因為雲計算這塊大餅，亞馬遜、微軟、谷歌都使出渾身解數，撕累了。資料顯示，亞馬遜、微軟和alphabet(谷歌母公司)在2016年的資本支出和資本租賃共計為315.4億美元，比2015年同比增長22%。每家公司都将雲計算列為主要投資領域。
由于對雲計算的擴張越來越激進，且險些走進“囚徒困境”。這三家公司似乎打起了價格戰，紛紛降低了部分雲産品的價格，甚至引起了由于價格持續下滑，可能造成利潤過低的擔憂。
在這個由亞馬遜、微軟和谷歌引領的1.0模式通用雲基礎設施服務市場中，對于後來者已經沒有機會了嗎?未必，2.0模式雲計算+邊緣計算的新玩法方興未艾，巧妙地成為了雲計算避開“囚徒困境”的拐點。
再看iot平台的争奪戰，由于iot正在逐漸影響着生産、制造、生活的方方面面，iot平台作為戰略重心，這幾年猶如雨後春筍般，數量暴增。無論是阿裡、騰訊、百度、京東等網際網路巨頭;還是華為、中國移動、中國電信、中國聯通等營運商、通信大鳄;抑或ibm、微軟、思科等傳統it企業;以及機智雲、ablecloud、慶科、博聯等新型物聯網企業，都想在iot平台這塊大蛋糕中分得一塊三角。
雖然都叫iot平台，但是内涵和實質差異不小，如果不能下與底層裝置、上與産業應用打通，切實為行業合作夥伴賦能，iot平台隻能淪為僞命題。
無論是亟待更新的雲計算之争，還是“殺紅了眼”的物聯網平台戰役，下半場都指向了同一個主陣地：邊緣計算。
邊緣計算并非再造概念、硬拗人設
矽谷風投大佬a16z合夥人peter levine曾說邊緣計算是雲計算的“終結者”。這一說法未免有為搏眼球誇大其詞之嫌，不過雲計算與邊緣計算共生的現實，成為了雲計算和物聯網從業者們對未來的主流預判。
從技術定義來說，邊緣計算是在靠近物或資料源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平台，就近提供邊緣智能服務，滿足行業數字化在靈活聯接、實時業務、資料優化、應用智能、安全與隐私保護等方面的關鍵需求。
邊緣計算并不是個新鮮事物，也不是物聯網人自吹自擂再造概念，而是一次“由來已久”的物聯網分布式計算的逆襲。
分布式計算的特征是每個節點都有計算功能，缺點是每個使用者都需要管理自己的節點、硬體、軟體。是以後來出現了雲計算，把大量的資料處理交給“雲”去做。這個雲計算實際上是一個集中計算，這種做法解決了使用者對中央計算的管理煩惱。
到“雲”為止，我們完成了從分布計算到集中計算的轉變，然而現在我們發現，碎如雞毛的不同物聯網場景，單純依靠集中式的雲計算往往并不是最佳政策。邊緣的“速算”能力，對物聯網應用來說顯得尤為重要。
巨頭率先轉身擁抱“邊緣計算”
根據idc的預測，到2019年，iot建立的資料将有45%通過邊緣計算被存儲、處理、分析和操作。“大物若智”，便是邊緣計算的“入世”之道，而這次逆襲的引領者，由各大巨頭和主流勢力帶隊。
就在本周召開的微軟build2017開發者大會上，首席執行官薩蒂亞·納德拉宣布：微軟遇見了新世界：一個智能雲(intelligentcloud)+智能邊緣(intelligentedge)的世界。
微軟在build大會上釋出了azure iot edge服務，一個為物聯網準備的雲服務。它會有各傳感器和小型計算裝置追蹤工業場景中的資料，然後由微軟的雲和ai工具分析。通過這項功能将計算能力由雲推向邊緣。
這些舉動也就是指明了計算能力要到邊緣去，因為物聯網終端資料越來越多，會要求更多的計算能力下沉，這也意味着更加分布式的ai和分布式的計算。
亞馬遜這個全球最大的雲服務提供商，也正在指望通過iot邊緣計算來推動雲平台的發展。就在最近一次的awsre:invent大會上，亞馬遜宣布推出aws greengrass。
awsgreengrass是一種允許使用者以安全方式為互聯裝置執行本地計算、消息收發和資料緩存的軟體。借助 aws greengrass，互聯裝置可以運作aws lambda函數、同步裝置資料以及與其他裝置安全通信，甚至無需連接配接網際網路，最大程度地降低将iot資料傳輸到雲端的成本。
