1.1.3　边缘计算的价值

边缘计算的价值包括降低时延、减少能耗、缓解负载、保护隐私、定制服务、增强能力等多个方面，同云计算和端计算相比，边缘计算在以上方面具有显著优势。

1.1.3.1　降低时延

边缘计算相较于云计算的一项显著优势在于其计算资源更接近终端用户。在边缘计算的框架下，数据处理任务可以被分配到离数据源更近的网络节点，这意味着数据可以在不经过长距离网络传输的情况下进行处理。因此，边缘计算能够规避集中式远程云计算中心所面临的网络时延问题，从而显著缩短数据处理时间并提升响应速度，这对于需要实时反馈的应用场景尤为重要。

边缘计算能够提供高度实时的服务，从而显著提升用户体验。对于大多数物联网应用来说，云计算解决方案的时延取决于网络条件、应用需求以及数据中心的位置，一般在几十毫秒到几百毫秒之间，网络条件较差时的时延甚至为秒级。然而，采用边缘计算的策略有望将端到端的时延降低到接近单跳传输的水平，在理想条件下，实时性可能提升20倍左右，但具体的提升程度可能会因多种因素（例如边缘节点的位置）而有所不同。

1.1.3.2　减少能耗

在大规模物联网应用环境中，物联网设备数量的大幅增长将直接引发计算和数据的激增，从而导致信息系统能耗大幅度上升。数据传输、计算和存储消耗了大量的能源，在一些城市和地区甚至成为能耗的主要来源。然而，在边缘计算中，大量的前端设备数据无须再汇集到云中心，而是以分布式的方式存储在各个边缘服务器上，这极大地减少了网络中的数据传输量，从而降低了能耗。此外，计算请求也被分散到各地的边缘服务器上进行，这种方式有效地避免了云端大规模存储和计算产生的能耗。这种新的计算范式通过改变数据传输的距离以及计算和存储的位置，实现了能源的高效利用，降低了能耗，有望从根本上解决数据无限增长带来的能源瓶颈问题。

1.1.3.3　缓解负载

在传统的云计算模型中，所有数据均需传输至远程数据中心进行处理，这一过程需要消耗大量带宽和能源，从而增加了网络负载。同时，所有的计算任务都在数据中心的服务器上执行，这种集中式的处理方式需要大量的计算资源和能源，从而增加了云负载。然而，边缘计算模型将数据处理任务转移到离数据源更近的设备上执行，减少了数据在网络中传输的距离和频率，降低了网络负载。此外，边缘计算模型通过更有效地利用边缘设备的计算资源，降低了云端大量数据集中处理所产生的云负载，提高了计算效率。因此，边缘计算可以显著降低网络负载和云负载，这对于实现可持续发展和环保目标具有重要意义。

1.1.3.4　保护隐私

相较于云计算来说，边缘计算在隐私保护上颇具优势。首先，边缘计算的数据不需要传输到远程的服务器，用户数据可以在生成它的设备上进行处理和分析，从而减少了数据在传输过程中泄露的风险。其次，边缘计算可以提供更好的数据控制。因数据在本地处理，用户可以更好地控制哪些数据共享、如何共享。此外，边缘计算可以提供更加强大的数据控制能力，数据在本地处理使攻击者需要直接攻击设备才能获取数据，这相比于在云计算中，攻击者获得服务器的访问权限就有可能获得存储在服务器上的所有数据，提高了数据的安全性，更好地保护了用户隐私。

1.1.3.5　定制服务

边缘计算的服务器主要是为与其直接相连的设备提供服务，然而前端设备的通信形式、服务类型、服务要求各不相同，会导致边缘服务器上所承载的服务因对应设备和服务请求的不同而产生差异。因此，在不同的应用场景下，面对各类设备类型的不同资源需求，边缘计算的服务对象呈现异构、多样的特点，服务类型也呈现高度定制化的特点。同时，边缘计算采用的通信技术具有相对较小的覆盖范围，每个边缘服务器所面向的用户主要由本地的固定用户和流动用户构成，这导致每个服务器上运行的服务类型、资源配置、接入策略等均有所不同，形成了服务器类型高度定制化的特点。众多云计算难以支持的实时和低功耗服务正在转向边缘计算。与传统的云计算相比，边缘节点的服务对象、服务类型和服务器类型都呈现出高度定制化的特点。这种全新的定制模式被视为边缘计算的一种潜在应用，展示了边缘计算的巨大潜力，为边缘计算的未来发展提供新的方向和可能。

1.1.3.6　增强能力

随着互联网不断发展，越来越多的城市基础设施和移动智能设备产生了计算需求，这种无处不在的计算主要通过边缘节点的大量算力部署去实现。在整个物联网的发展过程中，边缘计算不仅可以为设备提供计算服务，更是赋予了物联网中的各种终端设备更智能、更灵活的思考方式和更强大的决策能力。系统能够即时响应各类指令和事件，这种计算模式不仅提高了设备的实时性能，还为物联网的智能化发展提供了新的可能性。

在众多领域，边缘计算为终端场景应用带来了新的优势。例如，在安防监控领域，通过在监控摄像头内集成计算单元，引入边缘计算，可以有效处理原始视频数据，避免将冗余数据上传到云端。此外，还可以植入人脸识别应用，在边缘对数据进行解析和模型匹配，从而快速识别重点监控对象，提高识别效率。在本地零售领域，边缘计算可以在本地就地进行数据处理和优化，无须将各分支的数据汇总到中心位置进行分析，从而在决策和行动方面获得更快、更及时的反馈。在在线课堂领域，边缘计算在靠近终端的网络边缘上提供服务，全域覆盖的节点资源仿佛打造了一张高质量、低成本的实时视频转发网络，更好地避免网络抖动带来的掉线和卡顿问题，将授课内容实时、高质量地呈现在学生面前。

边缘计算能够解决数字业务场景下云计算的时延、带宽、自主性和隐私保护需求问题，其具体应用将由人、设备和业务之间的数字业务交互来定义，拥有十分广阔的发展前景。