1.2　边缘计算发展的历史必然性

边缘计算是时代发展的必然产物，也定将融入技术发展的洪流当中奔涌向前，成为又一朵闪耀的浪花。计算机由人类的计算需求牵引，从大型机时代一路走来，伴随着通信网络的不断发展，经历了集中式、分布式的交替演进，不断将更高质量的服务带到更加普适的场景之中，并终于发展到边缘计算的形态。

本节首先回顾促使计算模式变化的驱动技术的发展历程，即计算机技术、网络与通信技术，以及尤为重要的用户计算需求的发展变化。通过梳理技术发展历程，探究其背后本质的驱动因素，进一步探讨为何边缘计算会成为历史发展的必然。

1.2.1　催生边缘计算的技术

图1-3显示了催生边缘计算的三方面因素：计算机技术、网络与通信技术以及计算需求。从计算模式方面来讲，计算性能的不断提升，使得本地能够处理的任务类型和任务规模越来越大，从而倾向于形成本地高性能计算的模式；网络技术的不断发展，逐步消除远程运算和本地运算的成本差距，从而倾向于形成云计算这一远程计算的模式；而两者的结合，以及不断被激发出来的低延迟、高复杂度的计算需求，则将起到将两者聚拢的效果，从而形成边缘计算的计算模式。需要注意的是，边缘计算并不是一厢情愿的理论尝试，而是在这三方面因素的加持下自然形成的技术路线，是实现“无处不在的算力”这一远景的必由之路。

1. 计算机技术发展历程

自1939年阿塔纳索夫-贝瑞计算机（Atanasoff-Berry Computer）出现以来，计算机的形态经历了翻天覆地的变化。随着摩尔定律的发展轨迹，计算机从要占满几间屋子的庞然大物一步步向着体积越来越小、算力越来越高的方向不断进化［7］。随着计算机算力的不断增强，越来越多的计算需求可以在本地解决，而同时，越来越复杂的物理世界需求也被逐步转化为信息世界需求，在复杂运算、多媒体、工业控制测试等领域均呈现出这样的趋势。计算机大致经历了以下几个重要阶段。

（1）大型计算机

大型计算机是计算机的最初形态，占用的体积、资源和能耗都是十分庞大的。如首台通用电子计算机ENIAC（电子数值积分计算机）包含了17 468个电子管、7200个二极管、1500个继电器、10 000个电容器，还有大约500万个手工焊接头。其重量达到惊人的27吨，占地170平方米，是名副其实的巨无霸。又如后来出现的号称“首台全自动电脑”的哈佛大学马克1号计算机，虽然轻于ENIAC，但重量仍然高达5吨。

当时由于存储技术受限，为了使用计算资源，用户的大量计算任务需要通过打孔卡的形式存储并放入大型计算机进行集中处理。这种计算形态可以被看作网络共享计算的雏形——多个用户通过纸带打孔卡的方式将计算任务传递到计算机进行集中运算。为了提升计算机的使用效率，20世纪60年代起，批处理系统、多道批处理系统以及分时系统UNIX的出现，使得多个用户可以相对高效地共享大型计算机的计算资源。

可以看到，当时的计算形态与“无处不在的高质量计算服务”相去甚远，不但计算机无法随身携带，计算质量也相对较低。可以说，这个阶段的计算硬件和计算服务均与用户需求有较大差距。

（2）个人计算机

进入个人计算机时代，硬件成本快速下降，计算机开始走进千家万户，代表性设备包括家用台式机、移动笔记本、移动工作站等。绝大部分消费者的计算任务在本地执行，不再需要将其汇聚到集中式的机器上进行批量处理。

（3）智能手机及可穿戴设备

沿着摩尔定律的轨迹，硬件体积进一步缩小，成本进一步下降，计算硬件平台再也不受限于台式计算机或移动笔记本，出现了以苹果公司的iPhone为代表的智能手机。参考GeekBench的测试数据，苹果手机基于ARM的A系列芯片，从最初的A4到2019年的A13共10代芯片，在体积没有增加的前提下，计算能力翻了近70倍。这使得手机、平板电脑类产品的性能与传统的个人电脑相比也不落下风，很多原本只有电脑能够胜任的计算任务越来越多地开始被移动设备所取代。

