边缘计算推动了物联网部署的价值，但前提是企业能够克服创建数据驱动、低延迟架构的挑战。

　　边缘计算被定义为一种分布式计算模式，它使计算和数据更接近物联网通常部署的位置，从而提高响应时间和带宽。然而，这个定义听起来过于技术化，无法理解边缘计算的真正力量。

　　与其相反，边缘计算被重新定义为一种计算模式，可将可操作的智能和洞察力尽可能靠近部署物联网的位置，从而最大化此类部署的预期价值主张。这种重新定义的原因很明显：边缘计算的价值生成能力更重要。

　　价值驱动因素

　　了解这种强调价值主张的重新定义的基础至关重要。任何物联网产品或服务都有一些驱动因素。驱动因素可以大致分为业务、技术、设备和数据驱动因素。最终，任何驱动因素的共同目标都是实现快速、智能和可操作的决策。

　　随着新技术的出现，更多未开发的产品和服务成为可能，新的业务驱动力得以实现。低功耗无线、超高速处理器或网络虚拟化等技术简化了以前复杂的物联网解决方案，从而消除了采用物联网的障碍。技术还加速了能够捕获更丰富且以前无法想象的数据的设备的发展。

　　物联网网络可以实现曾经梦想的功能，例如增强现实和智能数字孪生。例如，石油和天然气工程师可以在计算机上检查数百到数千英里的天然气管道发生故障并采取补救措施。之所以能够做到这一点，是因为数字孪生在元认知和自主传感设备的帮助下不断监控和报告管道沿线关键组件的健康状况。

　　面临的挑战

　　边缘计算实际上是云计算的一种扩展，但需要注意的是，由于物联网固有的移动性要求，边缘计算比传统云计算更加分散和分布式。靠近物联网位置的前端的分布程度与后端服务器上的分布程度显著不同。虽然根据定义，边缘计算旨在尽可能接近物联网设备，但由于以下关键原因，企业仍然以与云计算相同的方式实施边缘计算：

　　(1)边缘计算安全产品和实践仍在不断发展，众所周知，边缘设备很容易成为黑客进行攻击的目标。

　　(2)边缘计算架构模式仍在不断发展。尽管边缘计算的性能和延迟要求不同，但边缘设备生成的数据仍然存储在集中管理的云存储系统中。

　　(3)执行复杂机器学习和深度数据处理模型所需的 CPU 密集型、内存密集型和低延迟磁盘输入/输出资源在传统云计算环境中比在边缘更容易获得。

　　(4)其他技术功能和服务不断发展，例如在云端更先进、更容易访问的无服务器和托管容器服务。

　　由于这些原因，推动可操作的物联网决策的数据洞察力和智能必须依赖于云平台集中管理的高功率计算。云计算增加了额外的网络和处理延迟，这对于时间关键、感知和响应物联网实施来说是不可取的。

　　从本质上讲，当前的挑战对实现物联网实施的全部潜力构成了严重障碍，特别是在智能感知和响应行动将产生重大价值的情况下，其中包括挽救生命和防止财产和资产的损失。

　　新兴架构

　　多位业内专家提议为边缘计算开发可靠且强大的参考架构。虽然架构开发的目标是为边缘带来强大的计算能力，但一些架构仍然无法充分地将边缘计算从云中分离出来。

　　在这里提出了一种参考架构，该架构采用分层方法来分散边缘计算并解决众多已知挑战。

　　该架构具有三个不同的层：设备层、边缘层和云计算层。边缘计算层是解决边缘计算需求的参考架构的核心。以下是边缘层的主要职责：

　　接收、处理和转发来自设备层的数据流；

　　提供时效性服务，例如边缘安全和隐私保护；

　　边缘 数据分析；

　　智能计算；

　　物联网流程优化和实时控制。

　　边缘层根据其数据处理能力分为三个子层：近边缘层、中边缘层和远边缘层。

　　(1)近边缘层。近边缘层包含边缘控制器，这些控制器从设备层收集数据，执行初步数据阈值处理或过滤，并控制流向设备。由于设备层中的小工具异构性，近边缘层中的边缘控制器必须支持广泛的通信协议。边缘控制器还与上层接口以接收操作指令或数据驱动的决策，并将它们转换为可编程逻辑控制器或基于动作模块的控制流指令，以传输到设备。因此，近边缘层在与设备层接口时必须表现出微秒级延迟。在行动呼吁对时间要求严格的情况下，这种低延迟变成强制性，例如自动驾驶车辆在行人突然进入视野的情况下的预期瞬态响应。

