别被云惯坏了：聊聊藏在你身边的边缘计算技术
去年9月23号，我在南京溧水的一个汽车零配件加工厂待了整一周。脚沾了满鞋的机油，嘴里吸了三天的金属粉尘，就为了调通一个设备检测的系统。
早先他们听了云厂商的方案，把所有冲压机的压力传感器数据，全传到几百公里外的中心云处理，判断是不是有模具偏移。听起来很完美，算力够，算法新，不用本地买高配置服务器。
实际跑起来才知道不对劲。网络偶尔抖一下，延迟从十几毫秒跳到几百毫秒。就这几百毫秒，冲压机已经冲完了，才发过来停机指令。一块钢板废了不说，搞不好还撞坏价格几十万的模具。一次就是大几千的损失。
真出事的时候，一秒都嫌长。这就是我第一次实打实摸到边缘计算需求的场景。
汽车冲压车间边缘计算网关部署图
那怎么办？把计算放在离数据产生最近的地方不就行了？这就是边缘计算技术最核心的逻辑。
当时我们给那个工厂改的方案，就是在车间的配电柜里加了一台边缘计算网关，不大，就比笔记本厚一点，所有传感器的数据直接在本地网关处理，判断模具是不是偏移，发现不对直接发指令给冲压机，整个过程不到20毫秒。网络断了都能自己跑，不用依赖外网。
改完之后，次品率直接掉了九成多。工厂的运维工程师拉着我去门口小卖部灌冰啤酒，说终于不用天天半夜爬起来去处理废件了。
家用智能音箱边缘计算语音处理流程图
还有你家门口的智能监控，能自动框出人形、提醒你有陌生人，这个检测过程也是在摄像头本地的边缘芯片做的，只有触发警报的时候才会把片段传到你的手机或者云存储，不然24小时全传，你的流量根本扛不住。
现在很多线下商场的AI试妆、景区的人脸识别检票，甚至自动驾驶车路边的路侧感知单元，全是边缘计算在干活。它不是什么高高在上的黑科技，就是已经渗进你生活里的实用设计。
别神话边缘，它也有自己碰不得的边界
不过话说回来，现在很多厂商吹概念，吹着吹着就没边了，说边缘要取代中心云，听听就算了，别当真。
边缘的优势是近、快、省，但它天生就有局限。首先算力有限啊，你不可能把一个大模型全放在一个小小的网关里跑，真要做长期的大数据分析、做模型训练，这些重活还是得回到中心云去。边缘只负责处理即时的、小批量的任务，核心的数据汇总和模型更新还是靠云，说白了就是搭档，不是对手。
还有安全问题。中心云的安全防护是专业团队24小时盯着，边缘节点散在各个地方，工厂角落、路边基站、你家摄像头里，节点多又分散，很多小厂商的边缘节点甚至没有基本的加密，要是被人攻破了，那影响可不小。比如路侧的边缘节点被改了数据，那一片自动驾驶车的感知都会出错，想想都后怕。
还有成本误区，很多人说上边缘比上云便宜，其实不对。如果你只有一两台设备，全上云反而划算，边缘要一个个布节点，每个节点都要有硬件、有维护，体量小的时候反而成本更高。只有当数据量够大、对延迟要求够高的时候，边缘的成本优势才能体现出来。
当然，这些局限挡不住边缘计算技术越来越火。毕竟现在到处都是传感器，到处都是智能设备，产生的数据越来越多，全堆给中心云，中心云也扛不住，网络也扛不住。把活分给离源头更近的节点，本来就是很自然的演化方向。
去年喝冰啤酒那个下午，工厂的老厂长跟我说，原来搞生产，什么都要送到总厂去检测，现在车间里就能出结果，哪里坏了马上修，这其实就是老早就有的思路，只不过现在换了个名字叫边缘计算。
你别说，还真是这么回事。技术从来都是换汤不换药，解决人的需求才是核心。你哪天摸着手边的智能音箱，路过工业区的配电柜，想想这里头藏着这么一个顺理成章的聪明设计，是不是还挺有意思的？
卡一次就出大事，云解决不了所有问题
很多人一提到计算，第一反应就是云上的大机房，几万台服务器堆在一起，什么都能算。没错，云处理海量数据、做深度训练确实厉害，但它有个绕不开的问题：远。 数据从产生的地方，传到中心云，再把结果传回来，一来一回就要花时间。对看视频、刷网页来说，几百毫秒的延迟你感觉不到，但对很多工业场景、对自动驾驶、对即时交互的智能设备来说，差一百毫秒都是天差地别。 还有流量成本。你想啊，一个工厂几百台设备，一秒产生几个G的传感器数据，全传到云上去算，每个月的流量费就能把厂长愁死。还有数据合规，现在要求很多敏感数据不能出本地，全传去中心云，合规都过不了。汽车冲压车间边缘计算网关部署图