不仅仅是手机，随着芯片体积的持续减小，各类基于嵌入式芯片的创新硬件也开始层出不穷，其中最具代表性的是各类可穿戴设备。智能手环、智能手表、VR眼镜等可穿戴设备的出现，不仅仅是计算形态的变化和计算过程的转移，而且极大拓宽了人们对于计算的认知和需求——原来一切人类活动都有信息化、智能化的可能。

智能手机、各类移动智能设备的普及以及移动网络的发展直接催生了庞大的移动互联网产业，此时的计算任务呈现出本地与网络相互配合、协同运算的特征。用户的计算需求也以非常高的多样化程度爆发出来，越来越多的计算业务开始涌现，如云音乐、云视频、视频直播、短视频、移动手游等。

（4）智能万物

随着传感器技术的发展，物联网概念在19世纪末20世纪初已经出现，并随着嵌入式芯片性能的增强逐渐从概念走向现实，发展出“智能万物”的趋势。如果说智能手机、可穿戴设备是将人类活动和人类本身进行了一定程度的信息化，那么智能万物则是对物理世界进行信息化改造，让万物均具备感知、通信和计算的能力，并能够与人类活动进行协同。例如在智慧农业的场景当中，我们需要让农田随时感知其土壤成分、温湿度等指标，从而根据实时情况采取不同的灌溉、施肥或除虫等措施。又如在智能家居场景中，空调、加湿器等智能家电可以根据人的身体指标实时调整室内温湿度和光线。

当前物联网的计算方式以本地计算为主，即感知、处理、控制等环节在前端嵌入式设备上进行。同时，也应注意到，受限于计算成本，当前的物联网设备本地进行的计算任务相对简单。可以预见，随着物联网进一步的发展和普及，这些海量的物联网设备自然而然地会产生数量庞大的计算需求，甚至可能超过人类本身所产生的计算需求。例如在城市物联网场景中，路边的电线杆需要关注空气指标、噪声程度、人流量、车流量、目标身份监控等，这些指标及相关应用会产生大量的、越来越复杂的计算需求。

（5）后摩尔定律时代

为了满足上述的计算需求，按照过往几十年的发展路径，我们需要将芯片进一步做小，芯片性能进一步做强，便可以逐步实现“以无限小的设备提供无限强的算力”，自然能够满足“无处不在的高质量计算”这一本质需求。然而，尽管摩尔定律所描述的发展曲线已经持续了半个世纪，人们开始发现，时至今日，摩尔定律已经失效：即集成电路已经无法保持每两年将单位面积电子元件数量翻一番的发展速度，相应的硬件成本下降、硬件体积减小的速度也正在放缓。这是由于半导体制程在向下突破时，其研发难度也呈指数级上升。特别是当半导体制程越来越逼近原子半径时，集成电路的发展显然会遇到瓶颈甚至停滞。虽然当前半导体制程发展还在继续，但是发展速度已经明显下降，摩尔定律已无法准确描述未来的集成电路发展。

在这样的背景之下，计算需求仍在爆炸性增加，半导体芯片的发展已经跟不上计算需求的成长速度，从而导致人们不得不考虑在计算模式上进行创新，通过引入额外计算设备的方式，为泛在计算环境提供充沛的算力支持［11］。

2. 网络与通信技术发展历程

如果说计算机技术的发展催生了越来越多的计算需求，那么网络与通信技术的发展则是在满足新型计算业务的同时，将越来越多的计算任务从本地搬运到远程设备中，减少本地的资源需求和运算压力。此处我们将通信网络和计算网络视作同一网络，其发展大致经历了以下几个阶段。

（1）ARPANET与TCP/IP

ARPANET被称作互联网的前身，是美国国防高级研究计划局开发的世界上第一个运营的数据包交换网络。ARPANET最初的设计目标是通过网络连接实现资源共享。在ARPANET正式投入使用的第五年（1973年），Vinton Cerf为了解决不同设备、不同网络连接的问题，提出了新的TCP/IP，而TCP/IP正式奠定了日后因特网的加速发展和全球普及。1983年ARPANET正式停用，所有ARPANET的网络设备均转向了TCP/IP。

