邊緣計算+IoT云平臺，正在成為巨頭們強強聯(lián)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(xiàn)工業(yè)設(shè)備運行狀態(tài)的實時監(jiān)測;再比如思科的邊緣計算實現(xiàn)與微軟Azure云平臺之間的互聯(lián)，確保為企業(yè)提供從邊緣到云端的整體性服務(wù)。

　　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(fā)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(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)。

　　需要強調(diào)的是，最新出現(xiàn)的“邊緣計算”設(shè)備，并不是傳統(tǒng)的網(wǎng)關(guān)或者控制器換個名稱“濫竽充數(shù)”，而是需要滿足3個必備能力：采集邊緣數(shù)據(jù)、智能的運算能力和可操作的決策反饋。

　　采集邊緣數(shù)據(jù) - 數(shù)據(jù)采集是邊緣計算的基礎(chǔ)，從工業(yè)設(shè)備到智能家電，一切設(shè)備都是數(shù)據(jù)的來源。

　　智能的運算能力 - 基于機器學(xué)習(xí)，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(xué)習(xí)能力嵌入到各個角落。

　　可操作的決策反饋 - 管理層可以根據(jù)數(shù)據(jù)分析獲得相關(guān)決策建議，或者由授權(quán)代表或者設(shè)備本身直接完成決策過程。

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

　　談到邊緣計算與IoT云平臺之間的關(guān)系，此前行業(yè)內(nèi)曾經(jīng)有過不小的爭論，以硅谷最知名的風(fēng)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(jié)”，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(xiàn)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(gòu)，讓傳統(tǒng)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(shù)據(jù)將會通過霧計算、邊緣計算在近端處理。

　　根據(jù)IDC的預(yù)估，對物聯(lián)網(wǎng)的投資將在未來3年內(nèi)以15.6%的速度增長，2020年達到1.29萬億美元。其中，物聯(lián)網(wǎng)投資由工業(yè)應(yīng)用主導(dǎo)，包括制造業(yè)、交通運輸業(yè)和公用事業(yè)。既然工業(yè)端應(yīng)用超越了消費端應(yīng)用，正在主導(dǎo)全球物聯(lián)網(wǎng)投資，那我們就可以拍腦袋“負責(zé)”的預(yù)測：邊緣計算會最先從工業(yè)應(yīng)用落地。目前已有的邊緣計算+IoT云平臺的應(yīng)用案例也大多來自工業(yè)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(jīng)在使用邊緣計算+IoT云平臺來預(yù)測電梯何時可能故障，并提前進行預(yù)防措施。100萬臺電梯連接和分析，伴隨著大量的數(shù)據(jù)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(wù)，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(shè)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(zé)收集與消費者偏好相關(guān)的大量信息，然后通過云端與可口可樂中央數(shù)據(jù)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(wǎng)絡(luò)中的20,000列車和65000英里軌道。邊緣設(shè)備不斷監(jiān)測火車的運動數(shù)據(jù)，減少碰撞風(fēng)險、提高列車的安全性，并將重要數(shù)據(jù)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(shù)據(jù)監(jiān)測和分析、零售業(yè)用戶的行為分析、移動數(shù)據(jù)的降噪和信息提取、金融機構(gòu)的合規(guī)分析、石油/天然氣等行業(yè)的遠程監(jiān)測和分析，以及各種相關(guān)領(lǐng)域。

　　2. 巨頭紛紛跨界，進入下半場的新賽道

　　之前我曾經(jīng)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(tǒng)邊緣計算領(lǐng)域的企業(yè)也紛紛進軍IoT云平臺。“雌雄同體”的中性氣質(zhì)，正在物聯(lián)網(wǎng)領(lǐng)域中彌漫。

　　Top down之亞馬遜

　　亞馬遜AWS在本周正式發(fā)布了邊緣計算服務(wù)Greengrass，這是一種允許用戶以安全方式為互聯(lián)設(shè)備執(zhí)行本地計算、消息收發(fā)和數(shù)據(jù)緩存的方案。

　　Greengrass將AWS無縫擴展至設(shè)備端，以便于用戶更加輕量的在本地操作其產(chǎn)生的數(shù)據(jù)，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(yīng)用服務(wù)。

　　借助AWS Greengrass，互聯(lián)設(shè)備可以運行AWS Lambda函數(shù)、同步設(shè)備數(shù)據(jù)以及與其他設(shè)備安全通信，甚至無需連接互聯(lián)網(wǎng)，最大程度地降低將IoT數(shù)據(jù)傳輸?shù)皆贫说某杀?。用戶不用再糾結(jié)于本地執(zhí)行的實時性和云平臺方案的靈活性，實現(xiàn)魚與熊掌兼得的“美事”。

　　即使在無法連接到云平臺的狀態(tài)下，Greengrass設(shè)備仍然可以通過本地網(wǎng)絡(luò)，進行數(shù)據(jù)的通信與處理，等待與云平臺的連接恢復(fù)之后，再把數(shù)據(jù)上傳并同步到云端。

