什么是边缘计算？

边缘计算可在创建数据的网络“边缘”位置处理数据，而不是将所有非结构化信息发送到遥远的数据中心。网络边缘由组织中心基础结构之外的位置构成：零售商店、工厂车间、车辆、远程办公室等。设备、边缘计算机和本地服务器负责现场处理，仅将基本数据传输回中心系统，可显著降低延迟和带宽需求。

边缘计算技术跨边缘设备网络（智能传感器、物联网 (IoT) 设备、本地服务器和网关）分配处理能力，以在数据源分析数据。这些边缘计算机在本地执行初始处理、筛选和分析，而不是将原始数据持续发往集中式服务器。它们会确定哪些信息需要立即操作、应临时存储哪些信息以及需要传输到中央系统的内容。

此分布式体系结构依赖于配备充足计算资源的边缘设备来独立运行应用程序、机器学习模型和分析引擎。现代边缘计算解决方案可以执行复杂的算法、做出实时决策和协调设备，而无需与云建立持续的连接。

例如，假设远程仓库中的安全摄像头使用 AI 来识别可疑活动。通常，此摄像头会全天候持续传输视频，给网络带来负担。利用边缘计算，它只发送相关的视频剪辑，释放公司的网络带宽和计算处理资源来用于其他用途。

这种选择性数据传输与本地处理功能相结合，让边缘计算对管理大量远程位置或 IoT 部署的组织极有价值。

边缘计算技术有助于组织改变处理、分析和响应分布式位置数据的方式。通过在更靠近数据源的位置进行计算，可以缩短设备的响应时间，并从设备数据中提供更丰富、更及时的见解。

缩短了响应时间
边缘计算绕过了集中式云和数据中心位置，可支持公司更快、更可靠地处理数据。制造传感器可检测设备异常，零售系统可实时调整库存，安全摄像头可就潜在问题通知人员 - 所有这些都不会造成数据延迟、数据质量降低，以及可能危及运营或安全的网络瓶颈。

提升了运营效率
在本地处理数据可显著减少网络拥塞。边缘设备无需将每个字节传输到中央服务器，而是在现场筛选和分析信息，并仅向上游发送关键见解。这种选择性传输可保留基本运营所需的带宽，同时防止数千台设备争用有限资源时会发生的网络延迟。

提高了远程位置的可靠性
借助边缘计算，可以更轻松地利用在 Internet 连接不稳定或网络带宽受限的偏远站点收集的数据 - —例如，白令海的渔船或意大利乡村的葡萄园。连接恢复后，同步更新将流向中心系统，而不会中断本地操作。

增强了安全性和合规性
通过在本地处理而不在云端公开敏感数据，边缘计算可减少攻击面并维护关键系统的隔离运营，从而解决了企业安全问题。通过将数据保留在特定地理边界内，这种本地化方法可确保符合数据主权要求、GDPR 和行业法规。组织可以增强其安全态势，同时满足跨多个司法管辖区的法规要求。

成本优化
借助边缘计算，企业可以通过在本地（而不是在云中）处理数据来优化 IT 支出。本地处理可最大程度地降低云存储需求，降低带宽消耗和削减数据传输成本。此外，边缘计算还可通过在收集位置或其附近识别和过滤不必要的数据来降低传输成本。

员工的工作效率和安全性
边缘计算有助于保持运营平稳运行，避免发生中断或可轻松防范的错误。预测性维护可在设备故障影响生产和实时分析之前加以防范，并直接向员工的设备提供见解。在危险环境中（钻井平台、化工厂、建筑工地），支持边缘的传感器可以检测危险情况并触发安全协议。

借助云计算，公司能够通过 Internet 处理其数据，而边缘计算和雾计算则是中间计算技术，可帮助将远程位置的 IoT 设备收集的数据移动到公司的云中。

借助云计算，公司能够在通过 Internet 托管的远程服务器上存储、处理和以其他方式使用其数据。它可帮助组织为员工提供安全的远程工作能力，更轻松地缩放其数据和应用及利用 IoT。Microsoft Azure 等商业云计算提供商提供了数字计算平台和服务集合，公司可以使用这些平台和集合来降低或摒弃其物理 IT 基础结构和相关成本。

边缘计算可在组织网络的最远端（即"边缘"）捕获、处理和分析数据。借助这一技术，组织和各行业能够实时处理紧急数据，有时甚至无需与主数据中心通信，通常只需将最相关的数据发送到主数据中心以加快处理。这使得云网络等主要计算资源免于被无关数据淹没，从而降低整个网络的延迟。它还降低了网络成本。

借助雾计算，可以在云与边缘之间的计算层中临时存储和分析数据，这种操作通常发生在因边缘设备计算限制而无法处理边缘数据的情况下。相关数据可以从这个“雾”层发送到云服务器，以便进行长期存储和用于将来的分析和使用。通过不将所有边缘设备数据发送到中央数据中心进行处理，能够利用雾计算来减少其云服务器上的部分负载，这有助于优化 IT 效率。

