大数据时代以及IoT设备数量的快速增长对设备的计算能力提出新的要求，5G网络的出现让移动互联设备的数量和类型都在爆发增长，对数据处理能力的随之变得更加苛刻。那么，有没有这样一种技术，它既拥有处理海量数据的能力，又可以实现超低延时呢？那就不得不提及近期很主流的边缘计算了。
近些年，云计算和AI技术的快速发展让数据处理效率更高，但是互联设备带来的海量数据和高复杂性已经超出网络和基础架构的能力范畴。边缘计算的出现可以打破了数据中心和云计算带来的带宽和延迟问题，与过去需要传输至数据中心和云端进行处理的方式不同，边缘计算可以在更接近创建数据的位置处理和分析数据。
不过就目前来看，边缘计算仍然存在异构严重、规模庞大、环境复杂以及标准不统一的问题，这带来的问题便是效率下降、管理困难以及可靠性降低的问题。为了降低落地门槛，云边端一体化的概念被提了出来。
为什么需要云边端一体化
前面提到大数据时代，云计算已经成为智能制造、智慧金融等领域必不可少的组成部分。但是智能应用在实际生活中还是存在各种各样的问题，以商场和银行常见的智能机器人为例，虽然说它们带来满满科技感，但在回答问题或进行业务导航时往往只能熟练地回答预设问题，但是遇到说话吐字不清或者非预设问题时，往往会答非所问或没有反馈。
正因为如此，云边端一体化才显得尤为重要，目前云边端一体化主要体现在以下几个方面：
统一管理：通过将复杂多变的底层资源管理方案相统一，可以有效降低业务在底层细节方面的感知并实现云端的统一化管理，可以保证基本的业务处理能力；
云边协同：对于边缘设备产生的数据，可以进行先期推理运算并将结果收集交由中心进行分析训练处理，此后将训练结果返回给边缘设备，这种方案可以显著提升训练效率；
资源调度：合理的资源调度可以让系统变得高效稳定，同时让设备资源的利用率最大化呈现，以此保证系统的高效稳定。
抛开对设备运算能力的要求，设备储存性能也会影响到云边端一体化的效率。为了云边协同平台的计算能力，阿里推出 Link IoT Edge 平台。通过部署在不同量级的智能设备和端侧计算节点中。通过定义物模型 连接不同协议、不同数据格式的设备，提供安全可靠、低延时、低成 本、易扩展的本地计算服务；
云计算与边缘计算如何协同
以物联网场景举例。物联网中的设备产生大量的数据，数据都上 传到云端进行处理，会对云端造成巨大的压力，为分担中心云节点的 压力，边缘计算节点可以负责自己范围内的数据计算和存储工作。同 时，大多数的数据并不是一次性数据，那些经过处理的数据仍需要从 边缘节点汇聚集中到中心云，云计算做大数据分析挖掘、数据共享， 同时进行算法模型的训练和升级，升级后的算法推送到前端，使前端设备更新和升级，完成自主学习闭环。同时，这些数据也有备份的需要，当边缘计算过程中出现意外情况，存储在云端的数据也不会丢失。
云计算与边缘计算需要通过紧密协同才能更好地满足各种需求 场景的匹配，从而最大化体现云计算与边缘计算的应用价值。同时， 从边缘计算的特点出发，实时或更快速的数据处理和分析、节省网络流量、可离线运行并支持断点续传、本地数据更高安全保护等在应用 云边协同的各个场景中都有着充分的体现。
