當下我們經常會聽到一個詞叫做“云端協同”，即云和端相互合作、互相滲透和融合，這里的云指的是“云計算”或者說“云數據中心”，而端指的便是擔當終端的“邊緣計算”。

Linux基金會Philip DesAutels認為“將來，云端更像是扮演一個集中式協調管理的角色，成為一個具有分布式集體智慧的云端大腦。” 

邊緣計算是指利用靠近數據源的邊緣地帶來完成的運算程序，邊緣計算的運算既可以在大型運算設備內完成 也可以在中小型運算設備、本地端網絡內完成。用于邊緣運算的設備可以是智能手機這樣的移動設備、PC、智能家居等家用終端，也可以是ATM機、攝像頭等終端。

關于邊緣計算的應用現狀和場景

在Microsoft Build 2017開發者大會上，微軟首席執行官SatyaNadella宣布：“公司的云戰略正在朝著邊緣計算方向發展。”未來隨著聯網接入設備的倍增、大數據時代下數據的爆發式增長，云計算中心已經無法滿足智能家居、無人駕駛等場景對低延遲的高要求，邊緣計算取而代之將成為大勢。 

邊緣計算應用場景一：萬物互聯的物聯網

隨著網絡邊緣側設備的迅速增加，設備產生的數據存量達到澤字節的級別，從網絡邊緣設備傳輸傳輸海量數據到云數據中心致使網絡傳輸寬帶的負載量急劇增加造成較長的網絡延遲，單純的云計算已經不足以匹配如此龐大規模數據量的即時計算。

云計算作為物聯網的“大腦中樞”，將大量邊緣計算無法處理的數據進行存儲、處理、整理和分析，而與此同時邊緣計算被認為是物聯網的“神經末梢”，實現對小數據直接在邊緣設備或者邊緣服務器中進行數據的處理，同時也能夠很好的緩解云數據中心的壓力。邊緣計算和云計算互相協同，準確的說它們是彼此優化補充的存在。

邊緣計算應用場景二:CDN內容分發業務

傳統 CDN 借助緩存數據，提高近地節點數據傳輸的性能，但是實際上對動態的計算服務，就只能回源到數據中心，這個成本本身其實是很高的。邊緣計算和傳統的中心化思維不同，其主要計算節點以及應用分布式部署在靠近終端的數據中心，這使得無論是在服務的響應性能、還是可靠性方面都是高于傳統中心化的云計算。邊緣計算保障大量的計算需要在離終端很近的區域完成計算，完成苛刻的低延時服務響應。

此外通過邊緣計算，同時緩解了傳統數據「安全」層面的問題，免備案主機，畢竟數據傳輸的距離越遠、路徑越長、時間越久，數據的被竊取風險和丟失風險也就越高。

邊緣計算應用場景三：蓬勃發展的車聯網

當下伴隨著智能駕駛、自動駕駛等新勢力車企的的蓬勃發展，聯網汽車數量越來越大，亞洲服務器租用 歐洲服務器，針對車聯網用戶的功能越來越多，隨之車聯網的數據量傳輸不斷增加，對其延遲/時延的需求也越來越苛刻，尤其是汽車在高速行駛中，通信延遲應在幾ms以內，而網絡的可靠性對安全駕駛又至關重要。

那么，在這個過程中如何滿足車聯網對傳輸速率的高要求？傳統中央云計算由于經過多層級計算處理，延遲高、效率低，現在已不再能滿足車聯網的傳輸需求。而基于邊緣計算解決方案，在近點邊緣層已經完成對數據的過濾、篩選、分析和處理，傳輸距離短、延遲低、效率更高。相較云計算，車聯網顯然更加需要邊緣計算來護航！

（1）通過節點“下沉”的方式，可以在距離車輛最近的基站進行計算，短算計算距離

（2）車內邊緣計算可實時提供實時車輛位置，利用低延遲效果與附近基站，提高可靠性。

（3）單一車量通過數據分析后得出結論，以極低延遲傳送給臨近區域內的其他聯網車輛，可在區域范圍內快速完成傳遞，駕駛員及時做出決策

邊緣計算應用場景四：智慧智能的城市云腦

就如開篇所言，把邊緣計算比作“神經末梢”，而同時現在我們把基于互聯網云腦模型的智慧城市建設架構稱為“城市云腦”或者說“城市大腦”，邊緣計算這里的角色就像是城市大腦的神經末梢，一方面采集數據信息，本地進行實時處理、預測，將本地處理提取的特征數據傳輸給云端大腦，另一方面將人工智能與分布在城市中的傳感器結合，打通各系統平臺，使得城市運營出現的諸多問題能夠更加及時、有效的得到發現和處理！