（2）宽带互联网

在基于TCP/IP的互联网进入千家万户时，计算机首先是通过电话线拨号的窄带方式接入互联网。此时的理论带宽仅有64kbps，主要的用途包括信息展示、电子邮件等数据密度较低的业务。随后宽带网络的普及将网速提升到256kbps以上，此时的带宽可以支撑的应用场景更加多样，如VOD流媒体业务、P2P网络应用。之后，随着光纤宽带网络的落地，互联网的网络带宽正式进入千兆时代，以YouTube在线视频为代表的数据密集型应用开始发展。此外，基于多媒体业务的社交网络也作为一种新型的互联网业务开始蓬勃发展。

（3）移动互联网

移动互联网则是在智能移动设备、电信网络的共同演化之下发展出来的业务模式。在最初的1G/2G时代，移动互联网的主要业务场景仅在于信息展示、电子邮件等传统业务。而当电信网络进入3G时代，并且随着以iPhone为代表的智能手机的出现，移动互联网的应用场景则进入百花齐放的时代［8］。随着3G/4G网络的普及，基于位置信息的应用、短视频应用、视频流媒体直播等应用层出不穷。移动互联网也直接推动了云计算产业的爆发，不仅仅将物理世界的传统需求搬到了云上，也开始深刻地改变人们的生活生产方式。

3. 计算需求发展历程

可以说，计算需求的发展是计算模式发生变化的本质原因。计算机技术在不停满足人类新的需求的过程中不断进化，而人类的计算需求又随着技术进步而不断膨胀。因此，了解计算需求的变化对于梳理计算模式的变化具有重要指导意义。具体而言，在计算机技术以及网络与通信技术的双重加持下，计算需求的发展大致经历了以下几个阶段。

（1）军事航天等场景的大型科学运算

大量先进技术的出现最初均是用于军事用途，如核能、航天等，计算机和计算机网络也不例外。如美国ARPANET的提出，虽然是为了便于资源共享，但也具有相当程度的军事需求——将计算机的控制过程与计算机本身分离，并且具备多个分布式的控制终端。如此，当其中的某些终端被摧毁时，仍然能够保证整个系统的正常运转。此时的计算需求主要用于进行天体物理、飞行器轨道等复杂运算，以及极少量的民用计算需求。

（2）个人办公与数据存储

当计算机从军事用途逐渐转向民事用途时，各式各样的计算需求被激发出来。如在个人电脑时代初期，计算机主要被用于处理办公文档和统计报表。

随着可视化操作系统的出现，计算机的用途开始广泛扩展，包括电脑游戏、矢量图形、文档处理等。进一步随着存储器成本的降低，个人数据存储成了重要用途，除了传统的文本文档处理业务，个人图片、视频、音频等文件存储逐渐成为主流计算需求之一。可以看到，由于此时网络技术发展尚未成形、存储介质成本较高、读写速度受限等因素，多数的计算需求均能够通过单一计算机以本地执行的方式来满足。

随着个人计算机的普及，互联网出现后，更多物理世界中的信息交流需求被转移到了数字世界，例如邮件、公告栏、报纸新闻等。

（3）社交网络、音视频流媒体业务

在宽带网络普及之后，越来越多物理世界的需求被映射到数字世界当中，如电视业务、唱片业务、社交需求。相应地，以社交网络、音视频流媒体业务为代表的网络化的计算需求大量涌现，也快速促进计算机和计算模式朝网络化的方向持续发展。

当有线网进入光纤宽带时代、无线网络进入3G/4G时代时，随着智能手机的普及，网络化的计算需求被进一步放大，各类新型的计算业务开始层出不穷，短视频、视频直播等新型业务均是在此阶段产生。

（4）人工智能业务

当越来越多的需求进入数字世界之后，人类活动开始产生大量的数据，如社交网络、健康数据、网络访问、App使用等。随之而来的，就是如何利用大数据实现“智能化”。有了数据和算法支撑，人工智能再次成为热门研究领域，国内多所高校成立了人工智能学院。然而，当前的机器学习框架本质上仍基于统计，这就要求计算机对数据的处理速度要快，并且是随着新数据的产生无时无刻不在处理的。如此，除了高效的算法外，算力的提升也成为人工智能发展的重要一环。

