人工智能一直是科技圈近年来的热门领域。近年来，中国诞生了旷视科技、商汤科技、极联科技Video++、依图科技等优秀初创企业。然而，随着5G、人工智能、物联网时代的到来，传统的云计算技术已经不能满足人工智能终端“大连接、低时延、大带宽”的需求。尽管云计算的能力越来越强大，但面对涉及个人隐私的海量数据，传统的云计算仍然无法有效支持基于物联网的应用服务程序。基于边缘的大数据处理时代的边缘云计算恰好很好地解决了这些问题。什么是边缘计算？边缘云是以云计算技术和边缘计算能力为核心，构建在边缘基础设施之上的云计算平台。在边缘形成具有综合计算、网络、存储、安全能力的弹性云平台，与中心云、物联网终端形成“云、边、端协同”的端到端技术架构。计算、智能数据分析等任务在边缘处理，减少响应延迟，减轻云端压力，降低带宽成本，提供全网调度、算力分配等云服务。简单来说，边缘计算是指在靠近物或数据源头的网络边缘，集网络、计算、存储、应用处理能力为一体的分布式平台，就近提供智能服务。边缘计算可以理解为云计算的逆运算。云计算强调从边缘或桌面集中计算和存储能力，而边缘计算则将这些计算和存储能力下沉到边缘。边缘计算产生的原因边缘计算产生的主要原因是缺乏云计算服务。云计算大多采用集中管理的方式，使得云服务创造了很高的经济效益。在万物互联的背景下，应用服务需要低延迟、高可靠、数据安全，而传统的云计算无法满足这些要求。首先，在物联网环境下，边缘设备产生大量实时数据，云计算性能逐渐达到瓶颈。据IDC预测，到2020年，全球数据总量将超过40ZB。随着边缘设备数据量的增加，网络带宽也在逐渐增加。成为云计算的又一个瓶颈。其次，当用户使用电子购物网站、搜索引擎、社交网络等时，用户的隐私数据会被上传到云中心，云中心包含用户的隐私数据。如果将视频数据直接上传到云端数据中心，视频数据的传输不仅会占用带宽资源，还会增加用户隐私数据泄露的风险。边缘计算模型恰恰为此类敏感数据提供了更好的隐私保护机制。***针对云数据中心的能耗问题，随着越来越多的用户应用运行在云计算中心，未来大型数据中心的能耗需求将难以满足，为解决针对这一能耗问题，边缘计算模型提出将运行在原有云数据中心上的部分计算任务进行分解，然后将分解后的计算任务迁移到边缘节点进行处理，从而降低云计算中心的计算负荷，实现达到降低能耗的目的。边缘计算的应用场景边缘计算的应用场景可以分为全网覆盖和局部覆盖两种。全网覆盖应用的核心需求是保证就近计算（如CDN、视频直播、边缘拨号测试/监控服务）在区域和运营商网络层面由边缘节点覆盖，或者基于足够的节点执行网络链路优化。本地覆盖应用的核心需求是边缘节点的本地化，即边缘节点的接入距离要足够近（<30公里），时延要足够低（<5ms），以支持云接入需求。本地化服务，如新零售、医疗等行业的监控数据上传云端等，此类应用的大带宽需求是最能体现边缘云计算核心优势的场景，如时延和成本优化.视频直播的媒体流被推送到最近的边缘节点，边缘节点直接转码。转码后的媒体流分发到CDN边缘节点，用户访问时返回内容。基于边缘节点的业务，直播流的上下行内容推送和转码处理无需回中心处理，大大降低了业务时延，提升了交互体验。同时，边缘处理架构大大节省了带宽成本。.总结：过去，AI需要依赖强大的云计算能力进行数据分析和算法运算。随着技术的成熟和新应用的出现，商业数字化的概念逐渐深入人心，芯片能力不断提升，边缘计算平台日趋成熟。人工智能被赋予了更强的能力，辅助数据的初步筛选分析、设备的实时响应等，可以进一步提升在工业领域、智慧城市、视频识别等方面的服务。边缘云计算技术将成为人工智能、物联网等领域的关键组成部分，也将得到更大的发展，覆盖的潜在客户和场景将不断涌现。随着边缘云计算的应用场景越来越多，用户需求的变化将是未来关注的重点。如果做得好，未来边缘云计算将以远低于传统云计算的成本实现项目。
