云计算极大地推动了互联网服务器对数据的集中存储和处理。虽然云计算，可让我们提供SLACK和Dropbox这样的服务，但一个新的模型开始引起人们的兴趣，起初看起来与云概念不一致。

它被称为“边缘计算”，通过由高度本地化的计算机组成的分布式网络来处理信息，而不是利用亚马逊、微软或谷歌服务器提供的资源。这听起来像是技术发展的倒退。毕竟，几乎所有的现代服务（从电子邮件到Netflix）都使用“云”来进行大规模的操作。但是边缘计算有几个关键优点，它有望改变数据收集和使用的方式。不仅如此，它还开创了全新的应用程序和案例的前景。

边缘计算满足雾计算之处

 简单来说，边缘计算使用位于数据物理源的专用计算机，这些计算机在本地处理数据，而不是将运算加载到云端。支持实时处理，并与局部化的边缘AI结合，做出即时决策。

边缘计算与所谓的“雾计算”一起工作，其中数据处理发生在本地网络级。因此，典型的边缘/雾/云模型将看到一些手机数据，并在边缘使用，从而给出非常快速的本地结果；雾服务器处理下一级数据（这会淹没边缘计算机的资源）；云计算用于高级业务分析和大型数据查询。

为什么我们需要边缘计算？

边缘计算并不是颠覆（或取代）“云”已经取得的成就，而是一种互补的技术，它能够在汽车、企业和智能城市等关键市场领域缩短等待时间，提供更好的应用程序客制化。

这些领域正悄悄被数据改变。事实上，数据常常被认为是现代企业的润滑剂，分析师对当前业务提供一些新观点，并为企业的发展发现新机会。由于物联网技术的兴起，企业可以获得比以往更多的数据。事实上，据Gartner报道，到2020年，物联网设备（传感器、摄像头等）的数量将增长到200亿以上。

工厂的物联网设备可以监控制造过程的各个环节，并在“边缘”进行分析。

由于有如此多的潜在数据可供处理，云计算系统通常面临两个主要问题：速度和可用性。

在处理现代数据集时，速度是一个重要的问题。当你想把信息发送到云端处理，并实时接收计算结果时，延迟就变成了一个真正的问题。即使是再快的互联网连接和云平台也会带来延迟。

利用边缘计算，可以在数据源进行处理，从而显著地减少响应时间。无人驾驶汽车可以证实这一点，例如，位置传感器数据的实时处理是至关重要的。

提高可靠性和性能

可用性是第二大问题，因为云计算需要一个快速、始终在线的连接来发挥作用，而离线可用性非常有限。可靠的互联网连接并不总是实用或可用的，无论是由于地理位置或硬件限制。

另外，边缘计算能够大展身手的领域是无人驾驶汽车的持续发展。从车载传感器收集大量数据，无人驾驶汽车需要能够立即做出决定，以便让乘客安全到达目的地。如果无人驾驶车辆需要依靠互联网连接来智能化，它就不能可靠地运行。

通过本地处理数据，汽车可以以适当的速度对周围环境作出反应，这正是云系统所不能比拟的。

与“云”协作

与“云”隔离的边缘系统，可以构成更广泛的云战略的一部分。对于初用者来说，边缘系统是数据收集器，它可以在传输到云之前过滤和优化信息。过滤过程可以节省带宽和存储，为以后的分析提供干净的相关数据。

没有边缘计算技术和车载AI，无人驾驶汽车无法向完全自主发展。

其次，边缘设备可以基于更大的数据集进行微调和操作，这些数据集既有外部的，也有边缘设备自身收集的。例如，首尔的国际金融购物中心将数字标牌与内置的边缘人脸识别系统相结合，检测人的性别和年龄，然后显示客制化的广告来吸引客户。

边缘计算能够更快地识别购物者、显示广告。设想一下，如果由更大的中央云系统执行计算过程，使用更大的数据集来通知边缘系统在特定日子要显示哪些广告。这是边缘计算和云系统协作的力量。

改善的安全性

在收集和处理数据时，安全性是个大问题。通过在本地处理数据并在传输到云的过程中分离出私人信息，边缘计算能够提升保护的级别。

还有人脸识别系统。随着边缘计算硬件到位，所有数据捕获可以在本地处理。一般的数据，例如年龄和性别，可以存储在云端用于之后的大数据分析，但是私人信息仍然保留在边缘系统中。

通过分配工作量，而不是依赖于集中的存储库，安全性也随之分散，降低了可用性，减少了对个人数据的访问。

定制是解锁能力的关键

边缘计算的成功需要坚固、轻薄和可靠的系统。系统可以安装在数据收集点或嵌入到产品中。还需要高水平的定制，以便边缘系统经过编程为基于数据流、动态学习和自适应能够正确地操作。

威盛拥有一系列高度客制化的边缘AI解决方案。这些解决方案采用高通®骁龙820E嵌入式平台，包括威盛SOM-9X20模块、威盛边缘AI开发工具包和威盛ALTA DS 3系统。