在这样的背景下，人们对于人工智能业务的需求也开始增长，如基于图像的AR/VR等。而人工智能算法通常需要大量的数据和持续的模型训练，这是用户的单一设备难以满足的，也成为影响云计算发展的又一关键因素［10］。

（5）计算的本质需求：无处不在的高质量计算

从过去的计算需求变化，我们可以看出两个明显的趋势：计算需求变得无处不在，计算任务变得越发复杂。而这两方面的特点正好是由通信网络的发展和计算机技术的发展所促进的：无处不在的网络连接，使得人们随时随地都会产生数据访问以及计算需求；计算能力的提高，使得越来越多种类的计算任务和计算需求被激发。可见，人类对于计算的需求始终以“满足人类无处不在的高质量计算需求”为目标，并且是在计算需求与运算成本、网络成本不断螺旋变化的驱动下而产生的。人们希望的计算形态，应当是“计算服务尽量近、计算质量尽量好、计算代价尽量小”。试想一种理想状态，我们可以在不携带任何设备的基础上，使用我们能够想到的所有计算服务，这将是计算模式发展的长期追求。

接下来，我们沿着这一角度重新审视计算模式变化的内在逻辑，并对未来计算模式的进一步发展做出展望。

1.2.2　计算形态变革的内在逻辑

以满足无处不在的高质量运算为最终目标，需求与成本的博弈不断颠覆计算机软件服务的形态架构，并逐步形成了我们当前所讨论的边缘计算模式。

如果我们从“计算任务在何处完成”这个角度来看待计算形态，那么可以看到历史上计算形态经历了几次重要变化，即先是任务汇聚到大型机上集中处理，而后分散到用户终端设备处理，再然后相当一部分的计算任务重新汇聚到云计算中心处理。如前所述，这一变化过程的影响因素相当纷杂，如硬件成本的降低、计算需求的提升、通信网络的飞跃、传感器技术的丰富等。而究其本质原因，则是人类对计算形态或者说计算方式的需求，即“无处不在的高质量计算服务”：既要无处不在，又要保障服务质量。“无处不在”需要通过各式各样的网络通信技术、嵌入式技术来实现，“高质量”则需要通过计算机软硬件技术的不断迭代来实现。

接下来我们从计算形态的变化趋势上分析边缘计算为何出现，又是如何出现的。

图1-4是计算形态不同阶段的计算与通信成本的对比示意图。图中虚线圈标记的位置是本地计算成本与通信成本的翻转点，这些翻转点伴随着计算模式的变革。如本地计算成本低于通信成本时，计算模式由分时共享的方式迅速转变为本地计算的方式（第一个翻转点）。当网络技术的发展使得通信成本再次低于计算成本时，开始出现由本地计算向云计算的过渡，并且随着通信成本的不断降低，越来越多的计算需求由本地转到云端（第二个翻转点）。随着以苹果手机为代表的智能手机的快速发展迭代，以及以3G/4G为代表的移动通信技术的普及，云计算模式得到了进一步强化；然而，随着各类新型的、要求更高的计算业务（如AR/VR）的出现，对很多计算任务而言，本地计算成本再次低于云计算成本（第三个翻转点）。5G/6G通信技术的出现，则再次大幅拉低了通信成本，使得这些新出现的复杂任务可以使用远程的方式来执行，并形成了边缘计算的模式。

可以看到，几个阶段的共同特征是不断地将硬件负担远离用户，不断地将计算服务贴近用户，用户既要“无处不在的高质量服务”，又要“不承担额外的软硬件开销”，这也是计算形态变化的内在逻辑。按照计算模式的变化，我们将网络计算形态大致分为以下三个阶段。

1. 第一阶段：共享计算模式

在共享计算模式中，由于大型机的计算成本过于昂贵，普通用户无法负担，因此通过分时系统批处理、ARPANET等方式将用户任务汇聚到大型机上进行集中处理。这一过程与现在的云计算很类似，但是任务传递和任务计算的过程均十分低效。此阶段形成的重要原因是任务传递和通信的成本要显著低于用户本地配备一台大型机的成本。