　　(2)中边缘层。中边缘层包含边缘网关，主要负责通过有线和无线网络与近边缘和远边缘层交换数据。与近边缘层相比，该层具有更多的存储和计算资源。通过组合来自多个设备的信息，可以在这一层进行更复杂的数据处理。该层的预期延迟为毫秒到秒。由于该层具有存储能力，数据处理产生的数据和智能可以在本地缓存，以支持未来的处理。中边缘的边缘网关还负责将控制流从上层传递到近边缘层，并对中边缘层和近边缘层的设备进行管理。

　　(3)远边缘层。远边缘层包含强大的边缘服务器，负责执行更复杂和关键的数据处理，并根据从中边缘层收集的数据做出方向决策。从本质上说，远边缘层的边缘服务器构成了一个小型计算平台，拥有更强大的存储和计算资源。远边缘层使用更复杂的机器学习算法处理大量数据。该层分析来自不同设备的更多数据以实现流程优化或评估最佳措施以在更长的时间内接管更广的区域，通常具有更长的延迟。远边缘层还充当云计算层和边缘层之间的桥梁。

　　真正的价值主张

　　从参考架构和示例实现中可以明显看出，边缘计算使以下成为可能：

　　更接近互联网上的设备或事物的智能推导；

　　与不同数据和情报节点进行双向信息交换的管道；

　　最小化决策到行动的延迟。

　　智能和决策到行动的延迟对于预期价值主张至关重要。从联网汽车的例子中可以清楚地看出，新兴架构使智能尽可能接近物联网边缘。同样很明显，智能推导越复杂，其计算距离物联网设备就越远。然而在一些感知和响应物联网实施中，复杂的智能需要更接近设备层以降低延迟。

　　如果基于云计算的人工智能模型在车辆已经发生碰撞后预测碰撞，则它没有任何价值。在远离设备层并以更高延迟实现时间关键型智能是一种反模式，对通常无效的问题的常见响应可以充分发挥边缘计算的潜力。就好像边缘计算中的边缘被解释为云计算的边缘，而不是物联网设备的边缘。

　　以物联网部署为例。真正的价值在于通过从边缘生成的数据中发现情报和洞察力，快速制定可操作的决策。物联网价值主张可以通过在边缘计算的帮助下逐渐使智能更接近设备位置而呈指数级发展。智能延迟越低，价值主张就越多。实际上，该数字意味着边缘计算必须通过计算资源变得更丰富、更强大，才能以更接近设备层的低延迟获得复杂的智能。

　　可行的示例应用

　　在农业物联网的应用中，拖拉机、土壤传感器、犁上的传感器和供水系统都相互连接以收集数据和挖掘情报。此类远程位置可能没有互联网连接，无法将数据发送到云计算服务器进行处理。即使有连接，接收情报以确定何时给农场施肥和浇水的延迟也可能是不可接受的。与其相反，具有边缘功能的本地计算会立即将数据转化为行动。

　　边缘计算在快速生成数据的物联网用例中也大放异彩。例如，飞机在其每个部件上都安装传感器，例如发动机、起落架、机身、机翼和轮胎。根据福布斯发表的一篇文章，飞机每次飞行平均会生成60GB到100GB的数据，而且随着技术的进步，这一数据在未来10年可能会增长到5TB到 8TB。将此类数据实时上传到云端实际上是不可行的。然而，数据收集可以在飞行过程中为飞行员和机上机组人员提供有价值的见解。与其相反，安装在飞机内的边缘处理器可以处理数据并即时提取所需的情报。

　　结语

　　以下是支持边缘计算重要性的论点的关键要点：

　　物联网实施的关键驱动力旨在提供智能答案，主要目标是让生活更美好。

　　支持物联网的创新解决方案的智能主要归功于数据驱动的洞察力。

　　新的架构模式不断涌现，强调对低延迟边缘智能的需求。

　　研究和现场经验表明，越靠近边缘设备生成的低延迟数据越多，潜在价值主张就越大。