在之前，我们见证了云计算是如何实现集中化管理及协调，但边缘计算的兴起，让边缘设备能在本地就进行脱机运算，从而无需将数据发送到云端即可进行存储和处理。
可以说，从云到边缘的转变是物联网连接的革命，这对于物联网设备的未来起到了绝对的发展方向。但这是否意味着边缘计算的重要性超越了云？
什么是物联网？
自从20多年前“物联网”一词首次出现在人们眼前时，就引起了轰动，微型传感器通过WiFi发送和接收来自云的数据的概念超乎人们的想象。
在今天谈论物联网时，我们指的是一个“可远程控制的设备系统”，也就是单一的远程控制。例如在智能家居方面，通常就是通过手机或智能音箱对各类电器设备进行控制，而稍微先进些则是进行“语音点餐”；而在工业物联方面，则是让设备执行命令。
在如今的物联网时代，让各类设备进行相互连接成为唯一的发展方向。
已“死”的物联网
物联网作为一个以收集、发送和接受数据的概念已经不再受到人们的欢迎，可以说，物联网这一概念已经“死亡”——因为这一模式并不会、也不能为最终用户带来任何效益，只是企业或个人单方面的付出。
而物联网的重点也从无数传感器逐步转移到它们的数据方面，可以说，如何利用数据才是物联网未来发展的问题。
而在这些数据中，只有有用的数据，才能被称为有价值的数据，这些数据将为我们之后的操作提供明确的数据支撑。
因此，仅仅将物联网作为连接设备的概念并不可行，而通过云端进行处理，意味着数据延迟——对于用户来说，部分简单而单一的数据必须以更快的速度进行计算，云端仅需知道结果既可。
边缘计算，物联网的下一阶段
边缘计算起源于传媒领域，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
简单点说，边缘计算为传感器提供了小型的局域网，实现了数据高速传输，从而在本地即可实现数据收集和分析，而在这一过程中，系统会通过历史数据进行自我训练和学习。
但值得注意的是，边缘计算必须要提供足够的算力，如果算力缺失，那么将导致系统学习速度较慢，无法满足未来的发展需求。
通过本地化计算，前端即可对各类问题进行解决——在自动化工厂中，如果侦测到发动机过热，系统通过AI／ML算法模型，会自动识别并关闭该发动机，甚至可以对其进行冷却作业，或开启备用发动机。
这一方式能够最大程度的减少生产中断所带来的影响，保证工厂生产作业的运作正常。而这所有功能都会在短时间处理完毕，可以有效减少由于时间滞后导致的各类危险。
为实现这一目的，边缘计算设备必须满足三个关键点：
1、实际控制权：边缘设备除了收集数据外，还必须制定响应措施；
2、离线工作：在部分没有信号覆盖的区域，边缘设备无法与云端进行互动，对此系统必须在断线后依然能自主独立运行；
3、“0”延迟：对于自动化生产或其他运营，几秒钟的延迟或许会导致严重的损失，为此必须制定相关的应急方案，确保设备无延迟问题。
物联网的未来
如同我们所见，物联网的含义与价值已经从连接到收集数据，再到处理数据的这一过程，为此，我们可以定义现有和未来的物联网设备三个类别：
1、单项处理
通过对各项数据进行收集，可以让设备进行简单的反馈——如打开空调进行恒温控制、开／关灯等行为；
2、联动处理
通过简单的设备互联，从而实现略为复杂的动作——如在智慧农场中，系统会自动收集土壤、天气等众多数据，从而为灌溉系统进行不同的分配和灌溉；在智能家居中，一旦用户回家，则自动开启相应的设备，为用户提供良好的居住环境；
3、自动化处理
这一系统被称为目前最高的级别，系统集中了大量传感器，并实现边缘设备全自动化计算，形成了从人到机器的全自动化自治——了解用户的具体需求，为用户提供最佳的解决方案，从而无需用户对系统进行过多的干预及设定。
边缘计算，物联网2．0时代
由于物联网传感器的快速普及和对生活、各个行业垂直应用场景的渗透，为了保障数据和在更短的时间内运行，业务的可靠性和数据的安全性，未来越来越多的云计算服务会从云端向网络边缘迁移。
物联网传感器、各式各样的终端设备充当了重要角色，其角色也在发生着变化，由数据的消费者向数据的生产和消费者转化。随着芯片、模组、通信技术、网络、系统平台等整个边缘计算生态链的快速演进。
未来，边缘计算将成为产业互联网发展和布局的重点技术方向。