随着集成电路技术的快速发展，个人计算机的出现使得计算形态从“共享计算”的方式快速进入“本地运算”的形态，即多数消费者计算任务在其个人计算机上进行处理。这一变化的直接原因是硬件成本的大幅降低和人们对计算要求的逐步提升。

2. 第二阶段：本地计算过渡到云计算

随着通信网络技术的发展，计算形态逐步走向了“将一切交给网络”这条路。伴随着窄带互联网、宽带互联网以及移动通信网络的出现，部分数据开始通过Web的方式共享，一些数据量较小的信息系统（如电子邮件）也开始通过Web服务器的方式提供服务。此时，以文本为主的低数据要求的数据共享和计算服务开始从本地走向服务器端。随着光纤宽带网络和3G/4G技术的进一步普及，以及以智能手机为代表的移动智能设备的出现，越来越多数据量较大的计算任务开始从本地走向云端，如音视频多媒体业务、直播业务等。此时仍有相当一部分对于计算实时性要求较高的计算业务（如高画质3D游戏）需要在本地执行，这是由于本地计算的延迟要小于通过网络传输的延迟。

在第二阶段，一个显著特征是随着用户需求的不断提升，计算成本和通信成本交替成为成本瓶颈，导致越来越多类型的计算任务被转移到网络当中，从而在整体上形成了“本地与云计算混合”的计算模式。

3. 第三阶段：云计算到边缘计算

随着5G/6G技术的到来，通信延迟和通信速率的性能表现再次迎来成倍的提升，与此同时，集成电路进入了“后摩尔时代”，在本地计算环境实现成倍的性能提升变得越来越困难。这使得在完成一个计算任务时，远程计算成本显著低于本地计算成本。这一成本差异有可能会持续数年，伴随着更多类型的需求进入计算机世界，越来越多的本地计算将从本地转移到服务器上，直至出现大量足够复杂的计算任务，使得通信成本再次成为任务执行的瓶颈。

这一阶段的关键技术是边缘计算，也必然是边缘计算的形式。这是由于：①超低的网络通信延迟一方面是通信技术的革新，另一方面也是由于用户和服务器之间的距离被拉进。②随着物联网技术的爆发，计算需求持续指数级增长，将全部的计算和数据均交由集中式的云计算中心来处理既不合理也不现实。而边缘服务器则扮演了“分布式迷你云计算中心”的角色，通过广泛的边缘服务器的部署承接绝大部分计算任务。很多前沿研究用“雾计算”来定义这一形态，本质上与边缘计算是同一思想。

这一阶段中，用户设备仅保留传感与通信的硬件模块，所有的计算任务、数据访问任务等均交由边缘服务器进行。

4. 为什么一定是边缘计算

接下来我们通过标志性的技术驱动过程，再来理解“网络化计算服务”是如何一步步发展到边缘计算形态的。

如果我们关注计算需求（或者说计算完成的过程）在边缘设备和计算中心分布情况，可以看到自计算机出现以来，越来越多的计算任务通过网络化的方式来执行。图1-5展示了驱动网络化计算服务不断演进并成形的关键技术，从中我们可以观察到边缘计算背后的技术必然性。伴随着硬件能力与计算需求的发展，网络化计算服务的形态也不断地发生进化，从多用户分时批处理的方式逐步发展到边缘计算的形态上来。具体而言，最初的网络计算可以看作是通过低效的传输方式（卡带、软盘等形式）将任务集中到中心化的大型计算机上进行处理；随后在个人计算机和宽带网络逐步普及后，开始出现以Web服务为代表的网络化服务；伴随前端技术的发展和网络速率的进一步提升，更加复杂的计算任务可以通过网络计算的形式来解决，也导致网络化计算形式从单向转变为接近于本地程序的网络应用形式；进一步地，随着智能手机和3G/4G移动网络的到来，网络化计算服务进入到云计算的模式；而随着物联网和5G/6G时代的到来，网络化计算机服务将快速进入到边缘计算的模式，为智能万物提供无处不在的算力服务。

