本文和大家分享關于邊緣智能綜述的那些事兒，各位工程師如果喜歡，記得幫我點贊，收藏，分享，評論，關注！
隨著萬物互聯時代的到來，網絡邊緣設備產生的數據量快速增加，帶來了更高的數據傳輸帶寬需求，同時，新型應用也對數據處理的實時性提出了更高要求，傳統云計算模型已經無法有效應對，因此，邊緣計算應運而生。
邊緣計算的基本理念是將計算任務在接近數據源的計算資源上運行，可以有效減小計算系統的延遲，減少數據傳輸帶寬，緩解云計算中心壓力，提高可用性，并能夠保護數據安全和隱私。得益于這些優勢，邊緣計算從2012年以來迅速發展。
近年來，隨著萬物互聯時代的快速到來和無線網絡的普及，網絡邊緣的設備數量和產生的數據都快速增長。根據IDC預測，到2020年，全球數據總量將大于20澤字節（ZB），而物聯網產生數據的15%都將在網絡邊緣處理。在這種情形下，以云計算模型為核心的集中式處理模式將無法高效處理邊緣設備產生的數據。集中式處理模型將所有數據通過網絡傳輸到云計算中心，利用云計算中心超強的計算能力來集中式解決計算和存儲問題，這使得云服務能夠創造出較高的經濟效益。
但是在萬物互聯的背景下，傳統云計算有幾個不足：
- 實時性不夠
萬物互聯場景下應用對于實時性的要求極高。傳統云計算模型下，應用將數據傳送到云計算中心，再請求數據處理結果，增大了系統延遲。以無人駕駛汽車應用為例，高速行駛的汽車需要毫秒級的反應時間，一旦由于網絡問題而加大系統延遲，將會造成嚴重后果。
2. 帶寬不足
邊緣設備實時產生大量數據，將全部數據傳輸至云端造成了網絡帶寬的很大壓力。例如，波音787每秒產生的數據超過5GB，但飛機與衛星之間的帶寬不足以支持實時傳輸。
3. 能耗較大
數據中心消耗了極多的能源，根據Sverdlik的研究，到2020年美國所有數據中心能耗將增長4%，達到730億千瓦時，我國數據中心所消耗的電能也已經超過了匈牙利和希臘兩國用電總和。隨著用戶應用程序越來越多，處理的數據量越來越大，能耗將會成為限制云計算中心發展的瓶頸。
4. 不利于數據安全和隱私
萬物互聯中的數據與用戶生活聯系極為緊密，例如，許多家庭安裝室內智能網絡攝像頭，視頻數據傳輸到云端，會增加泄露用戶隱私的風險。隨著歐盟“通用數據保護條例”（GDPR）的生效，數據安全和隱私問題對于云計算公司來說變得更加重要。
為了解決以上問題，面向邊緣設備所產生海量數據計算的邊緣計算模型應運而生。邊緣計算是在網絡邊緣執行計算的一種新型計算模型，邊緣計算操作的對象包括來自于云服務的下行數據和來自于萬物互聯服務的上行數據，而邊緣計算的邊緣是指從數據源到云計算中心路徑之間的任意計算和網絡資源，是一個連續統（continuum）。
邊緣計算模型和云計算模型并不是取代的關系，而是相輔相成的關系，邊緣計算需要云計算中心強大的計算能力和海量存儲的支持，而云計算中心也需要邊緣計算中邊緣設備對海量數據及隱私數據的處理。
邊緣計算模型具有3個明顯的優點：
- 在網絡邊緣處理大量臨時數據，不再全部上傳云端，這極大地減輕了網絡帶寬和數據中心功耗的壓力；
- 在靠近數據生產者處做數據處理，不需要通過網絡請求云計算中心的響應，大大減少了系統延遲，增強了服務響應能力；
- 邊緣計算將用戶隱私數據不再上傳，而是存儲在網絡邊緣設備上，減少了網絡數據泄露的風險，保護了用戶數據安全和隱私。
得益于這些優勢，邊緣計算近年來得到了迅速發展。
邊緣計算發展歷程
以"edge computing"為關鍵詞在谷歌學術上搜索論文，以年度為橫坐標，論文數為縱坐標，可以看到該熱度曲線可明顯分為三個部分，則可將邊緣計算分為三個階段：
技術儲備期、快速增長期和穩定發展期。
此外，在這三個階段中，分別有如下代表性事件（粗體為中國相關事件）
其中最值得注意的事件有：
1998年，Akamai公司提出內容分發網絡（content delivery network,CDN）。邊緣計算的功能緩存（function cache）的雛形。
2013年，美國太平洋西北國家實驗室的 Ryan LaMothes 提出"edge computing"一詞。
2015年，歐洲電信標準化協會(ETSI)發表關于移動邊緣計算的白皮書。并在2017年3月將移動邊緣計算行業規范工作組正式更名為多接入邊緣計算(multi-access edge computing, MEC)。
