邊緣計算+IoT云平臺，正在成為巨頭們強強聯手的重頭戲。比如華為的邊緣計算方案EC-IoT和GE的云平臺Predix合作，實現工業設備運行狀態的實時監測;再比如思科的邊緣計算實現與微軟Azure云平臺之間的互聯，確保為企業提供從邊緣到云端的整體性服務。

　　本文則將以亞馬遜剛剛推出的Greengrass為代表，揭示巨頭們在互相合作之外，自己同時“修煉”邊緣計算+IoT云平臺能力，做到“雌雄同體”的發展思路。

　　1. IoT成熟的過程，是運算能力進一步分工細化的過程

　　“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。

　　需要強調的是，最新出現的“邊緣計算”設備，并不是傳統的網關或者控制器換個名稱“濫竽充數”，而是需要滿足3個必備能力：采集邊緣數據、智能的運算能力和可操作的決策反饋。

　　采集邊緣數據 - 數據采集是邊緣計算的基礎，從工業設備到智能家電，一切設備都是數據的來源。

　　智能的運算能力 - 基于機器學習，跨越邊緣計算和云平臺提供智能化的運算能力。微軟、谷歌、亞馬遜、IBM等巨頭正在不遺余力的把機器學習能力嵌入到各個角落。

　　可操作的決策反饋 - 管理層可以根據數據分析獲得相關決策建議，或者由授權代表或者設備本身直接完成決策過程。

　　邊緣計算與集中式的傳統云計算框架最大的區別在于，邊緣計算采用分布式計算架構，將運算分散在靠近數據源的近端設備處理，分擔云平臺的工作量，而不再需要大老遠把數據回傳云端處理，實時性更好、效率更高、延遲最短，甚至沒有網絡、無法接入云端，也不會妨礙邊緣設備的“貼地”計算。

　　談到邊緣計算與IoT云平臺之間的關系，此前行業內曾經有過不小的爭論，以硅谷最知名的風投公司a16z為主的一派認為邊緣計算將會“吃掉”云計算，云計算終將走向“終結”，看樣子在他們手中布局了不少邊緣計算項目正在找人接盤。

　　貼近現實的觀點是，邊緣計算與云計算將會共生，成為互補，既不沖突，也不對立。邊緣計算并不會最終取代云端，而是通過分布式架構，讓傳統的云計算框架進一步去中心化，完成運算能力的進一步分工，讓原本匯聚在云端的能力向外圍延伸，更加“貼地”。

　　毋庸置疑，邊緣計算的市場前景非常廣闊：到2018年，40%的IoT數據將會通過霧計算、邊緣計算在近端處理。

　　根據IDC的預估，對物聯網的投資將在未來3年內以15.6%的速度增長，2020年達到1.29萬億美元。其中，物聯網投資由工業應用主導，包括制造業、交通運輸業和公用事業。既然工業端應用超越了消費端應用，正在主導全球物聯網投資，那我們就可以拍腦袋“負責”的預測：邊緣計算會最先從工業應用落地。目前已有的邊緣計算+IoT云平臺的應用案例也大多來自工業端，進一步印證了上述觀點。

　　德國制造商ThyssenKrupp在全球有超過100萬臺電梯，他們已經在使用邊緣計算+IoT云平臺來預測電梯何時可能故障，并提前進行預防措施。100萬臺電梯連接和分析，伴隨著大量的數據和與之匹配的計算能力，ThyssenKrupp利用邊緣計算消化低階的即時反饋型任務，按量付費使用的云端計算用以處理高階決策。

　　可口可樂使用邊緣計算+IoT云平臺來管理位于各地的新型酷炫飲料機。邊緣設備可以讓客戶隨意選擇超過100種的不同飲料組合，迅速完成定制，并負責收集與消費者偏好相關的大量信息，然后通過云端與可口可樂中央數據中心共享。

　　美國最新一代的列車也在使用邊緣計算+IoT云平臺搭配的解決方案，覆蓋美國鐵路網絡中的20,000列車和65000英里軌道。邊緣設備不斷監測火車的運動數據，減少碰撞風險、提高列車的安全性，并將重要數據回傳云端。