（1）传统集中式云计算方式不可持续

在云计算时代，数据的集中导致了计算的集中，海量用户的数据集中在少数云计算服务器上，使得计算随之迁移到云计算中心。而随着智能化、嵌入式设备的发展，越来越多的设备开始接入网络，产生无处不在的计算需求，这使得网络带宽逐渐成为服务瓶颈，为计算过程带来不必要的延迟开销。前端智能设备涌现的各类超低延迟服务，由于云计算的广域网传输延迟而无法被满足；不仅如此，所有数据汇聚到少数的云计算中心，在增加网络的流量承载压力的同时，也造成了大量的能源浪费。

（2）摩尔定律已经失效

想要达到“无处不在的高质量运算”，广泛铺设的算力网络并非唯一思路。特别是当我们回顾过去几十年的计算机发展历程，在最理想的状态下，只要计算机一直沿着摩尔定律发展下去，硬件最终会变得非常小，而算力却又特别强，加之近年来能量采集（Energy Harvesting）技术[1]的发展，可以做到随时具有充沛的能源、算力和通信能力，从而形成无处不在的高质量运算。

但随着半导体制程逐步逼近原子半径，量子计算又暂时无法实现实用系统，边缘计算就成了唯一选择——广泛、大规模地部署算力，将物理环境改造为“算力场”，从而使得身处其中的用户可以享受无处不在的高质量运算服务。

（3）历史机遇：5G与物联网的需求形成合力

一方面，海量的物联网设备产生的计算需求逐渐无法被满足；另一方面，计算服务质量的要求也使得通信网络不堪重负，网络传输延迟成为计算服务的性能瓶颈。两方面的共同需求，使得将计算下沉到网络边缘成为历史必然。一方面可以显著降低数据传输的延迟，另一方面通过分散地处理物联网设备的海量计算需求，也可以疏解云计算中心的计算压力。不仅如此，5G、Wi-Fi 6等技术的发展，使得前端设备的单跳延迟可以降到个位毫秒级，在满足现有计算需求的前提下，势必催生各类实时计算服务。卡内基-梅隆大学的Mahadev Satyanarayanan教授也指出：“没有边缘计算的5G大规模部署是没有意义的［6］”。

（4）人类计算需求的增长不会停滞

通过技术和需求的交替发展，我们可以观察到：人类的计算需求会不断涌现，并快速填满算力的天花板。当本地执行效率高时，新型业务会以本地执行的方式出现；当远程执行效率高时，新型业务会以远程执行的方式出现。虽然在过往的经验中，新型的计算需求通常是先在本地执行，待通信成本降低后，逐步转变为远程执行；但可以预见，当远程执行成本持续低于本地运算成本，边缘计算模式成熟时，新型的业务会直接以边缘运行的方式出现，并且由于边缘算力充沛，新型业务的出现将有望迎来井喷。

（5）边缘计算可能会是算力的最终形式

过去的经验告诉我们，计算模式呈现了“合久必分，分久必合”的发展过程，那么计算模式的下一站会是怎样的形式呢？运算过程会不会重新回到任务发起的设备上去呢？如果按照上述梳理的以“无处不在的高质量计算服务”为驱动，边缘计算很可能是最终的计算形式。我们设想当本地算力和通信延迟逼近极限时，本地运算和在直接相连的另一台边缘设备上进行远程运算的整体性能极可能是相仿的，而本地资源永远是有限的，边缘设备的资源却是持续增长的。因此边缘计算极有可能是算力的最终形式，前端设备仅保留必要的传感器、通信模块以及少量的计算和存储资源，利用环境中的边缘算力完成计算过程。

1.2.3　边缘计算将深刻改变计算方式

本章将着重梳理边缘计算概念的起源，自出现以来发生的标志性事件，以及这些标志性事件对边缘计算的研究所产生的影响。

1. 边缘计算概念的出现及演化

边缘计算（Edge Computing）这一概念早在21世纪伊始就已经明确存在了，最早明确提到“Edge Computing”的报道见于InfoWorld的文章“Apps on the edge”［5］。彼时的网络边缘定义更加接近内容分发网络（CDN）的延伸：将数据库、多媒体等被高频率、大范围请求的计算服务从集中式服务器上分发到各个边缘服务上，从而缓解集中式服务器的访问和运算压力。随后包括Akamai、IBM、微软等公司在内的多家网络巨头开始向边缘计算投入精力，边缘计算的概念也逐步成形。