2016年，ACM 和 IEEE 聯合舉辦邊緣計算頂級會議(ACM/IEEE Symposium on Edge Computing, SEC)。
2016年，11月，華為技術有限公司、中國科學院沈陽自動化研究所、中國信息通信研究所、英特爾、ARM等在北京成立了邊緣計算產業聯盟(edge computing consortium, ECC)。
2017年，5月，首屆中國邊緣計算技術研討會在合肥開幕，同年8月中國自動化學會邊緣計算專委會成立。
邊緣計算定義
邊緣計算目前沒有唯一的定義，以下三個定義可供參考：
1. 邊緣計算是指在網絡邊緣執行計算的一種新型計算模型，其邊緣是指從數據源到云計算中心路徑之間的任意資源和網絡資源。
即，邊緣計算是一個連續統 （continuum），除“云”之外皆是“邊緣”；
2. 邊緣計算更多地聚集在邊緣設備本身，而霧計算則更多關注基礎設施，
從作用范圍角度講，邊緣計算包含霧計算，即霧計算是邊緣計算的一部分；
3. 邊緣計算的基本原理是將計算任務遷移到產生源數據的邊緣設備上。
——《邊緣計算》施魏松
邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字在敏捷聯接、實時業務、 數據優化、應用智能、安全與隱私保護等方面的關鍵需求。
——邊緣計算產業聯盟 ECC
邊緣計算、霧計算、云計算具有差異性。霧計算將云計算無縫擴展到邊緣，實現安全控制和管理域內特定硬件、軟件、標準計算、存儲和網絡功能，并確保安全、豐富的跨域數據處理應用能力。
—— OpenFog 聯盟
邊緣計算主要使用場景
目前邊緣計算研究熱點應用領域包括內容緩存、場景感知、負載均衡、云基礎設施架構等。
對延遲敏感、實時性要求比較高的場景，比如：云基礎設施 2.0、5G、VR/AR、CDN、車聯網、工業 4.0、物聯網等，通過智能化部署邊緣節點來滿足應用，提供不同服務質量的可靠服務，提升服務質量。
圖 1：5G 能力、5G 共性業務與 5G 應用的關系
表2：5G重點應用行業及細分應用領域
邊緣計算相關研究機構
邊緣計算產業聯盟(Edge Computing Consortium, ECC)
工業互聯網聯盟(Industrial Internet Consortium, IIC)
汽車邊緣計算聯盟(Automotive Edge Computing Consortium, AECC)
OpenFog 聯盟
Linux 開源社區
電信運營商
微軟
亞馬遜
Zenlayer
網宿
中興
……
移動邊緣計算定義
（待補充）
移動邊緣計算 與 移動云計算的區別
移動邊緣計算架構
兩個簡單實例
移動邊緣計算未來研究方向
深度學習與邊緣計算的結合
主流計算框架對于邊緣計算的支持
深度學習部署到計算邊緣
使用邊緣計算進行深度學習推斷
使用邊緣計算進行深度學習訓練
參考文獻：
- A Survey on Mobile Edge Computing: The Communication Perspective， Khaled B.Letaief, arXiv:1701.01090v4
- Deep Learning With Edge Computing: A Review， Jiasi Chen, Xukan Ran, Proceedings of the IEEE 2019
- Convergence of Edge Computing and Deep Learning A Comprehensive Survey ，Victor C.M. Leung, Dusit Niyato, Xueqiang Yan, Xu Chen, arXiv:1907.08349v1
- Edge Intelligence: Paving the Last Mile of Articial Intelligence with Edge Computing， Xu Chen, Junshan Zhang, arXiv:1905.10083v1
- Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing ，Xu Chen, IEEE Trans On Wireless Network 2019
- 邊緣計算技術研究報告，中科院計算所，2018
- 邊緣計算：現狀與展望，施巍松，2018
- 邊緣計算，施巍松，2017