從邊緣計算誕生開始，就一直有聲音說邊緣計算是云計算的“終結者”。但經過時間的驗證，云計算和邊緣計算的關系更加清晰：由于邊緣計算解決了在邊緣資源中云計算應用的應用問題，成為了云計算在未來發(fā)展中的重要支撐，邊緣計算與云計算勢必彼此融合，隨之而來的就是“云邊協(xié)同”。

邊緣計算是對云計算的有效補充

實時或更快速的數(shù)據(jù)處理和分析。數(shù)據(jù)處理更接近數(shù)據(jù)來源，而不是在外部數(shù)據(jù)中心或云端進行，因此可以減少延遲時間。例如，自動駕駛汽車創(chuàng)造了大量的實時數(shù)據(jù)，其中大部分數(shù)據(jù)需要與鄰近的汽車共享，數(shù)據(jù)上傳到云端進行計算，再下放到終端設備，數(shù)據(jù)傳輸?shù)难舆t時間是不能被接受的。利用邊緣計算設備，就能夠確保信息進行快速處理并作出正確的反應，同時把信息快速傳遞到其它車輛。

較低的成本。企業(yè)在本地設備的數(shù)據(jù)管理解決方案上的花費比在云端和數(shù)據(jù)中心網(wǎng)絡上的花費要少。

網(wǎng)絡流量較少。隨著聯(lián)網(wǎng)設備的增多，將會產生大量的實時數(shù)據(jù)，據(jù)IDC預測，到2020年，全球數(shù)據(jù)總量將大于40ZB，大量的數(shù)據(jù)要上傳到云端進行計算，網(wǎng)絡傳輸壓力會越來越大，而邊緣計算的過程中，與云端服務器的數(shù)據(jù)交換并不多，只需要將少量的有效信息上傳到云端，因此不需要占用太多網(wǎng)絡帶寬。

更高的應用程序運行效率。隨著滯后減少，應用程序能夠以更快的速度更高效的運行。

可離線運行并支持斷點續(xù)傳。減少對云端的依賴也意味著某些設備可以穩(wěn)定地在信號較弱，甚至沒有網(wǎng)絡服務的地區(qū)離線運行；當需要上傳數(shù)據(jù)時，只需要將設備移動到有信號覆蓋的區(qū)域，就可以將數(shù)據(jù)上傳到云端。例如在海洋中的石油鉆井平臺，正在空中飛行的飛機等場景，都是嚴重缺乏網(wǎng)絡服務地特定地區(qū)。

安全性和合規(guī)性。2018年5月歐盟通過《通用數(shù)據(jù)保護條例》（GDPR），稱為史上最嚴格地數(shù)據(jù)保護法律。由于數(shù)據(jù)地收集和計算都在本地進行，敏感信息可以不經過網(wǎng)絡傳輸?shù)皆贫?，能夠有效地避免傳輸過程中地數(shù)據(jù)泄漏，同時云端遭到攻擊，一部分信息也會收到相應的保護。

邊緣計算要依托云計算發(fā)展

物聯(lián)網(wǎng)中的設備產生大量的數(shù)據(jù)，數(shù)據(jù)都上傳到云端進行處理，會對云端造成巨大的壓力，所以要分開處理。這時候，分布在各個節(jié)點的邊緣計算將負責自己范圍內的數(shù)據(jù)計算和存儲工作。而對于應用場景來說，這還遠遠不夠。

以自動駕駛為例，未來的計算模式是邊緣計算與云計算結合，邊緣側的自動駕駛專用芯片會感知傳感器數(shù)據(jù)并立刻處理、做決策；同時，這些處理之后的數(shù)據(jù)，也會在云端匯聚，進行大數(shù)據(jù)分析、模型搭建和編輯，同時做大規(guī)模的仿真，進行深度分析和機器學習，并對邊緣側設備進行更新和升級，使邊緣側設備更智能。算法+芯片+云計算，構成了未來自動駕駛的三大核心支點。

再以物聯(lián)網(wǎng)為例，阿里云發(fā)布的邊緣計算產品Link Edge。確實通過賦予家庭網(wǎng)關計算能力，即便是在斷網(wǎng)的狀態(tài)下，諸如生物識別門鎖、機器人等都能正常運作。但是，如果加上云計算，基于云端的大數(shù)據(jù)分析和判斷，在聯(lián)動的前提下，整個家庭場景的智能設備將變得更為個性化和智能化，譬如關上門的時候，掃地機器人就開始運作等等。

由此可以看出邊緣側設備在大數(shù)據(jù)處理，大數(shù)據(jù)存儲，應用程序開發(fā)、機器學習和人工智能等方面的處理能力無法與云端相比。同時，在云端的應用設計、開發(fā)、測試、部署、管理等功能是開發(fā)邊緣應用的關鍵。