（1）内涵外延

边缘计算的概念自2003年由IBM和Akamai共同提出以来［13］，由不同的厂商展开了不同的解读。这些不同的解读有些类似于盲人摸象，各有各的出发点和发展逻辑，却也有助于我们更全面地理解边缘计算的内涵和外延。例如：

• 以Akamai为代表的内容分发网络（CDN）运营商，对于边缘计算的定位是将算力分发到网络边缘以降低计算的访问延迟［12］。
• 以亚马逊为代表的云计算厂商则是从云计算扩展的角度出发，通过将云拉近到用户一侧，进一步降低云计算服务的访问延迟，从而能够将更多类型的服务以云计算的方式提供。
• 以小米、格力等为代表的智能家居家电厂商，则是从产品形态的角度出发，认为边缘计算是管理大量低功耗物联网设备的不二选择，是为这些智能设备建立了一个“本地云计算中心”。
• 以Google为代表的计算厂商，则更多将边缘计算看作服务延伸的工具，当前端用户可以以低延迟、高可靠的方式访问边缘服务器时，更多类型的服务（如增强现实、虚拟现实等）才有机会真正落地。
• 而从网络运营商的角度来说，则认为边缘计算是移动网络的拓展，在通信服务的基础之上进一步提供计算服务。

抛开背后的商业考量，这些不同“出身”的公司对边缘计算的解读和愿景均是有一定实际需求的。从这个角度也可以看出，不同于云计算，边缘计算要更广泛、更密集地部署，需要得到包括软件厂商、硬件厂商、运营商、服务商、场景产品商等的多方助力和共同推动，最终才有望形成像现在的无线网络一般无处不在的泛在环境算力。同时我们也看到，虽然边缘计算早在2002年就已经开始被讨论，但真正地进入大众视野，获得广泛的投入和关注则是在5G开始走向落地的2015年。

（2）技术发展趋势

Gartner是科技领域权威的咨询机构之一，其每年发布的科技趋势备受瞩目。按照Gartner技术发展趋势，一个技术的发展历程会经历创新驱动、极大期望、泡沫破灭、技术爬坡、产业成形几个阶段。如表1-3所示，边缘计算及其相关技术自2017年开始连续上榜，并且其发展阶段逐渐从创新驱动进入极大期望的阶段。伴随着5G技术的发展与成熟，边缘计算从当初较为泛化的概念衍生出边缘AI、边缘大数据分析等细分领域。

（3）学术研究

近年来随着边缘计算研究的兴起，越来越多的科研文章不断发表。笔者根据近5年的SCI刊源统计了边缘计算作为关键词的文章数量变化，如表1-4所示。边缘计算的研究成果数量几乎是“拔地而起”，从2015年仅有500余篇学术论文到2019年5000余篇论文，可以看出边缘计算正处在一个快速上升的阶段。

（4）国家战略

各个国家对于电信网络产业的国家战略，均不同程度地促进了边缘计算的发展。例如美国的“工业互联网”计划，旨在通过建立一套“内生循环”机制和工具，帮助制造业在各个环节全面实现智能化。生产过程的大数据帮助管理者进行智能决策的同时，也反过来优化生产过程本身，形成智能设备、智能系统、智能决策的闭环。又如德国的“工业4.0”计划，通过全面的数字化改造提升工业体系的品质。日、英等国也开展了各自的工业发展战略，日本企业联盟提出了“产业价值链主导权”计划，英国提出了“英国工业2050战略”计划。我国同样提出了如“互联网+”“中国制造2025”等国家战略计划。上述计划的共性特征在于，通过物联网、大数据、人工智能等新兴技术，对传统的工业体系进行改造，使得工业生产过程“可观察、可配置、可演化”。要达到这一目标，需要生产设备的改造（如为各生产环节配备相应的传感器、通信装置）、生产系统的升级（自动化、软件定义的生产系统），以及决策过程的革新（优化决策模型）。而边缘计算在其中则扮演了设备、系统和决策之间润滑剂的角色：设备采集的大数据在边缘缓存、实时任务需要在边缘计算、自动化决策过程需要在边缘完成等。通过分析当前学术论文研究成果所在国家的分布情况，可以看到美国和中国处于明显领先的地位，欧洲国家处在第二梯队。考虑到我国的互联网基础设施发达，在5G及人工智能方面处于先进地位，未来边缘计算的产业落地有望取得国际领先地位。图1-6展示了近五年各个研究机构的相关论文发表情况，可以看到中美两国是该领域发文数量最多的国家。

