大家知道，云計算解決了算力需求與硬件成本之間的矛盾，邊緣計算，讓人們能輕松實現各類數字化應用。
隨著運用普及，云計算也會面臨新問題。試想一下，如果大家都在玩一個很火的-，而它的服務器只部署在a城市這一個中心數據節點。那就會出現以下情況：一是距離較遠的b城市的游戲的玩家玩起來--高，因為服務器離用戶太遠了，fpga邊緣計算，傳輸時延隨之增加。二是中心節點不堪重負，由于數據高度集中，訪問流量都匯聚到a城市節點，帶寬或者性能一旦跟不上，就容易出現擁塞。這些會導致云端響應慢，-高，-卡成了看幻燈片，這種用戶體驗誰也受不了。
為應對這些新挑戰，邊緣計算應運而生。人們對云計算的集中化結構進行了拆分，把需要快速響應的服務能力部署到網絡邊緣，也就是盡可能靠近用戶的地方。這樣既縮短了服務器到用戶的距離，又通過分布式結構有效-了中心節點的壓力。簡單的說，把云計算延伸到網絡邊緣，在靠近用戶的地方提供服務，就是邊緣計算。
如果用快遞來打個比方，或許你就能-理解“邊緣計算”節點的概念。買家在網購下單后，到貨速度當然越快越好，但如果從北京發貨到重慶，再快也不可能當日達。于是，網購平臺在重慶建了個“本地倉”，這樣不僅重慶用戶可以當天就收貨，而且還節約了郵費。你把快遞包裹-成數據，物流-成網絡，新基建邊緣計算設備，那么“本地倉”就是邊緣計算節點。
從那時起，邊緣計算能力一直在提高。
2017年，為了擴展低性能的計算設備，movidius神經計算棒以低于100美元的價格，fpga邊緣計算，僅需0.5w的電量便能進行每秒一千億次浮點計算。
2018年，華為推出了麒麟980處理器，在0.1w的電量下可以完成每秒五千億次的浮點計算。其他供應商緊隨其后。谷歌發布了edge tpu units，瑞芯微rockchip公布了rk3399。這兩個約每秒能夠處理3萬億次浮點計算，成本在100美元左右。
2019年，帶有-技術硬件加速的器-是神經網絡的特定微型計算機得到普遍使用。所有關鍵的硬件廠商都陸續發布了ai軟件棧的邊緣優化版本，這進一步提高了性能。目前，一般使用的ai板有，谷歌的edge tpu——使用專門的asic芯片制作而成用以處理ai的預測推理功能。價格低于100美元的英偉達jetson nano 配備了128個英偉達cuda。瑞芯微發布的 rk3399 pro——帶有神經網絡處理器的開發板其性能甚至略優于英偉達jetson nano。
物聯網技術的大幅提高讓我們得以發展nbox——這款邊緣計算設備不僅能夠借助多達12個通道記錄高音頻，并且還可以通過邊緣計算實現-。所謂邊緣計算，是指大多數處理過程將通過本地設備實現而無需交由云端完成。
邊緣計算中的邊緣指的是網絡邊緣上的計算和存儲資源，這里的網絡邊緣與數據中心相對，無論是從地理距離還是網絡距離上來看都更貼近用戶。邊緣計算則是利用這些資源在網絡邊緣為用戶提供服務的技術，使應用可以在數據源附近處理數據。如果從仿生的角度來理解邊緣計算，我們可以做這樣的類比：云計算相當于人的大腦，邊緣計算相當于人的神經末端。當到手時總是下意識的收手，然后大腦才會意識到到了手，因為將手收回的過程是由神經末端直接處理的非條件反射。這種非條件反射加快人的反應速度，避免受到的傷害，同時讓大腦-于處理智慧。未來是萬物聯網的時代，思科預計 2020 年將有 500 億的設備接入互聯網，我們不可能讓云計算成為每個設備的“大腦”，而邊緣計算就是讓設備擁有自己的“大腦”。
登錄后臺
