随着物联网设备的部署和5G无线技术的快速到来，将计算、存储和分析放在靠近创建数据的地方，这为边缘计算创造了条件。

边缘计算正在改变数十亿物联网和其他设备生成的数据的存储、处理、分析和传输方式。边缘计算的早期目标是降低与将原始数据从其创建位置移动到企业数据中心或云相关的带宽成本。最近，自动驾驶汽车和多摄像头视频分析等要求最小时延的实时应用的兴起，推动了这一技术的发展。

正在进行的5G无线标准的全球部署与边缘计算密切相关，因为5G能够更快地处理这些尖端的低时延用例及应用。

Gartner公司将边缘计算定义为“分布式计算拓扑的一部分，其中信息处理位于靠近边缘的位置，即事物和人生产或消费信息的位置。”

在最基本的层面上，边缘计算使计算和数据存储更靠近收集它们的设备，而不是依赖于可能在数千英里之外的中心位置。这样做是为了使数据（尤其是实时数据）不会出现影响应用性能的时延问题。此外，公司可以通过在本地进行处理来节省资金，减少需要发送到中央或基于云的位置的数据量。

想象一下监控工厂生产的设备，或者从远程办公室发送实时视频的联网摄像机。虽然产生数据的单个设备可以很容易地通过网络传输数据，但当同时传输数据的设备数量增加时，就会出现问题。与其用一台摄像机传输现场镜头，不如用成百上千台设备来实现。不仅质量会因时延而受损，而且带宽成本也可能是天文数字。

边缘计算硬件和服务通过为这些系统提供本地处理和存储资源来帮助解决这个问题。例如，边缘网关可以处理来自边缘设备的数据，然后只通过云发回相关数据。或者在实时应用需要的情况下，它可以将数据发送回边缘设备。

虽然边缘计算可以部署在5G以外的网络上（如4G LTE），但反过来就不一定了。换句话说，除非企业拥有边缘计算基础设施，否则它们无法真正受益于5G。

IDC 边缘战略研究总监戴夫•麦卡锡（Dave McCarthy）表示:“5G本身降低了终端和移动塔之间的网络时延，但它没有解决到数据中心的距离问题，这对于时延敏感的应用来说可能是个问题。”。

卡内基·梅隆大学计算机科学教授Mahadev Satyanarayanan同意这一观点，他在2009年首次与人合著了一篇论文，为边缘计算奠定了基础。“如果您必须一路回到全国或世界另一端的数据中心，即使最后一跳是零毫秒，那又有什么区别呢？”

随着更多5G网络的部署，边缘计算和5G无线之间的关系将继续联系在一起，但如果需要的话，公司仍然可以通过不同的网络模型部署边缘计算基础设施，包括有线甚至Wi-Fi。然而，随着5G提供的速度更高，特别是在没有有线网络服务的农村地区，边缘基础设施更有可能使用5G网络。

边缘的物理架构可能很复杂，但基本思想是客户端设备连接到附近的边缘模块，以获得更快的处理速度和更流畅的操作。边缘设备可以包括物联网传感器、员工的笔记本电脑、他们最新的智能手机、安全摄像头，甚至是办公室或休息室里的联网微波炉。

在工业环境中，边缘设备可以是自主移动机器人，汽车工厂中的机械臂。在医疗卫生领域，它可以是一个高端手术系统，为医生提供从远程位置进行手术操作的能力。边缘网关本身被认为是边缘计算基础设施中的边缘设备。术语各不相同，因此可能会听到称为边缘服务器或边缘网关的模块。

虽然许多边缘网关或服务器将由寻求支持边缘网络的服务提供商部署（例如，Verizon的5G网络），但寻求采用私有边缘网络的企业也需要考虑这种硬件。

购买和部署边缘系统的方式可能千差万别。一方面，企业可能希望在他们那端处理大部分流程。这将涉及选择边缘设备（可能来自戴尔、惠普或IBM等硬件供应商），构建一个足以满足使用案例需求的网络，以及购买管理和分析软件。

