智能。正是基于這一特性，邊緣計算能夠實現數據的高頻交互、實時傳輸，因此有望在物聯網和人工智能時代大放異彩。相關預測顯示，到2020年將有超過500億的終端與設備聯網，未來超過50%的數據需要在網絡邊緣側分析、處理與儲存。
隨著物聯網、云計算的發展，邊緣計算正在興起。邊緣計算源于工業領域，主要部署在終端設備或者網絡節點上，旨在幫助工業生產中的設備，在數據不上傳云端的情況下，也能夠具有近端的決策控制力。隨著邊緣計算熱度不斷升溫，邊緣計算和霧計算的差別，邊緣計算如何分層部署等現實問題，成為業界關注的觀點。
邊緣計算≠霧計算
如果留意“邊緣計算”，就會發現它有個兄弟，叫“霧計算”。大多數發表的文章，對這兩個詞的解釋是差不多的：它們都是相對于“云計算”而言的，在網絡邊緣，更接近原生數據(物理感知)的地方進行的計算。
此前，我們看到的大多數互聯網信息處理模式，都是“端-管-云”的模式。在應用的現場，“端”只負責收集數據、執行指令，而“云”負責所有的數據分析和控制邏輯功能。“邊緣計算”或者“霧計算”，就是將部分數據分析和控制邏輯功能，放到應用場景的附近來實現，因而也有一個很形象的叫法——“貼地計算”。
雖然，整體上“邊緣計算”和“霧計算”的概念差不多，但其實還是有差別的。
“邊緣計算”源自工業領域，主要部署在終端設備或網絡接入點上。目前已經普遍存在于工業物聯網(嵌入式物聯網)應用、制造業、零售、ATM機、智能手機和虛擬/混合現實等領域。邊緣計算使得工業生產中的設備，無需云計算的幫助，也能具有近端的決策控制能力。
“霧計算”(Fog Computing)，脫殼于“云計算”，是指將云計算的(部分)功能，部署在網絡邊緣的設備中，局部的集中化計算。它其實是云計算(Cloud Computing)的延伸概念，由思科于2011年提出。
由此可見，“邊緣計算”和“霧計算”確實還是有一些差異的。邊緣計算主要是在“端”中，這個端是指電子終端設備或傳感器;而霧計算還是在“云”中，部署在一定區域內的數據集中站點上。用一個智慧家庭的(WiFi)網絡來舉例，一個App在手機內進行的脫網計算就是邊緣計算，而家庭智能盒子(智能WiFi網關)則是霧計算的主體。
盡管兩者有所差別，但目前有一些文章并沒有嚴格區分二者。事實上，由于物聯網業務場景廣泛，應用在“端”和“網關”上的計算都會有所涉及。所以，既然它們都是相對于“云計算”而言的，那么也就沒有必要區分部署的位置(生產設備、傳感設備、網關/服務器)，一般情況下都以“邊緣計算”為表述。
智能分層部署
“邊緣計算”和“霧計算”的差異，給我們以啟示：物聯網中的計算能力，具有分層部署的特征。這個特征，不同于互聯網中的云計算部署模式，可以從兩個維度來討論。
參考物聯網的邊緣架構模型
邊緣計算聯盟ECC針對邊緣計算，定義了四個領域：設備域(感知與控制層)、網絡域(連接和網絡層)、數據域(存儲和服務層)、應用域(業務和智能層)。這四個“層域”就是邊緣計算的計算對象。
設備域：邊緣計算在這一層，可以對感知的信息直接進行計算處理。比如在視頻采集、音頻采集中直接部署智能鑒別的能力;又或者像手機一樣，能夠由語音輸入直接轉換成文字輸出。
網絡域：通過部署計算能力，實現各網絡協議的自動轉換，對數據格式進行標準化處理。要解決物理網中數據異構的問題，就需要在網絡域中部署邊緣計算，以實現數據格式的標準化和數據傳遞的標準化(例如將所有的感知數據都換算成MQTT類型數據，并通過HTTP方式傳遞)。同時，網絡域的邊緣計算，還能對“融合網絡”進行智能化管理，實現網絡的冗余，保證網絡的安全，并可進一步參與網絡的優化工作。
數據域：邊緣計算，使得數據管理更智能、存儲方式更靈活。首先，邊緣計算可以對數據的完整性和一致性進行分析，并進行數據清洗工作，消滅系統中的“臟”數據。其次，邊緣計算可以對計算和存儲能力以及系統負載進行動態地部署。***，邊緣計算還能和云端計算保持高效協同、合理分擔運算任務。
應用域：邊緣計算提供屬地化的業務邏輯和應用智能。它使得應用具有靈便、快速反應的能力，并在離線的情況下(和云端失去聯系時)，仍能夠獨立地提供本地化的應用服務。
在物聯網貼近用戶和應用場景的地方，邊緣計算被部署在以上4個層域中。它使得設備具有智能化的感知能力，裝配自適應的連接策略和(數字)部署策略，解決系統中的數據異構問題，并提供局部的業務邏輯甚至智能。
參考物聯網應用/地域/覆蓋范圍