云計算無法被邊緣計算替代，二者相互補充協(xié)同

結合上面的例子可以看出，提供邊緣計算能力的設備主要在前端，負責數(shù)據(jù)的實時采集、計算和處理。但是，大多數(shù)的數(shù)據(jù)并不是一次性數(shù)據(jù)，那些經過處理的數(shù)據(jù)需要在系統(tǒng)中進行留存，用以做算法訓練、數(shù)據(jù)驗證等用途。這時候就需要一個大容量的“容器”，而這個是邊緣計算所沒有的。在這個“容器”中，這些數(shù)據(jù)將被存儲，用于大數(shù)據(jù)挖掘、算法訓練、用戶個性化功能塑造等等，這些都是非實時需求，在完成這些操作之后將數(shù)據(jù)傳輸給終端設備，從而進一步提升服務質量。這個“容器”就是云計算，云計算做大數(shù)據(jù)分析挖掘、數(shù)據(jù)共享，同時進行算法模型的訓練和升級，升級后的算法推送到前端，使前端設備更新和升級，完成自主學習閉環(huán)。同時，這些數(shù)據(jù)也有備份的需要，當邊緣計算過程中出現(xiàn)意外情況，存儲在云端的數(shù)據(jù)也不會丟失。

從整體來看，邊緣計算并不能代替云計算，也離不開云計算。未來，云計算將與邊緣計算形成一種互補、協(xié)同的關系，邊緣計算需要與云計算通過緊密協(xié)同才能更好的滿足各種應用場景的需求。邊緣計算將主要負責那些實時、短周期數(shù)據(jù)的處理，負責本地業(yè)務的實時處理與執(zhí)行，為云端提供高價值的數(shù)據(jù)；云計算通過大數(shù)據(jù)分析，負責非實時、長周期數(shù)據(jù)的處理，優(yōu)化輸出的業(yè)務規(guī)則或模型，下放到邊緣側，使邊緣計算更加滿足本地的需求，同時完成應用的全生命周期管理。

如何實現(xiàn)協(xié)同依然存在較多困難點

云計算與邊緣計算在磨合中逐步走向協(xié)同發(fā)展，但是在當前的形勢下，云計算與邊緣計算協(xié)同還面臨諸多挑戰(zhàn)。

連接協(xié)同。網(wǎng)絡是系統(tǒng)互聯(lián)與數(shù)據(jù)聚合傳輸?shù)幕?。伴隨聯(lián)接設備數(shù)量的劇增，網(wǎng)絡運維管理、靈活擴展和可靠性保障面臨巨大挑戰(zhàn)。同時，工業(yè)現(xiàn)場長期以來存在大量異構的總線聯(lián)接，多種制式的工業(yè)以太網(wǎng)并存，如何兼容多種聯(lián)接并且確保聯(lián)接的實時可靠是必須要解決的現(xiàn)實問題。

數(shù)據(jù)協(xié)同。統(tǒng)一數(shù)據(jù)聯(lián)接和數(shù)據(jù)聚合是業(yè)務智能的基礎，面對當前工業(yè)現(xiàn)場存在的多樣化與異構的技術和標準，離不開跨廠商、跨領域的數(shù)據(jù)集成與互操作。

任務協(xié)同。任務的下達和反饋是實現(xiàn)引用場景功能的重要溝通手段，云端面對海量的邊緣側設備和復雜的應用環(huán)境，如何能夠將任務準確完整的下達到邊緣側；邊緣側設備通過邊緣計算后，如何將有效信息整合到任務中進行反饋都是考驗云邊協(xié)同能力的重要指標。

管理協(xié)同。云邊協(xié)同的管理協(xié)同包含兩方面的內容：一是云端如何對海量和異構的邊緣側設備的接入進行統(tǒng)一和有效的管理；二是如何對邊緣側設備和云端的應用開發(fā)管理、生命周期管理、業(yè)務管理進行協(xié)同，保證邊緣側設備和運算能夠共同完成應用場景的管理工作。

安全協(xié)同。安全橫跨云計算和邊緣計算，需要實施端到端防護。網(wǎng)絡邊緣側由于更貼近萬物互聯(lián)的設備，訪問控制與威脅防護的廣度和難度因此大幅提升。邊緣側的設備和產生的數(shù)據(jù)接入到云端的安全和隱私如何保證，云端如何抵御來自邊緣側的攻擊，云端下放到邊緣側的數(shù)據(jù)如何保證安全，這些都是安全領域需要關注的重點內容。大部分應用場景中，邊緣計算和云計算分屬不同的提供者，如何兼顧和協(xié)調邊緣側和云端的安全和隱私，同樣是云邊協(xié)同中的安全重點。

多方協(xié)同。邊緣計算和云計算協(xié)同應用場景越來越多，越來越復雜，比如在車聯(lián)網(wǎng)應用中，存在多種傳感器和采集器之間的協(xié)同、汽車之間的協(xié)同、汽車端與云端協(xié)同等環(huán)境將會越來越復雜。如何在同一應用場景中實現(xiàn)云邊協(xié)同、邊邊協(xié)同、多邊協(xié)同等多方協(xié)同方案，也成為越來越需要著重考慮的問題；如何在統(tǒng)一不同應用場景中的云邊協(xié)同、邊邊協(xié)同、多邊協(xié)同也是另一個重要的方面。同時，在運營商層面，邊緣云與核心云、邊緣云與邊緣云之間如何協(xié)同也是運營商關注的重點。