　　諾基亞實驗室正在測試Greengrass的性能，根據(jù)目前的結(jié)果，93%的數(shù)據(jù)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(jīng)開始使用Greengrass來評估路途的顛簸程度和路況數(shù)據(jù)，以便即使當(dāng)?shù)氐木W(wǎng)絡(luò)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(wù)的價格。

　　Top down之谷歌

　　Google也于近期發(fā)布了全新的邊緣計算服務(wù)Cloud IoT Core，協(xié)助企業(yè)連接及管理物聯(lián)網(wǎng)裝置，以及快速處理物聯(lián)網(wǎng)裝置所采集的數(shù)據(jù)。Cloud IoT Core設(shè)計目的是簡化數(shù)據(jù)傳輸來幫助用戶使用谷歌云提供的數(shù)據(jù)分析和機器學(xué)習(xí)能力，并實時地將原先不可訪問的操作數(shù)據(jù)可視化。

　　Cloud IoT Core搭配谷歌其他云服務(wù)，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(lián)網(wǎng)數(shù)據(jù)以提高用戶開發(fā)效率。

　　Google Cloud IoT Core的關(guān)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(tǒng)的設(shè)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(shù)據(jù)洞察：集成了豐富的下游分析系統(tǒng)如谷歌大數(shù)據(jù)分析和機器學(xué)習(xí)服務(wù)。

　　Serverless基礎(chǔ)架構(gòu)：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(guī)模。

　　角色權(quán)限數(shù)據(jù)管理：為不同設(shè)備部署相應(yīng)的IAM角色來分配對設(shè)備和數(shù)據(jù)的訪問權(quán)限。

　　自動部署設(shè)備：使用REST API自動管理大規(guī)模設(shè)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(zhí)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(wù)，是一個為物聯(lián)網(wǎng)準備的云服務(wù)。它會用各種傳感器和小型計算設(shè)備追蹤工業(yè)場景中的數(shù)據(jù)，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(dāng)這些邊緣設(shè)備的運算分析能力越來越強，現(xiàn)在開始也有更多廠商將機器學(xué)習(xí)、甚至是深度學(xué)習(xí)的能力帶進設(shè)備內(nèi)，使得現(xiàn)在的邊緣設(shè)備也能做到云端能做的事，應(yīng)用也越來越廣了。

　　例如微軟的Azure IoT Edge，不僅能采集和分析數(shù)據(jù)，還開始將Azure機器學(xué)習(xí)及AI認知服務(wù)帶進設(shè)備端，讓設(shè)備想要就近結(jié)合機器學(xué)習(xí)變得更容易多了。

　　Azure IoT Edge 使得 IoT 設(shè)備能夠?qū)崟r運行云服務(wù)，處理數(shù)據(jù)，并與傳感器和其它與之相連的設(shè)備進行通信。通過處理、分析和運行數(shù)據(jù)源，Azure IoT Edge 幫助用戶做出更快、更智能的決策，同時將關(guān)鍵信息發(fā)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(yè)已經(jīng)深耕多年，尤其以工業(yè)領(lǐng)域的知名企業(yè)為代表，都是擅長邊緣計算的行家里手，憑借以往設(shè)備端的數(shù)據(jù)采集與控制經(jīng)驗，加個IoT云平臺的營生，也可以得心應(yīng)手。

　　網(wǎng)關(guān)Gateway是常見的一種邊緣計算設(shè)備，不過跟傳統(tǒng)只用來搜集和轉(zhuǎn)發(fā)資料的物聯(lián)網(wǎng)網(wǎng)關(guān)相比，新一代邊緣網(wǎng)關(guān)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(lián)網(wǎng)設(shè)備周圍搜集的數(shù)據(jù)先運算處理，讓數(shù)據(jù)變少以后再回傳云端。

　　與傳統(tǒng)的PLC工業(yè)控制器不同，邊緣網(wǎng)關(guān)使用更為通用的語言編程。即使沒有網(wǎng)絡(luò)，邊緣網(wǎng)關(guān)也能透過和其他運算設(shè)備組成一個具有分布式計算架構(gòu)的本地局域網(wǎng)，自行接手運算，等待網(wǎng)絡(luò)恢復(fù)后，才將處理后的資料傳回云端，若是邊緣設(shè)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(xù)處理。

　　智能網(wǎng)關(guān)的技術(shù)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(yōu)勢，還得路遙知馬力，日久見分曉。

　　從現(xiàn)有情況分析，與Top down陣線相比，Bottom up優(yōu)勢在于有大量的已有設(shè)備安裝基礎(chǔ)，劣勢在于邊緣設(shè)備端的開放性明顯不足，分析算法與機器學(xué)習(xí)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(tài)合作伙伴，將實踐經(jīng)驗轉(zhuǎn)化成應(yīng)用軟件，嵌入到平臺的分析功能中來。

　　在實際應(yīng)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(lǐng)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(yè)攻克難關(guān)的高招。

　　Bottom up之西門子

　　僅僅邊緣計算還不夠，工業(yè)物聯(lián)網(wǎng)需要利用云平臺來應(yīng)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(shè)計的智能網(wǎng)關(guān)。

