近几年，每年都会有一些新的概念出现，但其中有意义的概念并不多。很多概念宣称自己包罗万象，但没有任何概念能一法通万法，就像没有包治百病的“大力丸”，充其量，也就是做到吃不死人罢了。

　　最近，有一个概念日益火热——边缘计算，和其它许多概念不太一样的是，它极力阐述“我不是什么”，对已经存在的理念及应用作了填补，以此论点出发，再辅以强大的学术论证和巨头背书，使得它真实可信。众多物联网和智能家居企业则争先恐后，想在边缘计算相关领域的市场上拔得头筹。

　　边缘计算是什么?有何过人之处?

　　其实，边缘计算并不是一个新生事物，它的运算原理很早就被提出来了。随着物联网产业的发展、5G时代的到来，大多数企业都希望数据的挖掘过程能够更加可靠、便捷，于是边缘计算逐渐进入大众视野。

　　在了解边缘计算之前，首先简单谈谈云计算。

　　云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。通俗来讲，就是把产生的所有数据都传送到远程中心进行分析、存储和处理。数据中心离用户距离较远，数据传输颇受带宽等因素的限制。而实时性要求高的计算服务，需要远端的云数据中心的反馈，通常这样会引起长距离往返延时、网络拥塞、服务质量下降等问题。

　　据统计，2020年预计将有超过500亿的联网设备，每年将会产生44ZB的数据，这么多的设备、传感器产生的数据不可能全部传送到数据中心，同时，自动驾驶、工业4.0、智能医疗等行业对于实时性的要求较高，需要在网络边缘处处理数据，因此，更贴近终端设备的运算程序成为了挖掘方向。

　　于是，雾计算和边缘计算被推到了历史舞台上。

　　早些时候，还有人把边缘计算和雾计算混为一谈。其实，虽然都距终端设备较近，但两者还是存在着本质上的区别。雾计算是云计算的延展，在名字里就体现了这一点，“雾是更贴近地面的云”。“贴近”的含义就是说相比云计算把产生的所有数据都传送到远程中心进行分析、存储和处理，雾计算设置了众多的“雾节点”，可以是传统的网络组件例如：路由器、开关、机顶盒、代理服务器、基站等，这些组件安装在离物联网终端设备和传感器较近的地方，提供不同的计算、存储、网络功能，支持服务应用的执行，只将需要的数据传送到云用于大数据分析和存储。雾计算的计算过程大多发生在网络边缘处，但也并非全部。

　　既然要靠近设备终端，何不直接在最近距离完成计算?终端设备是数据的生产者，所生产的数据中存在着相当比例的垃圾数据，那么，如果赋予终端设备处理数据的能力会如何呢?

　　边缘计算在某种程度上讲，就是解决了这个问题。它是利用靠近数据源的边缘地带来完成的运算程序。计算可以在大型设备中完成，也可以在中、小型设备、本地端网络中完成。用于边缘计算的设备可以是手机、电脑，也可以是各种智能家居产品，甚至是摄像头等。作为一种本地化的计算模式，边缘计算提供了对于计算服务需求更快的响应速度，在安全和隐私方面也有了保证，通常情况下不将大量的原始数据发回核心网。相比雾计算，边缘计算直接在网络边缘处进行计算，而且更专注于终端设备。

(图片来自于网络)

　　感觉有点似懂非懂?举个不完全恰当但容易理解的例子：我家老爷子年轻的时候是会计，单位发工资用现金，来人跟老爷子核对、签个字，便能把现金(数据)领走。当时世道乱，盲流多，钱不敢在怀里捂太长时间，怕丢(数据安全)，领了工资就要直奔银行存钱。还不能去县里的合作社(云计算)，太远，以成年人的脚力都要走一天，道阻且险，变数也多;镇里的(雾计算)也不行，近是近了，但逾十里的路程，走起来也委实不算轻松;那就去集市上的自动存取款机(姑且算它有吧，代指边缘计算)，虽说可办理业务少了，但能存钱(数据的运算、处理)就成。假如需要办理其它业务，再往县里走一遭(有效数据的提取、上传)便是了。

