引入

通过前两章的学习，大家对云计算已经不再陌生，不仅初步掌握了它的基本概念，也理解了为什么要引入边缘计算。不过，关于边缘计算的具体内容尚未详细展开，因此大家对其了解还比较有限。然而，边缘计算的应用其实就在我们身边，例如小区门禁的人脸识别、智能监控等场景。本章将带领大家初步认识什么是边缘计算。

一、什么是边缘计算（与雾计算的关系）

边缘计算是相对云计算而言的一种计算范式。它指的是数据收集与数据分析的行为发生在靠近数据生成源的本地设备或局域网中，而不是将所有数据都传输到集中化的云端进行处理。因此，边缘计算也被称为分布式云计算。

需要说明的是，“雾计算”通常被认为是边缘计算的一个早期概念，由思科提出，强调在边缘设备与云之间增加一个“雾层”。如今两者在广义上常被混用，但严格来说，边缘计算更靠近设备终端，而雾计算的节点层次更为丰富。

二、云计算和边缘计算的区别

一般来说，云计算适用于处理非时间敏感型的、全局性的信息，而边缘计算专注于处理对时间敏感、需要快速响应的本地信息。从计算能力上看，云计算的服务器性能强大、计算速度快（指算力），但由于网络传输延迟，整体响应延迟较高；边缘计算虽然单个节点的计算能力相对较弱，但因为靠近数据源，能够实现低延迟响应。以下是详细对比：

三、边缘计算解决什么问题

随着物联网设备激增，云计算暴露出以下主要缺点，而边缘计算正是解决这些问题的关键：1. 网络带宽不足：海量数据全部上传云端会造成网络拥堵。边缘计算在本地完成数据处理，只上传关键结果，大幅节省带宽。2. 功耗过高：设备持续与云端长距离通信会消耗大量电能。边缘计算允许设备与就近节点进行短距离通信，并且终端设备在完成本地处理后可以进入低功耗模式，从而降低整体能耗。3. 响应延迟过高：云端处理往返时间长，无法满足实时控制需求（如自动驾驶、工业机械臂）。边缘计算在毫秒级内做出响应。4. 数据隐私风险：视频、生物特征等敏感数据上传云端存在泄露风险。边缘计算使数据留在本地，增强安全性。

因此，边缘计算并不是要取代云计算，而是与云协同，形成“云–边–端”一体化架构。这也是我们下一章的内容。

四、边缘计算的技术优点

1. 分布式与低延迟计算：聚焦实时、短周期的数据分析，满足工业自动化和交互式应用需求。2. 效率更高：距离用户端近，响应速度快，体验更好。3. 更加智能化：AI模型可以部署在边缘侧（如人脸识别、异常检测），实现“AI+边缘计算”的智能组合。4. 安全性提升：敏感数据不用传输到云端，降低被窃取或篡改的风险。5. 缓解网络流量压力：边缘层对数据进行预处理和压缩，减少骨干网带宽占用。6.更好的应用性能：减少设备与云端之间的来回通信，提升整体稳定性和用户体验。

五、典型场景

智慧工地——安全帽识别
在工地出入口或作业区部署边缘摄像头，实时检测工人是否佩戴安全帽。一旦发现违规，立即本地报警，无需上传视频到云端，既快速又保护隐私。

自动驾驶汽车
车辆通过车载边缘计算单元实时处理摄像头、激光雷达等传感器数据，完成障碍物识别、路径规划等决策。即使网络信号中断，车辆依然能安全行驶。

人脸识别门禁与智能监控
小区门禁、办公大楼等人脸识别系统在本地边缘设备上完成特征比对和开锁控制，确保快速通行，同时避免人脸数据集中存储在云端带来的隐私风险。

工业物联网
在工厂产线部署边缘网关，实时采集设备振动、温度等状态数据，进行预测性维护。只有异常趋势或统计数据才会同步到云端的中央管理系统。

智慧城市——智能照明与交通控制
路灯上的边缘节点根据实时人流和车流自动调节亮度；交通信号灯根据路口摄像头分析结果动态调整配时，减少拥堵。

医疗健康可穿戴设备
智能手环、心电贴等设备在本地初步分析心率、血氧等数据，仅在检测到异常时向医院云平台发送告警，既省电又及时。

总结

边缘计算并不是云计算的替代品，而是其重要的延伸与补充。它通过将计算、存储和分析能力下沉到靠近数据源的边缘侧，解决了云计算在高实时性、高带宽消耗、隐私安全等方面的不足。随着5G、AI和物联网技术的普及，边缘计算正成为智慧城市、自动驾驶、工业4.0等领域的核心技术之一。