2. 标志性事件

本节我们回顾边缘计算正式被提出以来的标志性事件，并讨论边缘计算的发展趋势。

• IBM与Akamai J2EE在2003年5月联合发起一个项目，旨在基于内容分发网络的思想拓展集中式Web服务，让Web服务器上的任务直接在网络边缘设备上执行。该项目名称为“Akamai EdgeComputing Powered by WebSphere”。
• 21世纪前10年，以Amazon为代表的云技术快速普及。
• 2008年，微软/CMU/LancasterU/AT&T/Intel workshop发表了学术界首篇关于Cloudlet的具有影响力的学术文章，明确提出了Cloudlet的概念，这也是当前边缘计算概念的原型。
• 2012年，思科提出雾计算（Fog Computing）的概念，思想与边缘计算一致，但从其名称上可以看出，概念的出发点偏重于“云计算的下沉”（相应地，边缘计算一词则偏重于集中式向分布的网络边缘的转变）。
• 2013年，欧洲电信标准化协会（ETSI）定义移动边缘计算。
• 2015年11月，开放雾（OpenFog）计算联盟成立，发起者包括普林斯顿大学、ARM、英特尔、微软、思科、戴尔等知名机构。
• 2016年，专注于边缘计算的国际高水平学术会议IEEE/ACM Symposium on Edge Computing举办，会议发起人来自微软、IBM、惠普、思科、IoX、卡内基-梅隆大学、华盛顿大学、韦恩州立大学等知名企业与学术机构，会上共发表11篇原创学术论文。
• 2016年，边缘计算产业联盟在北京成立，旨在搭建边缘计算产业合作平台，推动运行技术（OT）和信息与通信技术（ICT）产业开放协作，引领边缘计算产业蓬勃发展，深化行业数字化转型。
• 2017年，ETSI将MEC的解释由移动边缘计算调整为多接入边缘计算（Multi-Access Edge Computing），以涵盖更广泛的边缘计算场景与内涵。
• 2017年，IEC发布了VEI白皮书，介绍了边缘计算对于制造业等垂直行业的重要价值。ISO/IEC JTC1 SC41成立了边缘计算研究小组，以推动边缘计算标准化工作。
• 2018年，AWS Lambda@Edge正式上线，落实Serverless以及“函数及服务”这一概念；同年，微软提出Azure IoT Edge，这是微软提出的针对物联网设备的边缘服务平台。
• 2018年11月，我国在重庆建设了首个5G连续覆盖试验区；2019年，工信部正式发放了5G商用牌照，中国也正式进入5G商用元年。
• 2019年，边缘计算产业联盟（ECC）与绿色计算产业联盟（GCC）联合发布《边缘计算IT基础设施白皮书1.0》。
• 2020年，卫星边缘计算等面向场景的边缘计算产品和系统开始涌现（见2.3.4节）。

可以看到，云计算技术的日益成熟，以及“云化”应用的用户和市场习惯的形成，使得边缘计算开始涌现。而5G技术的出现及物联网系统的落地，一方面显著降低了用户前端延迟，另一方面则极大增加了计算请求，从而加速了边缘计算的形成。在可以预见的未来，上述几方面技术发展趋势和需求变化趋势的进一步汇聚，势必助推边缘计算成为普适场景中的中流砥柱，最终形成像“无处不在的网络”一般的“无处不在的计算”，提升整个社会的泛在计算能力。

---

[1] 能量采集技术指各类将环境中的能量进行转化，从而实现可持续的能源供应的技术，如太阳能、振动能量收集、利用射频信号的无源感知等。