　　除此以外，邊緣計算+IoT云平臺的組合，還可以用到傳感器數據監測和分析、零售業用戶的行為分析、移動數據的降噪和信息提取、金融機構的合規分析、石油/天然氣等行業的遠程監測和分析，以及各種相關領域。

　　2. 巨頭紛紛跨界，進入下半場的新賽道

　　之前我曾經說過，《云計算和IoT平臺之爭開啟“下半場”，邊緣計算將成為“主陣地”》，這是Top Down的觀點。就在本周，亞馬遜正式推出Greengrass進軍邊緣計算陣地。而如果從Bottom up的觀點來看，聚焦在傳統邊緣計算領域的企業也紛紛進軍IoT云平臺。“雌雄同體”的中性氣質，正在物聯網領域中彌漫。

　　Top down之亞馬遜

　　亞馬遜AWS在本周正式發布了邊緣計算服務Greengrass，這是一種允許用戶以安全方式為互聯設備執行本地計算、消息收發和數據緩存的方案。

　　Greengrass將AWS無縫擴展至設備端，以便于用戶更加輕量的在本地操作其產生的數據，同時，制造商仍然可以使用云端進行管理、分析以及展開其他應用服務。

　　借助AWS Greengrass，互聯設備可以運行AWS Lambda函數、同步設備數據以及與其他設備安全通信，甚至無需連接互聯網，最大程度地降低將IoT數據傳輸到云端的成本。用戶不用再糾結于本地執行的實時性和云平臺方案的靈活性，實現魚與熊掌兼得的“美事”。

　　即使在無法連接到云平臺的狀態下，Greengrass設備仍然可以通過本地網絡，進行數據的通信與處理，等待與云平臺的連接恢復之后，再把數據上傳并同步到云端。

　　諾基亞實驗室正在測試Greengrass的性能，根據目前的結果，93%的數據可以在邊緣處理，與以往集中式的云平臺相比，往返時間減少了28%，延遲時間降低了39%。

　　一家采礦公司已經開始使用Greengrass來評估路途的顛簸程度和路況數據，以便即使當地的網絡覆蓋不佳，它的運輸卡車也能安全有效地通行。

　　亞馬遜尚未透露Greengrass服務的價格。

　　Top down之谷歌

　　Google也于近期發布了全新的邊緣計算服務Cloud IoT Core，協助企業連接及管理物聯網裝置，以及快速處理物聯網裝置所采集的數據。Cloud IoT Core設計目的是簡化數據傳輸來幫助用戶使用谷歌云提供的數據分析和機器學習能力，并實時地將原先不可訪問的操作數據可視化。

　　Cloud IoT Core搭配谷歌其他云服務，比如Pub/Sub、Dataflow、Bigtable, BigQuery、Data Studio，可以提供一整套解決方案來實時地收集、處理、分析、可視化物聯網數據以提高用戶開發效率。

　　Google Cloud IoT Core的關鍵特性包括：

　　端到端安全：使用基于證書和TLS加密的認證方式提供端對端安全;搭載Linux、Android Things或其它操作系統的設備，只要符合Cloud IoT Core的安全需求即可獲得全面的安全保障。

　　便捷的數據洞察：集成了豐富的下游分析系統如谷歌大數據分析和機器學習服務。

　　Serverless基礎架構：在谷歌Serverless平臺上不受時間與資源限制地通過水平拓展來擴大規模。

　　角色權限數據管理：為不同設備部署相應的IAM角色來分配對設備和數據的訪問權限。

　　自動部署設備：使用REST API自動管理大規模設備注冊，部署和操作。

　　目前Cloud IoT Core仍屬封閉測試階段。

　　Top down之微軟

　　今年5月，微軟首席執行官薩蒂亞·納德拉宣布：微軟遇見了新世界，一個智能云(Intelligent Cloud)+智能邊緣(Intelligent Edge)的世界。最新推出的Azure IoT Edge服務，是一個為物聯網準備的云服務。它會用各種傳感器和小型計算設備追蹤工業場景中的數據，然后由微軟的云和AI工具分析，通過這項功能將計算能力由云推向邊緣。