從始創的感知數據到終結的云端智能，數據會根據應用的需要而經歷多次的匯聚和計算。例如從智慧家庭到智慧城市，海量的數據匯集并非一步到位實現的。此外，數據匯聚的每個階段中還各有獨立的應用和業務，這意味著計算有層級化部署的需要。
智慧城市被分成了四個“物聯網(大小)層級”：家、小區、社區、城市(如上圖)。這四層各有應用和服務，服務范圍和覆蓋區域從家到城市逐漸擴大。各層級中有部分應用相對獨立，與上下層級無關;而另有一部分應用則會“層層升級”：家庭醫生(家)>社區醫療(社區)>醫療衛生(城市)。
從物聯網層級的角度來看，云計算和邊緣計算的關系，會依據應用來區分：
- 對于各層級獨有的業務，只需在對應層級獨立部署針對性的計算能力(只需要“云計算”)。
- 對于穿透(關聯)多層級的應用，需要從上至下都部署計算能力。下層計算和上層計算的關系就是邊緣計算和云計算的關系。“社區醫療-社區”是“家庭醫生-家”的“云”，而又是“醫療衛生-城市”的“邊緣”。
- “邊緣”和“云”的關系互換：針對單個應用，可能會在(物理網的)上層級部署邊緣計算，而在下層級部署云計算。
值得一提的是，某個應用(如社區商城)可能會出現下列情況：應用的核心邏輯和預測分析主要部署在“社區”和“小區”中，針對地區人口的喜好售賣消費商品;應用需要從“城市”層級提取一些外部數據(例如商品的全市平均價格等等);應用在“城市”中沒有大量的應用域計算需求。若是如此，那么上層的“城市”對于下層的“社區”、“小區”而言就是“邊緣”了。理所當然，該應用在“城市”層域中部署的計算能力就是邊緣計算。“關系互換”的情況在工業領域可能會更多。例如工業生產中的質量管理、流程管理。
工廠的質量和流程管理系統通常都部署在生產現場，大量的生產數據就保存在“邊緣”的網絡中。而要實現智能生產，還需要提取許多和質量、供應鏈有關的外部信息(用戶投訴、產品/零部件返修信息、產品生命周期信息、合作方的質量信息等)。這些信息最終會隨著物聯網，匯集到“邊緣”的質量和流程管理系統中進行質量分析、預測。顯然，對于質量和流程管理系統來說，自身以外的互聯網和物聯網，都是邊緣網絡。
可以預見，工業生產的“云計算”會更多地部署在物聯網的邊緣，工業生產現場的附近。
根據應用的需要，計算能力會部署在物聯網各個(大小)層級中。不管“計算”部署在哪個層級，若承擔了現場指揮的主要職責，就屬于邊緣計算;若承擔了大數據和智能化預測的主要職責，就屬于云計算。
隨著應用在計算部署上的靈活性不斷增加，云計算和邊緣計算會走向融合，并越來越難區分。當物聯網中充滿了隨處可取、隨處即用的通用計算能力時，“泛在計算”將應勢而生。
邊緣智能是未來
在物聯網邊緣部署簡單的應用邏輯，無法滿足多姿多態的物聯網應用需求。在靠近應用場景的地方，必須部署一定的智能，才能在物聯網邊緣構建起健碩的應用生態。
邊緣計算本質就是“貼地”的云計算。邊緣計算最重要的能力就是繼承云計算的智能。就目前的技術發展趨勢來看，理論上已經能做到這一點。針對某一種應用，神經網絡算法(云計算)在學習了足夠多的應用場景后，可先進行“瘦身”(精簡)，再部署在網絡邊緣(部署具有智能的邊緣計算)，從而形成了邊緣智能。這樣，即使脫離云計算的支撐，邊緣智能也能夠實現該應用場景的大部分智能。
例如，2017年5月23日，人工智能AlphaGo執白1/4子戰勝了柯潔。這其中值得注意的是，那天出戰的是“一只”單機版的AlphaGo。
當邊緣計算成為邊緣智能，可使得局域、邊緣的物聯網系統具備自治自律的行為能力。自給自足的算力和智能，將使得物聯網應用可以擺脫“云計算”而相對獨立地運營。
結 語
邊緣計算具有層次(“層域”和“層級”)化部署的特性。
一方面，邊緣計算部署在邊緣架構模型的各個層域上。計算能力在物理網邊緣的分層域部署，使得應用在物聯網局部(例如智慧家庭)，也能夠形成“‘感知’-‘連接’-‘分析和預測’-‘控制’”的信息環路。從而，使各類數據的信息價值獲得釋放。
另一方面，在物聯網不同范圍(大小層級)中部署計算能力，開發者不僅能根據業務需求和特性構建出大小適合的信息環路，還能使“垂直”業務在各層級之間“環環相扣”，相互服務并實現價值互遞。
邊緣計算的更高價值是邊緣智能。
邊緣計算，是智能化云計算的落地部署。應用在物聯網局部實現了信息成環，并能夠通過邊緣計算，實現信息決策、行為反饋、自動組網、負載平衡等全層域的智能化。在脫離云計算的情況下，應用也能夠獨立地、靈活地運行，從而在應用場景的小范圍內形成物聯網“生態”(各種類設備之間，形成信息互助服務的機制)。
