1
鄔賀銓院士針對邊緣計算提出的10個問題，算是直戳核心（后文附）。
實際上這和邊緣計算還未真正落地有關。
在工業互聯網的發展中，邊緣計算將成為重要的支撐與使能技術。國家在十三五規劃中提出的兩化融合、《中國制造2025》等戰略，對ICT與OT的融合提出了迫切的需求，而邊緣計算是ICT與OT融合的使能技術，是實現控制工業自動化架構的重要支撐（雷鋒網注：ICT是信息和通信技術；OT是操作技術，Operation Technology ）。
此前雷鋒網與邊緣計算領域的創業公司、資深學者甚至電力行業等需求方都有過接觸，他們的觀點幾乎一致：
工業制造、電力領域的企業，他們的數據處理也開始往外拓展，但不一定拓展到云上面，因為并不想讓自己的數據依賴于阿里云、騰訊云等公司去處理。隱私是個非常大的考慮，即使是各項條件都允許，它也未必會愿意那么做，因為太危險了。
因為這種“不放心”，我們也看到云計算廠商開始在邊緣計算領域“大張旗鼓”：
亞馬遜AWS：2016年re：Invent開發者大會上推出AWS Greengrass，以公司現有的物聯網和Lambda（無服務器計算）產品為基礎，將AWS擴展到間歇性連接的邊緣設備。
微軟Azure：自2017年6月開始在Microsoft的BUILD 2017開發者大會上推出Azure IoT Edge，允許云工作負載集裝箱化，并在從Raspberry Pi到工業網關的智能設備上本地運行。
Google：2018年7月，Google宣布推出兩款大規模開發和部署智能連接設備的產品：Edge TPU和Cloud IoT Edge。Edge TPU是小型ASIC芯片，Cloud IoT Edge是軟件堆棧。
阿里云：2018年3月，阿里巴巴宣布全面進軍IoT領域，戰略布局邊緣計算，陸續推出了Link Edge、邊緣節點服務ENS等，發力新制造。
一大批創業公司也正馬不停蹄地趕來......
回到原點，我在想，邊緣計算是對傳統互聯網的顛覆嗎？
似乎不是。
傳統互聯網幾十年來天生的缺陷，給現在的互聯網造成很大了困擾，尤其是直播場景、工業應用場景。在過去，有一批人想過從底層開始改造，但這個想法基本上已經被完全拋棄了——底層改造實在代價太大，幾乎不可能，因為社會場景已經完全依賴。
因此，除了改造互聯網，邊緣計算實際提供一種很好的方式，它在很大程度上可以解決很多問題：因為最終的東西是做應用。邊緣計算沒有破壞性，不是對傳統互聯網做一個徹底的改造，畢竟試過了，徹底的改造無法實現。
邊緣計算之所以被想象成下一代互聯網的一個重要技術，主要在于它橫跨OT、IT、CT多個領域，且涉及網絡聯接、數據聚合、芯片、傳感、行業應用等多個產業鏈角色，涉及不同行業、不同廠商之間的互通和互操作。
思科于2014年1月推出了霧計算作為將云計算功能帶到網絡邊緣的一種方式。然而本質上，霧才是標準，邊緣只是概念。霧在邊緣計算概念中實現可重復的結構。霧計算概念下，邊緣設備定義為傳感器數據來源，具有必要的計算硬件、運行系統、應用軟件和連接參與分布式計算。它從邊緣擴展到“近邊緣”功能，形成“霧節點”。
據451 Research稱，就市場份額而言，2022年霧計算的主要垂直行業將是公用事業、交通運輸、醫療保健、工業和農業，此外在智慧城市也有相當多的應用——這些行業給了邊緣計算更多的“陽光”。
圖片來源：451 Research＆OpenFog Consortium/ Chart：ZDNet
盡管可以想象，在邊緣的一個視頻監控系統中，使用者更希望監控錄像能夠存儲在云存儲中而不是邊緣。這是由于云的物理安全性以及固有的冗余、無限的彈性和非常低成本的存儲層，適合長期存檔、完美匹配。
但是，在實踐中，這種選擇有其問題：你是否能夠在互聯網服務中斷期間保持錄像？你是否需要能夠快速從存檔中本地檢索視頻？這些限制意味著邊緣存儲仍然像以前一樣重要。
因此，云存儲顯然有其缺陷，但純邊緣存儲也有其不完美的地方。列舉幾個：
需要定期備份到安全的遠程位置，以避免在發生本地災難時丟失數據。