今年4月，linux基金會釋出開源物聯網邊緣計算項目：edgexfoundry。edgex foundry并不是一項新标準，而是統一标準和邊緣應用的一種方式，它的主要目的是：打造并推廣edgex這種面向物聯網的通用開放标準;圍繞可互操作的即插即用部件/元件打造一個生态系統;對edgex部件/元件進行認證等。
同樣是4月，網絡巨頭思科和商業智能公司sas宣布已經開發了全球第一個用于物聯網分析的邊緣計算平台，該平台将思科的邊緣計算産品與sas的進階分析功能相結合。
sap公司則連續收購了兩家物聯網邊緣計算初創企業：意大利的plat.one和挪威的fedem technology。并購完成後，saphana雲平台可以在整個企業的範圍内支援iot業務應用，無論在雲端，還是在邊緣。
戴爾也在積極拓展邊緣計算平台産品與行業應用，追加釋出專門針對工業應用邊緣計算産品。最近，戴爾推出的邊緣網關3000系列，擁有實時智能化處理能力，占用空間小，适應惡劣環境，豐富了戴爾邊緣網關5000系列和嵌入式箱pc3000/5000系列等邊緣計算産品線。
國内的通信巨頭華為，也是邊緣計算的積極推動者，參與聯合倡議發起了國内的邊緣計算産業聯盟(edge computing consortium，縮寫為ecc)。
就在本周，還有一項進展值得關注，初創企業neurala宣布深度學習取得重大進展，不需要雲伺服器，能夠在邊緣學習增量對象。這也就意味着人工智能也正在快速進行從雲端到邊緣的進化：自動駕駛汽車可以為每個車主或特定的區域進行個性化設計;父母可以教一個玩具去識别他們的孩子，而無需擔心侵犯隐私;工業級的機器可以為特定的任務進行自主更新。
借助mdc完成從雲端到邊緣的轉變
由傳感器産生的實時資料在形式和作用方面都與傳統的企業資料有很大的不同，無論是從聯網汽車中産生的千兆位元組資料，還是來自工業機器人裝配線的控制資料，邊緣計算都必須比過去所開發的任何雲端技術更靈活、更自主、更可靠。
在使用物聯網系統之前，很多人沒有意識到大量的物聯網資料可能永遠都不會被傳送到雲端，隻适合就地進行處理，如果沒有被實時處理，資料價值也将不複。
有些資料的“保鮮期”很短，處理一旦延誤，就會迅速“變質”，資料價值呈斷崖式跌落。是以不是所有資料都必須上傳到雲平台，何況關鍵資訊還有可能在傳送過程中延誤或者受到幹擾，尤其是那些通過lpwan(低功耗廣域網)傳輸的資訊。
我們必須對這些關鍵資料快速響應以做出決策，要麼在短時間内就采取行動，要麼就眼睜睜的看着最佳時機溜走。
邊緣計算的崛起也意味着巨頭們必須放棄完全控制或主導iot市場的夢想，而是專注于跨越多層資料架構開展廣泛合作。作為一種疊代更新之後的理念，邊緣計算也将重新定義雲、管、端之間的關系。
那麼對于行業應用來說，什麼才是推進邊緣計算的最佳方式呢?
有些人試圖自己做，探索各種新技術，希望将它們組合成一個可行的解決方案。不過也有人找到了現成的，采用比如微型子產品化資料中心(mdc)等邊緣計算方案。
mdc已經存在一段時間了，它是一套用來實時采集、并報表化和圖表化工廠中的房間的詳細制造資料和過程的軟硬體解決方案。随着物聯網的發展，需要使用更小的mdc，也就是“微型mdc”，快速将這些子產品配置到邊緣場景，實作計算能力的部署。
在微型mdc的選型過程中，過來人建議需要綜合考慮以下5點：
確定靈活：由于各種應用場景千變萬化，微型mdc需要考慮足夠的靈活性，一體化的解決方案并不一定是最好的選擇，往往針對不同環境進行微型mdc優化的步驟是必不可少的。
開放基礎：在it方面，需要尋找可擴充和可管理的解決方案，以便将更多的處理能力配置設定到邊緣。這給it部門提出了極大的挑戰，為了實作服務靈活性，擁有開放靈活的底層基礎架構，可以按照需求自動擴充資源配比變得異常關鍵。
賦權分析：處理邊緣的資料是一回事，分析邊緣的資料是另一回事。微型mdc應該具有就地進行分析的能力，越靠近生成資料的高速裝置或傳感器越好，以便迅速提供業務洞察。
快速使用：不僅微型mdc應具備靈活配置的運算、存儲、網絡、電源和冷卻等選項，還應以準內建的解決方案提供，這将確定微型mdc的快速安裝使用和快速價值創造。
統一管理：邊緣計算的解決方案大多比較分散，做到統一管理并不容易。為了做到這一點，裝置提供者需要具備綜合內建和管理能力，能夠從同一入口管理來自世界各地的各個微型mdc、相關的資料中心、it裝置以及傳感器。
本文轉自d1net（轉載）