物联网的爆发已成为行业共识，预计到2020年，物联网将提供百亿计的连接和万亿级的商业价值，这是远超我们现有的智能设备连接量，计算力和数据为根本的推动力。
在近年来关于物联网的会议和演讲中，边缘计算的概念经常被提起，最主要的原因就是物联网通常被认为是边缘计算架构得以普及的关键，用来实现更快的实时分析，降低管理，分析和存储物联网数据的成本。
产业链上游的公司对这种大环境带来的变化最为敏感，去年11月，以华为、英特尔、中国科学院沈阳自动化研究所为代表的公司和机构还专门成立边缘计算产业联盟，来搭建边缘计算产业合作平台。
作为一直以来都将物联网视为公司重大战略方向的英特尔，也在联盟之中广结伙伴，尝试着不同垂直领域的产业应用，企图在物联网时代扮演更重要的角色。
英特尔中国区物联网事业部首席技术官张宇博士认为，物联网发展可以分成三个阶段，即从「互联」走向「智能」，从「智能」再走向「自治」，并将这个过程形象地比喻成“物联网领域的摩尔定律”。
数据驱动未来，数据又来自边缘
物联网发展进程中，边缘智能正在越来越起到关键的作用。
去年，AlphaGo利用增强学习的技术打败了人类的棋手，类似的很多人工智能应用在一些边缘智能的场景里已经逐渐找到落地的方式，毕竟世界上大多数革命性创新都始于边缘。
边缘计算指在靠近物或数据源头的网络边缘侧，就近提供边缘侧的计算，满足实时、安全、隐私等方面的需求，让物联网的每个边缘设备都具备数据采集、分析计算，通信，以及最重要的智能。
如同人工智能一样，边缘计算的发展同样离不开数据，在未来任何我们所面临的问题都可以转化为某种程度上的数据问题，这个过程中需要大量的数据进行训练，而当下的万物智能互联时代，数据量的产生速度超出了一般人的想象。
以智能摄像头为例，一个智能摄像头的分辨率正在从1080P向4K方向转化，每个摄像头一天所采集到的数据的数量可以从100GB向200GB发展。谈到未来的自动驾驶，今后的每一辆车都将内置各种各样的数据传感器，这些传感器同时工作一天所产生的数据量将超过4TB。
一方面，数据的数量在以远超过我们预期的指数级速度增长，另一方面数据的类型也变得越来越多样化。以前我们拿到的数据很多都是结构化的数据，可以通过简单的关系型的数据库对这些数据进行维护和管理，但今后会面临越来越多的非结构化数据，它对计算模式提出了新的要求。
物联网时代面临的海量数据需要更敏捷地连接、更有效地数据处理，同时要有更好地数据保护。这是正是边缘计算所具备的优势，边缘计算能够有效的降低对带宽的要求，提供及时的响应，并且对数据的隐私提供保护。
边缘计算与云计算的关系
我们现在所处的互联网时代中，很少听到边缘计算的概念，更多被提到的则是我们耳熟能详的云计算。因为互联网的技术本质就是通过云计算平台来实现用户在随时随地按需访问自己所需要的资源的过程，云计算能够帮助实现资源的共享。
云计算适合非实时、长周期数据的大数据分析，而边缘计算则主要完成实时、短周期数据的分析，更适合本地业务的实时处理与执行，二者在计算架构上看似矛盾，但他们之间会是互相替代的关系吗？
在英特尔中国区物联网事业部首席技术官张宇博士看来，“我们在强调边缘计算，并不是说边缘计算将代替云计算。我们认为边缘计算和云计算二者之间是很好的互补。原因非常简单，我们知道边缘计算所处理的数据是个局部的数据，并不能形成对于全局的认知。这些认知的形成还是需要一个云计算的平台，在后端对各种不同的边缘采集到的数据进行融会贯通。”