那怎么办？把计算放在离数据产生最近的地方不就行了？这就是边缘计算技术最核心的逻辑。
当时我们给那个工厂改的方案，就是在车间的配电柜里加了一台边缘计算网关，不大，就比笔记本厚一点，所有传感器的数据直接在本地网关处理，判断模具是不是偏移，发现不对直接发指令给冲压机，整个过程不到20毫秒。网络断了都能自己跑，不用依赖外网。
改完之后，次品率直接掉了九成多。工厂的运维工程师拉着我去门口小卖部灌冰啤酒，说终于不用天天半夜爬起来去处理废件了。
别被概念绕晕，其实就是前台帮总部分担活
说实话，很多科普讲边缘计算，讲着讲着就全是术语，什么分布式节点、云边协同，普通人越看越晕。我给你打个最简单的比方。 中心云就像连锁品牌的总部大仓库，什么货都有，能算全国的销售数据，能定全年的进货计划。边缘计算就像每个门店的前台货架，客人进门问有没有矿泉水，前台直接拿了结账就行，不用打个电话去总部问有没有货，再等总部送过来，对吧？ 本质就是，把不需要大算力、要求低延迟的活，留在离数据最近的边缘节点做，只把需要深度处理、需要长期存储的数据传回中心云。既省时间，又省成本，还安全。 你以为你只有在工业厂子里才能碰到边缘计算？错了，你每天都在用。 你手里的智能音箱，喊唤醒词的时候，为什么能马上答应？就是因为唤醒模型直接存在音箱本地的边缘芯片里，不用把你的声音传到千里之外的云上去识别，等结果回来再理你。要是全靠云，你喊完“小爱同学”，等个一秒才答应，你不得把它扔了？家用智能音箱边缘计算语音处理流程图
还有你家门口的智能监控，能自动框出人形、提醒你有陌生人，这个检测过程也是在摄像头本地的边缘芯片做的，只有触发警报的时候才会把片段传到你的手机或者云存储，不然24小时全传，你的流量根本扛不住。
现在很多线下商场的AI试妆、景区的人脸识别检票，甚至自动驾驶车路边的路侧感知单元，全是边缘计算在干活。它不是什么高高在上的黑科技，就是已经渗进你生活里的实用设计。
别神话边缘，它也有自己碰不得的边界
别神话边缘，它也有自己碰不得的边界
不过话说回来，现在很多厂商吹概念，吹着吹着就没边了，说边缘要取代中心云，听听就算了，别当真。
边缘的优势是近、快、省，但它天生就有局限。首先算力有限啊，你不可能把一个大模型全放在一个小小的网关里跑，真要做长期的大数据分析、做模型训练，这些重活还是得回到中心云去。边缘只负责处理即时的、小批量的任务，核心的数据汇总和模型更新还是靠云，说白了就是搭档，不是对手。
还有安全问题。中心云的安全防护是专业团队24小时盯着，边缘节点散在各个地方，工厂角落、路边基站、你家摄像头里，节点多又分散，很多小厂商的边缘节点甚至没有基本的加密，要是被人攻破了，那影响可不小。比如路侧的边缘节点被改了数据，那一片自动驾驶车的感知都会出错，想想都后怕。
还有成本误区，很多人说上边缘比上云便宜，其实不对。如果你只有一两台设备，全上云反而划算，边缘要一个个布节点，每个节点都要有硬件、有维护，体量小的时候反而成本更高。只有当数据量够大、对延迟要求够高的时候，边缘的成本优势才能体现出来。
当然，这些局限挡不住边缘计算技术越来越火。毕竟现在到处都是传感器，到处都是智能设备，产生的数据越来越多，全堆给中心云，中心云也扛不住，网络也扛不住。把活分给离源头更近的节点，本来就是很自然的演化方向。
去年喝冰啤酒那个下午，工厂的老厂长跟我说，原来搞生产，什么都要送到总厂去检测，现在车间里就能出结果，哪里坏了马上修，这其实就是老早就有的思路，只不过现在换了个名字叫边缘计算。
你别说，还真是这么回事。技术从来都是换汤不换药，解决人的需求才是核心。你哪天摸着手边的智能音箱，路过工业区的配电柜，想想这里头藏着这么一个顺理成章的聪明设计，是不是还挺有意思的？