　　當這些邊緣設備的運算分析能力越來越強，現在開始也有更多廠商將機器學習、甚至是深度學習的能力帶進設備內，使得現在的邊緣設備也能做到云端能做的事，應用也越來越廣了。

　　例如微軟的Azure IoT Edge，不僅能采集和分析數據，還開始將Azure機器學習及AI認知服務帶進設備端，讓設備想要就近結合機器學習變得更容易多了。

　　Azure IoT Edge 使得 IoT 設備能夠實時運行云服務，處理數據，并與傳感器和其它與之相連的設備進行通信。通過處理、分析和運行數據源，Azure IoT Edge 幫助用戶做出更快、更智能的決策，同時將關鍵信息發送到云進一步分析來降低帶寬成本。

　　看完了Top down的角度，咱們再來說說Bottom up。邊緣計算并不是一個全新概念，不少企業已經深耕多年，尤其以工業領域的知名企業為代表，都是擅長邊緣計算的行家里手，憑借以往設備端的數據采集與控制經驗，加個IoT云平臺的營生，也可以得心應手。

　　網關Gateway是常見的一種邊緣計算設備，不過跟傳統只用來搜集和轉發資料的物聯網網關相比，新一代邊緣網關變得聰明，開始具有運算分析能力，能將靠近傳感器和其他物聯網設備周圍搜集的數據先運算處理，讓數據變少以后再回傳云端。

　　與傳統的PLC工業控制器不同，邊緣網關使用更為通用的語言編程。即使沒有網絡，邊緣網關也能透過和其他運算設備組成一個具有分布式計算架構的本地局域網，自行接手運算，等待網絡恢復后，才將處理后的資料傳回云端，若是邊緣設備運算能力足夠，甚至可以直接在本地處理，不必再送到云端接續處理。

　　智能網關的技術積累，再加上Bottom up這端正在積聚的IoT云平臺實力，Top down和Bottom up兩條陣線誰更具有優勢，還得路遙知馬力，日久見分曉。

　　從現有情況分析，與Top down陣線相比，Bottom up優勢在于有大量的已有設備安裝基礎，劣勢在于邊緣設備端的開放性明顯不足，分析算法與機器學習能力也存在一定的缺失。

　　為了彌補這些短板，Bottom up陣線的IoT云平臺要么與分析算法強大的云平臺對接，要么培育生態合作伙伴，將實踐經驗轉化成應用軟件，嵌入到平臺的分析功能中來。

　　在實際應用的過程中，Bottom up陣線的已有核心競爭力聚焦在OT(Operational Technology)工程師端，欠缺IT(Information Technology)工程師們的深度參與，無論是編程語言的阻礙，還是最新算法的領悟，都由于OT與IT之間的差異而難以逾越。

　　每個問題都有解且不止唯一解，我在此拭目以待各家企業攻克難關的高招。

　　Bottom up之西門子

　　僅僅邊緣計算還不夠，工業物聯網需要利用云平臺來應付各種情境。西門子Simatic IOT 2000就是專為西門子云平臺MindSphere和SAP Hana而設計的智能網關。

　　用戶可以在工廠內部對網關進行改造，以便協調不同數據源之間的通信、分析并傳遞數據。通過Simatic IOT 2000接入的云平臺可以是MindSphere或用戶首選的其它任何云。

　　Simatic IOT 2000通常用于預防性機械維護，可最大限度減少生產停工風險，避免高價損失。另外，它還能對相關指標進行評估，并盡早查明即將發生的磨損。

　　由于在工業領域多年的經驗積累，Simatic IOT 2000保證了在工業現場惡劣環境下的可靠性，這一點能夠彌補Arduino等物聯網開源硬件在工業強度等級上的不足，相當于給性能強大的物聯網硬件穿上一身安全服。