这需要大量的工作，并且需要大量的内部IT专业知识，但对于需要完全定制的边缘部署的大型组织来说，这仍然是一个有吸引力的选择。

另一方面，特定垂直行业的供应商越来越多地营销他们将为您管理的边缘服务。想要走这条路的组织可以简单地要求供应商安装自己的硬件、软件和网络，并定期支付使用和维护费用。通用电气和西门子等公司的IIoT（工业物联网）产品就属于这一类。

这种方法的优点是简单，并且在部署方面相对容易，但是像这样的高度管理的服务可能并不适用于每个用例。

正如互联网连接设备的数量持续攀升一样，边缘计算可以节省公司资金或利用极低时延的使用案例也在不断增加。

例如，《Verizon商业》描述了几个边缘场景，包括制造设备的报废质量控制过程；使用5G边缘网络创建弹出式网络生态系统，以亚秒级时延改变直播内容的现场传输方式；使用边缘传感器提供公共场所人群的详细图像，以改善卫生健康和安全；自动化制造安全，利用近乎实时的监控发送有关条件变化的警报，以防止事故发生；制造业物流，旨在通过成品从生产到装运的过程提高效率；通过数字孪生技术创建精确的产品质量模型，从制造流程中获得洞察力。

不同类型的部署所需的硬件会有很大不同。例如，工业用户将重视可靠性和低时延，需要能够在工厂车间的恶劣环境中运行的加固边缘节点，以及专用通信链路（专用5G、专用Wi-Fi网络甚至有线连接）来实现他们的目标。

相比之下，联网的农业用户仍然需要坚固的边缘设备来应对户外部署，但连接部分可能会有很大不同——低时延可能仍然是协调重型设备移动的要求，但环境传感器可能会有更高的范围和更低的数据要求。LP-WAN连接、Sigfox等可能是最佳选择。

其他用例提出了完全不同的挑战。零售商可以使用边缘节点作为店内信息交换中心，实现多种不同功能，将销售点数据与有针对性的促销活动联系在一起，跟踪客流量，并为统一的商店管理应用程序提供更多功能。

这里的连接部分可以很简单，每台设备都有内部Wi-Fi，也可以更复杂，蓝牙或其他低功耗连接服务于流量跟踪和促销服务，Wi-Fi专用于销售点和自助结账。

对于许多公司来说，成本节约本身就是部署边缘计算的驱动力。最初在许多应用中采用云的公司可能已经发现带宽成本比预期的要高，并且正在寻找更便宜的替代方案。边缘计算可能是一个合适的选择。

然而，边缘计算的最大优势是能够更快地处理和存储数据，实现对公司至关重要的更高效的实时应用。在边缘计算之前，智能手机扫描人脸进行面部识别需要通过云服务运行人脸识别算法，这将需要大量的时间来处理。通过边缘计算模型，算法可以在边缘服务器或网关上本地运行，甚至可以在智能手机上运行。

虚拟和增强现实（VR/AR）、无人驾驶汽车、智能城市甚至楼宇自动化系统等应用都需要这种级别的快速处理和响应。

英伟达等公司继续开发能够识别边缘处理更多需求的硬件，其中包括内置人工智能（AI）功能的模块。该公司在这一领域的最新产品是Jetson AGX Orin developer kit，这是一款紧凑、节能的人工智能超级计算机，面向机器人、自主机器以及下一代嵌入式和边缘计算系统的开发人员。

Orin每秒提供275万亿次运算(TOPS)，比该公司以前的系统Jetson AGX Xavier提高了8倍。它还包括深度学习、视觉加速、内存带宽和多模式传感器支持方面的更新。

虽然人工智能算法需要在基于云的服务上运行大量的处理能力，但能够在边缘完成工作的人工智能（AI）芯片组的增长将会看到更多的系统被创建来处理这些任务。

从安全角度来看，边缘数据可能会带来麻烦，尤其是当它由不同的设备处理时，这些设备可能不如集中式或基于云的系统安全。随着物联网设备数量的增长，IT部门必须了解潜在的安全问题，并确保这些系统能够得到保护。这包括加密数据、采用访问控制方法和可能的VPN隧道。

此外，对处理能力、电力和网络连接的不同设备要求会对边缘设备的可靠性产生影响。这使得冗余和故障转移管理对于在边缘处理数据的设备来说至关重要，以确保当单个节点出现故障时，数据能够正确传递和处理。