　　从以上例子可以得出什么结论?运算设备和终端设备之间的距离，边缘计算最近，传输效果最直接，运算效率和安全性也更高。

　　边缘计算不“边缘” 安防龙头率先实现应用落地

　　近年来，终端设备及传感器的数量急剧增长，同时，各行业计算业务日益复杂、计算效率要求越来越高，云计算传输效率不高，还受限于网络环境，效果并不能使人满意;雾计算解决了一些问题，但终归没能将终端设备利用起来。故而，边缘计算概念一经问世，便得到了极大关注，业界对此概念纷纷报以热枕，期冀着它能不负众望，实实在在地解决问题。

　　2017年10月28日，杭州海康威视数字技术股份有限公司(以下称“海康威视”)主办的“AI+：洞察行业、助力变革”主题论坛在深圳隆重召开。海康威视发布“IOT-基于神经网络的认知计算系统--海康AICloud框架”。

　　在论坛上，海康威视总裁胡扬忠表示，将AI算力注入边缘，赋能边缘智能是大势所趋。海康威视发布的AICloud框架，由云中心、边缘域、边缘节点三部分构成，实现从端到中心的边缘计算+云计算，真正做到让感知理解更有效、更精准;图像目标细节传输更高效，网络压力得到释放;数据分级应用更灵活，业务响应更敏捷。

　　由胡总的话可以得出，海康威视不仅实现了边缘计算应用的率先落地，而且还整合了云计算+边缘计算，对最近有些人提出的“边缘计算能否取代云计算”问题间接做出了回答。边缘计算与云计算实质为互补关系，我们不能说边缘计算会取代云计算，就像不能说PC会取代数据中心一样。二者的作用层级不同，边缘计算可以分析、处理数据，若有必要的话，再将提取出的有效数据传输到数据中心进行更深层次的挖掘。未来的应用趋势也会是协同，而非取代。

　　同时，结合安防行业的特性，海康威视对边缘计算的概念重新做了诠释。在海康威视的认知中，边缘计算包含了边缘节点和边缘域，能够就近数据源头提供以视频为核心的感知理解、物联传输、高效存储和本地推理分析等服务，实现业务的快速分级响应，在提升业务敏捷性、实时性和系统可靠性的同时，分摊海量数据给中心节点带来的并发压力。

　　基于此，海康威视发布了以海康深眸、海康神捕、海康超脑、明眸为代表的一系列AI智能边缘设备，搭载高性能GPU计算芯片和深度学习智能算法，能够在边缘实现原始视频图片中人体、人脸、车辆等属性信息的高效提取和建模，数据回传云端统一分析的同时，也可满足本地自治系统的数据应用，提升业务敏捷性和实时性。

　　当前，由于智能安防系统往往价格过高，同时成像、检测及传输效果也不甚理想。用户对于此类产品的接受度不高、信任度也较低。针对这种现象，海康威视发布了边缘计算相关AI设备，切实解决了这些问题。

　　以海康明眸人脸识别通道为例，该设备可支持10000人脸库，在无需接入云端的情况下，人脸识别通道便可完成1：N的人脸识别和1:1的认证比对，比对时间不到1秒，准确率超过99%。

　　此外，由于不需要机房配套成本、带宽成本、运维成本等，人脸识别通道的成本远低于云端智能分析的成本，显著降低了整体系统成本。

　　其次，非结构化视频数据在前端即可被转变为结构化视频数据，提升了工作效率，也延长了存储时间，得以保留关键数据，使系统的可靠性大大提升。

　　最后，人脸识别通道自动区分识别出目标图像和背景图像，优化编码，减少传输和存储压力，优化了系统的实用性。

　　总结

　　2017年深圳安博会上，AI占据了极大的展会篇幅，验证了“安防是AI的绝佳落地场景”。海康威视发布了AICloud框架，再次引领行业，其所包含的边缘计算应用也属领域前列。锐意进取、始终走在技术革新前列的海康威视已逐步从安防行业的龙头转变为物联网、人工智能行业的解决方案提供商。可预见的是，未来必定会有众多安防企业追随海康威视的脚步，进入边缘计算领域淘金。在海康威视的引领下，安防行业势必会横向纵向拓展，安防市场也会越来越繁华。

　　责任编辑：DJ编辑