互联网高度发展的时代，线上与线下的界限正在逐渐消弭，而跨越这个界限的，正是愈来愈受关注的物联网，万物互联，是网络时代大势所趋，而要实现这个宏大目标，数据的运算处理模式便成为核心又基础的问题。

物联网构建之痛

众所周知，物联网的强大之处在于将实际场景中的各项功能与需求进行感知与数据化处理，从而实现远程交互与实时反应的联动效果。

然而在实际搭建与应用过程中，物联网的终端设备始终经受着不同应用场景的复杂考验，这也是许多物联网技术从实验室走向实际应用必须要面对的一环，多变的应用环境会带来设备使用的限制，而远距离数据的传输与处理更是拉长了交互时间，这无疑对应用体验是致命的打击。

物联网设备要求在毫秒级处理数据，它们对响应速度、存储容量和新功能的迫切需要使云计算架构因延迟太大而越来越不现实。通常，云数据中心位于距离设备、应用程序和数据数公里或更远的地方，为高带宽的应用程序和设备带来性能问题。

对于必须在不到一秒的时间内完成的进程，延迟障碍会阻碍其响应速度和正常功能的实现。对复杂事件的响应速度在部分物联网用例中是关键的，某些时候甚至是致命的。例如对L2级以上自动驾驶汽车在遇到突然的车道侵入时必须立即刹车，否则就会有撞车的风险。将激光雷达或摄像头捕捉的数据送到云端处理并返回响应的往返时间太长，这无法满足任务要求。

边缘计算成新趋势

什么是边缘计算?

不同的企业应用都对网络传输和算力有着显著的需求差别。5G加持的高速算力网络融合了云、网络和网络边缘，企业可以更加自主地决定在哪里及如何处理其数据及应用。

一种选择是集中提供大容量存储和高速并发计算能力的云数据中心，这在过去的十年都是一种主要潮流和做法;另一种是在边缘(即数据产生或服务交付点更近的位置，这通常是广域网络的边缘)提供充足算力，这带来了超低的时延和更低的网络流量，有助于提高服务的效率及质量，更快地产生决策反馈。

边缘计算使云资源(算力、存储和网络)更接近应用程序、设备和用户。它通过使用小型算力单元来满足数据本地化高速传输和实时处理，而不需要长途传输到云或数据中心去处理。边缘计算在终端设备中嵌入机器学习、人工智能、物联网(IoT)数据处理、运行容器的能力，甚至是直接运行完整虚拟机的能力。

物联网设备的广泛部署使边缘计算架构成为企业的必然计算架构。由于近年来物联网设备数量的快速增长、它们传输的数据数量和速度在飞速提高，以及将机器学习与设备的完美集成(AIoT)，物联网在今天得到了长足的发展。