接上篇：

• 《物聯網發展趨勢之一（2019）》
• 《物聯網發展趨勢之二（2019）》
• 《物聯網發展趨勢之三(2019)》

在文章物聯網發展趨勢之三(2019)中，介紹了邊緣計算的兩種模式：固定邏輯處理模式和人工智能學習模式。今天繼續討論邊緣計算的處理機制。

[[266918]]

設備的邊緣測與云中心控制選擇機制

一個設備，可以被邊緣測控制，也可以被云計算中心控制，那么在控制這個設備的時候需要解決以下難題：

• 這個設備是單一的被邊緣控制(或云中心控制)呢?還是可以被邊緣測和云中心兩種方式控制?
• 如果選擇單一控制，哪種類型的設備適合于用邊緣計算控制，哪種類型的設備適合于運中心控制?
• 如果這個設備可以同時被邊緣和云中心控制，當邊緣和云計算的控制不一致時，這個設備應該優先響應哪種控制?

這些問題，在邊緣計算還不成熟的時候，還不突出。當邊緣計算普及后，這些問題將會困擾系統的設計者。

還是嘗試用人的處理機制，來給邊緣計算的發展提供一些參考。

器官的低端神經控制和高端神經控制的選擇

我選擇心臟、肺和手的控制方式來分別說明。

人能用大腦控制心臟跳動嗎?心臟的跳動是不受大腦控制的。

肺是可以接受大腦控制的。比如人可以有意識的控制呼吸頻率，可以調整深呼吸、淺呼吸。也可以有意識的憋氣。但當你憋氣憋很長時間，達到憋氣的極限之后，即便大腦仍然控制肺部憋氣，但肺部已經不接受大腦的控制，而是選擇低端神經的控制。

手在絕大多數的時間是接受大腦控制的。但是在一些極端條件下，手是受低端神經控制：手突然遇到疼痛的刺激【比如手指遇到火】。

可以看到，人接受低端神經與高端神經控制有一個機制：為了保障安全性，多是低端神經控制。而為了保障靈活性，多選擇高端神經控制。

而將安全相關的處理機制固化到低端神經中，在遇到安全相關的選擇時，優先選擇低端神經控制。

對于靈活處理要求高的器官，更多的用高端神經控制。

設備控制的選擇機制

根據高端神經和低端神經控制的機制，未來物聯網設備的邊緣計算和云計算控制機制可以設計成如下機制：

• 與安全相關的處理邏輯，固化到邊緣測，屬于優先級***的控制。
• 根據設備重要程度，選擇邊緣測和云計算控制。比如安全等級***的設備，選擇邊緣計算控制。
• 根據設備功能靈活程度，選擇邊緣測和云計算控制。要求靈活的設備，選擇云計算控制。
• 劃定一個安全閾值邊界，安全達到這個閾值邊界后，設備自動由邊緣計算固有邏輯處理。

小結

邊緣計算完善后，將會面臨設備是云計算控制和邊緣計算控制的選擇難題。借鑒人體處理經驗，可以從安全性和靈活性兩個維度考慮。安全性高靈活性低的邊緣處理;安全性低靈活性高的云計算處理;安全性高靈活性高的以云計算控制為主邊緣測監控等級高;安全性低靈活性低的，邊緣控制為主，適度增加云計算控制能力。