边缘计算不边缘

今天就让小新把这个概念一次讲透

边缘计算其实与我们的生活息息相关

刷脸支付、自动驾驶辅助系统、智能家居、看高清视频、打联机游戏、逛无人超市等等，都要靠“边缘计算”来提供丝滑体验。

不过这一切都基于一个大前提：网络。没有网络，云计算、边缘计算这些概念都将不复存在。就像是在小新用红白机aabb上上下下的年代，一个手柄，一张游戏盘，不需要网络，不需要数据上传，也更不用提云计算和边缘计算。所以，网络，才是这一切的基础。

那边缘计算到底是什么呢？

边缘计算是目前Edge Computing的一种广泛翻译。Edge指的是边缘层，或是边界层，终端设备和云端之间通过它才得以链接。

听上去很虚幻？其实边缘计算是手机或者其他连网设备里芯片的其中一个功能，主要作用是在你发出指令后，调取手机（终端设备）中的数据快速执行计算，再将计算结果发送至云端，“先斩后奏”，从而加速完成任务。

举个栗子，以前的电脑端网银支付，通常需要用户在网页中输入用户名和密码，所有数据都会传送到云端进行计算，再加上网速限制，往往很久才能完成一次支付。如果正好碰上一个股市跌宕起伏的时刻，晚那么几秒可能就从曲线变成一条直线了。

而现在，刷脸支付则是在我们发出支付指令后，芯片的边缘计算功能就开始在连网状态下调取你的面容信息在本地计算并以最快的速度完成身份验证，再将“身份验证成功”的指令发送至云层，告诉银行"他是自己人，可以给钱了"，于是叮一声支付成功。

所以我们认证需要的指纹和面容信息这类计算其实在终端设备中完成的，也就是边缘层进行的，而不是在云层（数据中心）中。这也就是为什么换手机的时候，明明其他所有数据都可以实现云备份云迁移，只有身份认证的识别操作例如脸部和指纹信息需要重新录入。

之所以要把计算下放到边缘，主要是因为云端反应不够快！边缘计算的一大特点就是速度快，效率高，延时低！

在如今追求“快、更快”的时代，人们对卡顿越发敏感，对速度和算力的要求越来越高。边缘计算也有着越来越多的“用武之地”。

面对指数级增长的数据量，边缘计算如何以更快的速度处理呢？这时候就轮到咱们芯片开发者登场了。

终端设备，比如手机，它的功耗是有限的。在玩游戏或者看4K高清视频时，需要芯片进行高速计算。但是手机的功耗又不能过高，不然手机就会变得烫手，同时耗电极快。所以，既要保证边缘计算的算力够强，又要功耗低，对芯片开发者来说，真是要掉头发了。

为了增强边缘计算的算力，芯片开发者们还希望运用人工智能来加速计算。现在人工智能驱动的边缘计算已经成为主流。不过运用人工智能势必会增加能耗，所以开发者们还要想方设法去降低人工智能算法的计算能力，尽量减少耗费的内存资源。

对于开发者所面临的“既要算力强，又要功耗低”的挑战，嘿嘿，巧了，新思科技有完整的解决方案，比如NPX6 NPU IP、Platform Architect，VDK.....太多了数不下去了，这些解决方案将帮助开发者把不可能变成可能。

那么最后再来说说，为啥很多企业都想将数据从数据中心下放到边缘呢？

这里所说的下放到边缘并不是全部数据都到边缘，通常企业会采用云计算和边缘计算相结合的方式，边缘计算作为云计算的延申，可以提供更快的数据分析，从而也为用户带来更顺畅的体验。

所以，对于企业来说，把部分业务下放到边缘，当然主要还是因为要提高生产或服务效率，同时充分利用设备的算力，尽量优（再）化（省）成（点）本（钱）。