　　用戶可以在工廠內(nèi)部對網(wǎng)關(guān)進行改造，以便協(xié)調(diào)不同數(shù)據(jù)源之間的通信、分析并傳遞數(shù)據(jù)。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(yù)防性機械維護，可最大限度減少生產(chǎn)停工風(fēng)險，避免高價損失。另外，它還能對相關(guān)指標進行評估，并盡早查明即將發(fā)生的磨損。

　　由于在工業(yè)領(lǐng)域多年的經(jīng)驗積累，Simatic IOT 2000保證了在工業(yè)現(xiàn)場惡劣環(huán)境下的可靠性，這一點能夠彌補Arduino等物聯(lián)網(wǎng)開源硬件在工業(yè)強度等級上的不足，相當(dāng)于給性能強大的物聯(lián)網(wǎng)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(yè)企業(yè)可將其作為數(shù)字化服務(wù)——譬如預(yù)防性維護、能源數(shù)據(jù)管理以及工廠資源優(yōu)化——的基礎(chǔ)。

　　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(wù)，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(lián)網(wǎng)服務(wù)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(xiàn)未來互聯(lián)愿景的應(yīng)用程序，包括智能家居、工業(yè)4.0以及互聯(lián)交通。

　　按照博世的邏輯，給公司制造的各種家電、工業(yè)產(chǎn)品、車載設(shè)備等“物”加上感知設(shè)備，能夠使其收集到數(shù)據(jù)。之后數(shù)據(jù)將會被傳到Bosch IoT Cloud，通過軟件的運算和優(yōu)化，最終形成相應(yīng)的服務(wù)。具體包含4個關(guān)鍵的技術(shù)方向：

　　邊緣計算和霧計算：隨著設(shè)備的增多，只讓云端負擔(dān)全部設(shè)備的數(shù)據(jù)傳輸及計算是不現(xiàn)實的。因此在網(wǎng)絡(luò)邊緣的設(shè)備中(例如路由器)，也需具備數(shù)據(jù)處理及計算能力，這樣云端的壓力就將得到分解。

　　物聯(lián)網(wǎng)絡(luò)：指的是互聯(lián)基礎(chǔ)設(shè)施的建設(shè)，以及連接速度的優(yōu)化。

　　區(qū)塊鏈：建立一個去中心化和去監(jiān)管化的合約信用體系。

　　人工智能：博世與NVIDIA聯(lián)合發(fā)布AI車載電腦已經(jīng)足夠證明其對AI的重視。

　　Bottom up之研華科技

　　臺灣嵌入式系統(tǒng)廠商研華科技今年也發(fā)表了一系列邊緣智能服務(wù)器軟硬整合解決方案(Edge Intelligence Servers)，可以應(yīng)用在工廠、零售、車隊物流、醫(yī)療，以及環(huán)境與能源等行業(yè)。

　　新一代IoT邊緣智能服務(wù)器(Edge Intelligence Server，EIS)可以把不同工業(yè)協(xié)議收集起來的數(shù)據(jù)轉(zhuǎn)換成MQTT協(xié)議傳輸?shù)皆贫耍缓笤僮鰯?shù)據(jù)分析或應(yīng)用的處理。簡單的說，研華IoT邊緣智能服務(wù)器(EIS)=物聯(lián)網(wǎng)網(wǎng)關(guān)+小型數(shù)據(jù)庫+輕量計算與分析。

　　同時，為了幫助物聯(lián)網(wǎng)系統(tǒng)集成商快速開發(fā)出所需的應(yīng)用系統(tǒng)，研華開發(fā)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(shù)據(jù)分析、物聯(lián)網(wǎng)應(yīng)用開發(fā)等工具，是云平臺與IoT設(shè)備之間的橋梁。

　　3. 機器學(xué)習(xí)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(shù)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(guān)算法必須通過云端的運算能力來實現(xiàn)，不過現(xiàn)在機器學(xué)習(xí)大有從云端降落的趨勢，通過邊緣計算完成。

　　最近蘋果發(fā)布了Core ML平臺，堅持不在云端實現(xiàn)機器學(xué)習(xí)，核心是加速在iPhone、iPad、Apple Watch上的人工智能任務(wù)，支持深度神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、支持向量機、樹集成、線性模型等。

　　Core ML為設(shè)備性能進行了優(yōu)化，從而減少了內(nèi)存占用和功耗。嚴格在設(shè)備上運行能夠確保用戶數(shù)據(jù)的隱私，并且能保證各種應(yīng)用在沒有網(wǎng)絡(luò)連接時也能夠工作和響應(yīng)。由于Core ML減少了很多不必要的內(nèi)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(xué)習(xí)正在從云端“離家出走”，降落到邊緣設(shè)備的開始。

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

　　而在實際的操作中，無論是工業(yè)領(lǐng)域，還是消費領(lǐng)域，細分市場眾多，需求差異很大，夢想一步做成整體行業(yè)的獨角獸簡直是難于登天。這時創(chuàng)新企業(yè)擺正態(tài)度，找準定位，依托巨頭斥資打造的物聯(lián)網(wǎng)生態(tài)，在某個或者某幾個細分領(lǐng)域深耕細作，不失為發(fā)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。