　　至于MindSphere，則是西門子推出的一個開放IoT云平臺，工業企業可將其作為數字化服務——譬如預防性維護、能源數據管理以及工廠資源優化——的基礎。

　　Bottom up之博世

　　博世在本輪邊緣計算+IoT云平臺的賽局中的能量不可小覷，這是一家具備傳感器、云平臺和服務，三大核心IoT競爭力的公司。

　　2016年3月，博世集團董事會主席鄧納爾博士在Bosch Connected World峰會上，宣布博世為其物聯網服務正式推出自己的云平臺。博世將通過這一平臺，運行各類有助于實現未來互聯愿景的應用程序，包括智能家居、工業4.0以及互聯交通。

　　按照博世的邏輯，給公司制造的各種家電、工業產品、車載設備等“物”加上感知設備，能夠使其收集到數據。之后數據將會被傳到Bosch IoT Cloud，通過軟件的運算和優化，最終形成相應的服務。具體包含4個關鍵的技術方向：

　　邊緣計算和霧計算：隨著設備的增多，只讓云端負擔全部設備的數據傳輸及計算是不現實的。因此在網絡邊緣的設備中(例如路由器)，也需具備數據處理及計算能力，這樣云端的壓力就將得到分解。

　　物聯網絡：指的是互聯基礎設施的建設，以及連接速度的優化。

　　區塊鏈：建立一個去中心化和去監管化的合約信用體系。

　　人工智能：博世與NVIDIA聯合發布AI車載電腦已經足夠證明其對AI的重視。

　　Bottom up之研華科技

　　臺灣嵌入式系統廠商研華科技今年也發表了一系列邊緣智能服務器軟硬整合解決方案(Edge Intelligence Servers)，可以應用在工廠、零售、車隊物流、醫療，以及環境與能源等行業。

　　新一代IoT邊緣智能服務器(Edge Intelligence Server，EIS)可以把不同工業協議收集起來的數據轉換成MQTT協議傳輸到云端，然后再做數據分析或應用的處理。簡單的說，研華IoT邊緣智能服務器(EIS)=物聯網網關+小型數據庫+輕量計算與分析。

　　同時，為了幫助物聯網系統集成商快速開發出所需的應用系統，研華開發了一個中間件名叫WISE-PaaS，這個中間件提供傳感器信息傳輸和遠程管理控制，集成了大數據分析、物聯網應用開發等工具，是云平臺與IoT設備之間的橋梁。

　　3. 機器學習正在“離家出走”，貼近邊緣

　　除了巨頭們對邊緣計算的青睞之外，技術的成熟度也在催化邊緣計算的落地。

　　以往我們認為人工智能的相關算法必須通過云端的運算能力來實現，不過現在機器學習大有從云端降落的趨勢，通過邊緣計算完成。

　　最近蘋果發布了Core ML平臺，堅持不在云端實現機器學習，核心是加速在iPhone、iPad、Apple Watch上的人工智能任務，支持深度神經網絡、循環神經網絡、卷積神經網絡、支持向量機、樹集成、線性模型等。

　　Core ML為設備性能進行了優化，從而減少了內存占用和功耗。嚴格在設備上運行能夠確保用戶數據的隱私，并且能保證各種應用在沒有網絡連接時也能夠工作和響應。由于Core ML減少了很多不必要的內容，就算不在云端運行也不會性能變差。

　　Core ML的推出意味著機器學習正在從云端“離家出走”，降落到邊緣設備的開始。

　　通過上下兩集的評述，你應該已經看清了巨頭的邏輯，通過培養邊緣計算+IoT云平臺的綜合實力，提煉共性技術，跨越多個行業推出普適性的服務。

　　而在實際的操作中，無論是工業領域，還是消費領域，細分市場眾多，需求差異很大，夢想一步做成整體行業的獨角獸簡直是難于登天。這時創新企業擺正態度，找準定位，依托巨頭斥資打造的物聯網生態，在某個或者某幾個細分領域深耕細作，不失為發展良機。

　　本文的最后，附上整理表格，邊緣計算并不只是巨頭的天下。