在站點之間進行邊緣存儲協作并不容易，并且由于缺乏本地IT而極難進行大規模管理。
它很容易被盜，而且無法搜索，造成了“黑暗數據”的孤島。
各地的IT部門都在花費大量的時間和金錢來管理邊緣存儲。例如當員工購買新筆記本電腦時，IT需要將數據從舊設備傳輸到新設備。
我們能觀察到的事實是，從大型機到臺式PC，到本地數據中心，再到云數據中心。現在，無論是學術圈還是產業界，都在研究現有元素的混合，以及與數十億的智能IoT設備、網關和節點之間的“霧”進行聯系。
設備連接一直是阻礙這種轉變的瓶頸，但隨著5G移動網絡的出現，這種情況即將得到巨大的改變。
因此，靈活運用“邊緣+云”的方式，云廠商或許會提供出更多有彈性的方案。而提供單獨方案的公司，有點像Gartner魔力象限里面最靠近原點的那部分，里面的企業被稱為“niche players”，即利基玩家的意思，很容易被替代，也很容易被淘汰。
當然，如何在云計算與邊緣計算間做好計算能力的“分割”，也是目前全球的企業CIO應該認真考慮實施“邊緣到云”、“邊緣+云”范例的重要問題。
附：鄔賀銓《十問邊緣計算》
中國工程院院士鄔賀銓是推進邊緣計算技術與產業繁榮發展倡議的專家之一，對邊緣計算有著更加深入的思考。在近期的2018邊緣計算技術峰會上，他表示，邊緣計算技術應該是一個體系，但目前包括他本人都對這個體系了解只是邊緣，根本沒有進入到核心，很多東西不太清楚，所以提出十問，雷鋒網特做轉發。文中MEC指的是Mobile Edge Computing，即移動邊緣計算。
圖為：中國工程院院士 鄔賀銓
NO1：5G MEC應該下沉到什么位置？邊緣計算放在DU？還是CU？還是放在核心網？顯然靠近底下反應越快，數量越多，放在什么位置是值得研究的。
NO2：計算能力是一級設置還是多級設置？在采用MEC的前提下，還要不要同時設置云計算？在云計算和MEC之間是否需要設置霧計算？一個云計算節點聯接的移動邊緣計算（或霧計算）節點的合理數量是多少？
NO3：計算能力如何在云計算與邊緣計算間優化配置？計算能力的分割是固定的還是可動態調整的？MEC需要向云計算節點上報過濾后的數據。云計算節點需要向MEC下發指令，除此之外兩者間的通信還應有什么任務？
NO4：MEC間通過云計算節點互通還是直接通信？同樣是邊緣計算節點，它們之間要不要互通，或者說必須間接互通？
NO5：邊緣計算需要有IaaS/PaaS/SaaS等服務能力嗎？假如通過邊緣計算增強人臉識別能力，邊緣計算至少具備PaaS的功能，還需要可能具有一些視頻轉碼的功能就是SaaS，有可能需要DaaS（數據即服務）的功能，邊緣計算是不是都這么全？到底需要有幾層，值得研究。
NO6：邊緣計算需要同時具備接入、轉發和控制云能力嗎？如果說邊緣計算是放在CU，它要集中管理好多DU，是否也應該具有控制云的能力？
NO7：MEC應該與網絡切片結合嗎？網絡切片是5G最基本的一個特征，邊緣計算要不要結合？
NO8：位于C-RAN的MEC需要按業務來配置嗎？不同的邊緣計算對應不同的應用，有對應移動大數據，有對應大連接的，還有對應社會與互聯網數據的。在這種情況下，邊緣計算是按業務來配置的，將來的邊緣計算也是這樣嗎？
NO9：MEC是獨立設置還是應與其他功能集成？基站的邊緣計算首先進行大數據的收集采集，同時實現加密，在對大數據進行消化后，它回送網絡數據鏈應該是減少的，也就意味著對數據過濾，為了過濾，它可能需要緩存，所以，邊緣計算會跟緩存數據采集，數據分析，過濾，計算能力集中在一起，邊緣計算絕不是單一的計算能力。
NO10：MEC的功能需要軟件定義嗎？MEC可仿照NFV實現軟件定義，允許跨過多廠家的MEC平臺有效與無縫集成來自廠商、服務提供商和第三方的應用，MEC的功能會開放嗎？如果開放就要有接入權限管理。
鄔賀銓還說，他對MEC的思考還不止這些，但他希望能看到答案。
你如何評價？你有答案嗎？
相關文章：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