张宇博士举了一个智能交通方面的例子，智能摄像头通过智能方法能够识别出各种车辆的车型、颜色、车牌，但是只能得到当前的信息，并不能知道这辆车在此刻的前后时间内的信息，也就是说不能完整了解行车轨迹，如果要形成车辆的完整轨迹，还是需要有云计算平台的支持。
虽然人工智能到现在已经取得了非常大的突破，但是人工智能同样还面临着很多的挑战。最大的一个挑战就是，现在人工智能在进行处理的时候，还需要消耗非常大量的资源，包括计算资源，也包括存储资源。
英特尔的所宣称的物联网概念，其实是一个“端到端”的系统，将其分成边缘和后端平台两部分，中间通过网络进行连接。边缘部分包含数据采集、网关及数据处理等等模块。而在后端完成的是数据的处理机设备的远程管理。
由此来看，边缘计算其实是云计算架构的一个延伸，它是去承载一部分云计算因为网络带宽或者后端存储有相当的技术或者成本压力的情况下提出的一个新的计算架构。我们应避免用割裂的眼光去看待二者的关系，因为它们独立存在是没有意义的。
边缘计算强调垂直行业应用
众所周知，英特尔做物联网解决方案目前还是以X86架构通用处理器为核心的技术平台，但随着边缘计算所承载的业务、范围变得更丰富、多元化，英特尔已经发现了单一处理器很难承载不同类型的计算工作负载或者业务类型。
张宇博士认为，“边缘计算不仅仅承载了在边缘节点将传感器数据作采集、汇总或传输。边缘节点的计算可以变得更有效率，并不是单一设备有能力承载的，需要一个工作负载整合的概念，把不同的数据类型整合在一个计算平台上，然后由这个计算平台预处理很多数据，使这些数据变得更有价值。”
也就是说，边缘的节点可能只是一个中间环节数据，然后使这个数据进一步传送到云端，和云端协同形成整体的端到端的解决方案。而要想证明这个过程，只有通过具体的垂直行业应用来验证它。
具体而言，英特尔目前分别在安防监控、车载交通、零售和工业这四个大的行业进行了一系列落地的探索。
在安防领域。英特尔结合了Altera在FPGA的产品线和Movidius的产品线，与国内海康、大华这样的厂商合作，在前端摄像机这端比以往更容易承载更复杂的数据分析，比如说人、车、物的检测和分类，通过对于深度学习在这些芯片上的应用可以使这些检测的算法更精确，使这些算法的落地变得更有效率。
在车载这领域。英特尔正在把原先在车内的一些分立式的功能模块，组合在通用计算平台上。这个计算平台现在使用的是Apollo Lake SoC，它是凌动产品中最新的处理器，在认证上面除了提供底层的部件和操作系统包括Linux和安卓的支持，也提供一些虚拟化技术。
在零售领域。除了传统在POS或者数字标牌、智能零售终端之外，最先落地的场景则是无人店带来的商业模式、商业机会的思考。据悉目前已经开发出了早期原型的一套软件平台，用于无人店管理的环境中。
在工业领域。英特尔目前已经预先做了一个更有计算能力的网关平台，使这个网关平台将来可以适用于更复杂的工业自动化的场景。
边缘计算是一个很大的产业和生态，没有任何一家公司能够把这个产业链里所涉及的上下游所有环节都能够提供，而目前整个物联网系统中人工智能应用也只处于起步阶段，里面还有很多技术方面以及商业问题没有完全解决。
伴随着人工智能时代我们处理的问题种类越来越多，数据量越来越大，未来的系统架构组成也将不再单一，每种问题有特定的适宜架构，组成一个系统的时候可能是不同架构的综合，异构架构将成为未来的主流计算方式。
从英特尔现在在做产品设计来看，给自己的定位还是非常明确的，即首先做一家芯片公司，提供计算、通信、存储所需要的芯片解决方案，之后逐渐将边缘计算的理念和框架在垂直行业里得到真正的影射。
