邊緣計算起源於傳媒領域，是指在靠近物或數據源頭的一側，採用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網絡服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算處於物理實體和工業連接之間，或處於物理實體的頂端。而云端計算，仍然可以訪問邊緣計算的歷史數據。
無論是雲、霧還是邊緣計算，本身只是實現物聯網、智能製造等所需要計算技術的一種方法或者模式。嚴格講，霧計算和邊緣計算本身並沒有本質的區別，都是在接近於現場應用端提供的計算。就其本質而言，都是相對於雲計算而言的。從二者的計算範式可以看出來，邊緣側的數據計算，一下子變得豐富起來。這裡產生了全新的想象空間。
而云計算是分佈式計算的一種，指的是通過網絡“雲”將巨大的數據計算處理程序分解成無數個小程序，然後，通過多部服務器組成的系統進行處理和分析這些小程序得到結果並返回給用戶。雲計算早期，簡單地說，就是簡單的分佈式計算，解決任務分發，並進行計算結果的合併。因而，雲計算又稱為網格計算。通過這項技術，可以在很短的時間內（幾秒種）完成對數以萬計的數據的處理，從而達到強大的網絡服務。
◆◆邊緣計算將成基礎設施◆◆
早在25年前業界就開始談論物聯網，物聯網分為雲和端兩級，在過去，處理端的業務雲計算是可以勝任的。但隨著網絡技術的迅猛發展，物聯網也在不斷演進，有一些業務場景對時間非常敏感，要求數據分析低時延，甚至需要在設備端進行實時數據分析。如果將智能終端採集的數據傳輸到雲上分析，勢必會造成延時。
另外，隨著萬物互聯，智能終端數量規模不斷擴大，需要處理的數據呈幾何級增長，如此大的數據量是無法通過電信運營商骨幹網全部匯聚到雲，骨幹網無法承載這麼高的網絡流量，一部分數據勢必要到端做分析，於是邊緣計算應運而生：每個智能終端都可以擁有小數據中心，可以低延遲甚至實時處理數據，實現響應及時、提升效率的目標。
雲計算是一種將可伸縮、彈性、共享的物理和虛擬資源池以按需自服務的方式供應和管理，並提供網絡訪問的模式。然而，目前雲計算已經無法滿足低時延，低成本的需求，邊緣計算的引入是物聯網時代的必然結果。邊緣計算是一種將主要處理和數據存儲放在網絡的邊緣節點的分佈式計算形式。就近提供邊緣智能服務，減少網絡操作和服務交付的時延，滿足行業數字化在敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。
進一步研究就會發現，過去的架構都是因應用而搭建的，各種性能指標也都是服務於某一個應用，由於邊緣計算的誕生，未來更多的是根據每一個場景不同的需要隨時調動整合資源，是因需而動。邊緣計算的低延時、零計劃、低能耗特點，滿足客戶自適應的需求，實現快速的響應和敏捷的部署。未來，邊緣計算將成為不可或缺的基礎設施之一。
◆◆“雲邊協同”才是方向◆◆
邊緣計算來勢洶洶，對物聯網而言，邊緣計算技術取得突破，意味著許多控制將通過本地設備實現而無需交由雲端，處理過程將在本地邊緣計算層完成。那麼邊緣計算是否與雲計算相互獨立，甚至所謂的“吞噬”和取代？業內人士對此持否定態度。對於用戶來說，邊緣計算與雲計算並不是二選一的抉擇，而是互相配合形成物聯網一體化解決方案最終滿足客戶需求。
雲計算與邊緣計算本身都屬於一種分佈式計算拓撲結構，如果與雲沒有關係，那麼這個點是孤立的，沒有辦法形成循環體系，有了拓撲關係，就有了中心和邊緣的聯繫，邊緣側是實時推理的執行節點，雲做為中央層面的決策層，賦予邊緣自主能力，讓邊緣設備具有部分自主決策的智能，而這個智能也是“中心”賦予的。
邊緣計算目前只是實時、短週期的處理與分析本地數據，數據最終是會被丟棄，不利於最終數據累積進行大數據分析決策，雲邊協同能夠很好的解決數據處理效率、海量數據存儲、大數據分析以及數據共享等問題。“雲邊協同”更重要的是提高了終端更新的效率。其實，邊緣計算並不是一成不變的，當邊緣計算能力需要改變或升級的時候，通過“雲邊協同”可以一鍵升級邊緣計算的能力，而不用單獨為邊緣計算進行系統升級，當邊緣側數量龐大時，這種“邊雲協同”顯然提升了邊緣計算的靈活性，也提高了升級的效率。
邊緣計算最典型的場景就是“自動駕駛”，車上的智能終端利用邊緣計算及時處理大量數據來避免發生碰撞、行駛在正確的道路上，但是，當該車算法需要更新，或者需要給這倆智能汽車裝上更好的模型、增加新的性能，若邊緣計算是獨立的割裂於雲的，那就意味著服務商需要召回市場上全部的汽車一個一個地安裝完善。但若邊緣計算與雲計算打通並協同，汽車服務商按一個按鈕就可以實時更新所有車輛的整個算法。
邊緣計算之所以是雲計算的延伸，要從編程模型、服務模型和數據幾方面看。廣義的邊緣只強調功能，只要提供本地計算、存儲即可，而IT視角下的邊緣計算要求編程模型與雲計算一致，這樣服務可以在雲上驗證，動態部署到各個邊緣，或者說他提供的服務是受控於雲的。從數據角度看，雖然隨著智能移動到邊緣，數據可以在邊緣快速處理了，但如需要宏觀決策，關鍵數據還是要到雲上。這就存在一個邊緣與雲之間數據同步的問題，宏觀決策一般需要長時間沉澱的數據，邊緣決策則是短時間沉澱的數據。
可以肯定，隨著工業4.0和智慧工廠的應用的越來越廣泛，邊緣計算和雲計算的協同生長髮展將會更加徹底和深入。
《智慧工廠》編輯部譯，邊緣計算社區整理，感謝大家閱讀。
如果閱讀有收穫，求幫忙擴散文章！感謝！
邊緣計算社區：促進邊緣計算領域知識傳播，中立，客觀，如果你關注邊緣計算、5G、物聯網、雲原生等領域請關注我們。
閱讀更多 邊緣計算社區 的文章