尽管雾计算和边缘计算可能相似，但请务必注意，边缘计算并不依赖于雾计算。雾计算仅是一种附加选项，可帮助公司在某些边缘计算场景中提高速度、性能和效率。

分公司
一家全球咨询公司管理全球 200 个附属办事处，每个办事处均配备智能 HVAC 系统、占用传感器、安全摄像头和连接的打印机。

边缘计算不会向总部持续发送大量状态更新，而是在本地筛选此数据，并且仅当温度超过阈值、设备需维护或发生安全事件时，才向设施管理员发出警报。这种选择性报告可减少网络流量，同时将事件响应时间从数小时缩短到几分钟。

制造业
一家汽车制造商运营的装配线安装了数千个传感器，用于监视设备振动、温度和性能。

.当机械臂显示异常运动模式时，边缘计算系统会在下一班次期间安排维护，从而避免产生成本高昂的计划外停机。与此同时，质量控制摄像头会识别缺陷，并在产品离开生产线之前向员工发出警报。

能源与公用事业
在数百英里外的海上，一座风电场部署了数十台涡轮机，每台涡轮机每天都会产生数 GB 的性能数据。

利用边缘计算，这些大型设备能够自主监测并调整叶片角度，以实现最佳发电效率，同时在风暴期间进入保护模式，而无需等待来自远端控制中心的指令。

农业
美国中西部的一家农业企业在数千英亩玉米田中部署了土壤湿度传感器、气象站与无人机影像。问题在于，大多数农田的网络连接并不稳定。

边缘设备可在农田中分析此数据，根据微本地环境条件自动调整灌溉计划，帮助工作人员优化种植模式与施肥方案，并在收获期即时处理产量数据 - 所有这些都无需依赖不稳定的手机网络覆盖。

零售业
一家主要零售商在 1,500 家门店中跟踪顾客移动模式、库存水平与结账速度。

边缘计算会将此数据转换为即时操作，因此数字标牌可以自动更新，员工会了解何时何地重新补充热门商品，而结账系统则可以在等待高峰期增开新的通道。

医疗保健
一个大型医院网络管理着海量连接设备，包括输液泵、心电监护仪、核磁共振设备与资产跟踪标签。

边缘计算可在患者床边处理生命体征数据，在检测到异常时立即触发警报，二无需等待与中央服务器往返传输数据。通过可在本地处理读数和标记偏差的支持边缘的温度传感器，疫苗运输可以维持冷链完整性。急诊科可实时跟踪设备，以确保急救车与便携式 X 光机在危急时刻随时可用。

自动驾驶车辆
一家自动驾驶技术先行公司正面临管理每天数 TB 传感器数据的挑战，这些数据来自车载摄像头、激光雷达、雷达与 GPS 系统。

边缘计算可实现毫秒级决策，例如识别行人、理解交通信号和应对突发障碍。配送车的车载边缘计算机在车内处理视觉数据，可快速区分路上飞过的塑料袋与追球的儿童。

随着组织采用边缘计算技术，一个服务生态系统已应运而生，为其部署、管理与优化提供支持。。边缘计算服务已远远超出基本的基础架构，所提供的企业级功能可以改变企业在边缘的运营模式。

借助现代边缘计算服务，组织能够：

• 直接在 IoT 设备上部署 AI 和分析，以获取即时见解。
• 合并来自数千个边缘位置的数据，而无需创建接收器。
• 从集中式平台管理和保护分布式工作负载。
• 通过智能资源分配优化成本。
• 在连接中断期间支持自主设备运行。
• 以最小延迟处理流式数据。

Azure 等领先的提供商提供了可简化边缘计算采用的集成平台。 Microsoft Azure IoT Edge 可帮助组织在边缘设备上本地运行云工作负载，而 Azure Stack Edge 则为边缘 AI 和计算方案提供了托管硬件。这些服务适用于组织已使用的现有数据库、操作系统和安全框架。

通常情况下，组织可将多个服务组合在一起，以创建全面的边缘解决方案。制造商可以同时使用 IoT 设备管理、边缘分析和预测性维护服务。医疗保健提供商通常将边缘计算与合规性服务集成，以确保数据主权，同时满足 HIPAA 要求。

以 5G 网络和高级 AI 功能为目标的发展持续扩展了可用的边缘计算服务，让各种规模的组织都能够更轻松地实现复杂的边缘部署。

边缘计算技术将持续快速发展，以实现更高的智能和更强的连接性。在能够实时适应本地条件的 AI 模型支持下，设备正在开始做出更自主的决策。这种转变有望在不持续依赖云的前提下提升性能，并将实现各种改进，如可预测维护需求的更智能的工厂，或能够动态调整交通流量的城市系统。

与此同时，组织正在探索边缘到边缘的通信。设备可以直接共享见解，从而实现跨组织整个网络的即时协作，而不是将每个交互发送回中央服务器。这种分布式模型可降低延迟并增强复原能力。

展望未来，量子计算等新兴技术可能终有一天会扩展边缘的功能，以在本地解决复杂问题。虽然这一愿景依然遥远，但发展趋势已非常清晰：边缘正变得更加智能、连接更加紧密，并且对组织利用数据的方式也日益重要。