随着物联网的快速发展以及大数据2.0时代的来临，边缘计算逐渐成为了广受追捧的热门技术。5G商用后，边缘计算正式站上了风口。
根据思科预测，三分之一的数据流量会完全绕过中心，下沉至城域，更靠近边缘。IDC数据显示，未来超过50%的数据需要在网络边缘侧分析、处理和存储，边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场。
什么是边缘计算？
边缘计算是将不必要在中央数据中心发生的计算转移到边缘完成，从而大大提升数据响应速度，降低数据传输成本。边缘计算作为新兴技术应用前景广阔，产业横跨OT、IT、CT多个领域，且涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色。
通过部署边缘计算，可以极大缓解带宽压力。中心分析模式下，传输的是7*24小时不间断的实时视频流。智能分析需要较高清晰度的视频，单个200万像素高清摄像机即使采用最新的H.265编码，每天需要传输的数据仍然高达20G左右。前端摄像头数量达到一定规模时，对传输和存储的压力巨大。边缘计算避免了将所有数据传输回来进行分析，有效缓解了带宽压力。
在一些应用场景下，比如对重点人员的布控预警、危险行为的预判等，要求系统有很高的实时性。而边缘计算是将算力前置，在产生数据的源头就近分析、处理，极大程度提高了实时性。根据实测数据，纯中心分析模式下，报警延时在15~20秒，而采用边缘计算方案，报警延时不超过3秒。
边缘计算能用到什么地方？
边缘计算可以应用在很多场景中。
知名研究机构GMSA智库邀请了一些中国企业就10多个行业中近50个潜在的边缘计算应用场景分享他们的观点，统计出10个对边缘计算需求最大的应用场景，排名前十的场景多数来自汽车和制造行业，此外还包括智慧园区，游戏和电子竞技，远程手术指导以及智慧城市的应用。
10个对边缘计算需求最大的应用场景（基于中国的生态系统）
以安防为例，传统方式下需要将监控视频通过承载网和核心网传输至云端或服务器进行存储和处理，不仅加重了网络的负载，业务的端到端时延也难以得到有效的保障。现有云计算相关技术不能高效处理海量边缘视频数据，因此，催生了边缘大数据处理模式，即边缘计算。将监控数据分流到边缘计算平台，基于人工智能+边缘计算的视频图像处理技术，实时提取和分析视频中的人、车、行为特征，赋予前端摄像机独立完成抓拍、识别、比对、报警等能力，实现本地分析、快速处理、实时响应。
总而言之，边缘计算具有很强的实用意义，但是为什么它在大多数行业中尚未普及？
01、行业实际需求复杂
不同于云计算，边缘计算设备更贴近数据生产者，需要对最前端的数据进行分析和处理，不同行业有不同的需求和特点。这就要求开发人员对细分行业领域知识有一定的了解，在边缘计算设备和系统的设计中，与行业标准和行业需求靠近。另一方面，传统行业虽然迫切需要引入边缘计算技术，提高对行业数据的分析和利用，提升自身竞争力，但却面临专业技术不足的问题。
02、实现资源集成困难
设计与实现一套完善的边缘计算系统需要获取海量的算法训练数据、对人工智能算法有深入研究的算法开发人才、计算能力满足应用需求的硬件产品；如何协调各方核心能力，使离散型资源紧密结合，打造一款与垂直行业紧密贴合的边缘计算设备面临一定困难。
03、产品可靠性要求高
边缘计算设备需要部署在边缘端，在地理位置上具有很强的离散性，这也给边缘计算设备的升级和维护带来了一定的困难。如何保证产品稳定可靠，减少维护成本，提供方便可行的产品升级方案以及保护机制，也是边缘计算产品开发的难题。
