2.2.3　低时延与本地计算

因靠近数据源带来的低时延和高带宽是边缘计算的最大优势所在，也是边缘计算相较于云计算的差异化优势所在。边缘计算可将云计算能力延展到距离用户最近的位置，例如将服务覆盖到乡镇街道级十公里范围圈。在物联网场景下甚至可将云计算能力延展到用户身边，此时可称为一公里范围圈，工厂、楼宇等都是这类计算场景。边缘计算还可以为网络无法覆盖的地域，也就是常说的网络黑洞区域提供云计算服务，例如“山海洞天”（深山中的设备、远海航船、矿井中的设备、飞机）等需要计算的场景，可对数据进行离线实时处理，联网之后再与云中心进行同步或协同处理。

近年来，虽然摩尔定律仍然推动着芯片技术不断取得突破，但物联网、视频等新应用的普及带来了信息量爆炸式增长，而AI技术应用增加了计算的复杂度，这些都对计算能力提出了更高要求。计算要处理的数据种类也日趋多样化，边缘设备既要处理结构化数据，又要处理非结构化数据。同时，边缘计算节点包含了更多种类和数量的计算单元，成本（包括购买成本与长期使用成本）成为边缘计算方案中必须考虑的重要因素。近期对零售业的访谈显示，零售业客户希望本地处理集群的购买成本可降至2000美元（按3个节点评估），这是很有挑战的。有时采取一些特殊硬件就成了更佳选择，比如通过集成GPU/FPGA能力来提供AR（增强现实）和VR（虚拟现实）的功能。业界提出将不同类型指令集和不同体系架构的计算单元协同起来的新计算架构—异构计算，以充分发挥不同计算单元的优势，实现性能、成本、功耗、可移植性等方面的均衡。

在边缘计算的架构设计中需要考虑计算的扁平化、去中心化和无边界化，以避免数据（尤其是时延敏感型数据或大容量数据）处理经过较长的绕接。对于本地化的处理流程，实现对数据安全、网络安全、信息安全的保障也是在工业、交通、医疗等垂直行业应用的必要条件。同时，新的边缘节点要对所在区域中的人群，以及不同业务类型和具有不同行业特征的服务场景具备感知能力，也要对自身资源具有编排能力。在引入AI等能力后，边缘计算还应该能够根据服务场景进行专项优化和在技术上对多因素进行均衡。