【好居网】由于对云计算的扩张越来越激进，且险些走进“囚徒困境”。在这个由亚马逊、微软和谷歌引领的1.0模式通用云基础设施服务市场中，对于后来者已经没有机会了吗?未必，2.0模式云计算+边缘计算的新玩法方兴未艾，巧妙地成为了云计算避开“囚徒困境”的拐点。

再看IoT平台的争夺战，由于IoT正在逐渐影响着生产、制造、生活的方方面面，IoT平台作为战略重心，这几年犹如雨后春笋般，数量暴增。无论是阿里、腾讯、百度、京东等互联网巨头;还是华为、中国移动、中国电信、中国联通等运营商、通信大鳄;抑或IBM、微软、思科等传统IT企业;以及机智云、Ablecloud、庆科、博联等新型物联网企业，都想在IoT平台这块大蛋糕中分得一块三角。

虽然都叫IoT平台，但是内涵和实质差异不小，如果不能下与底层设备、上与产业应用打通，切实为行业合作伙伴赋能，IoT平台只能沦为伪命题。

无论是亟待升级的云计算之争，还是“杀红了眼”的物联网平台战役，下半场都指向了同一个主阵地：边缘计算。

边缘计算并非再造概念、硬拗人设硅谷风投大佬A16Z合伙人Peter Levine曾说边缘计算是云计算的“终结者”。这一说法未免有为搏眼球夸大其词之嫌，不过云计算与边缘计算共生的现实，成为了云计算和物联网从业者们对未来的主流预判。

从技术定义来说，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

边缘计算并不是个新鲜事物，也不是物联网人自吹自擂再造概念，而是一次“由来已久”的物联网分布式计算的逆袭。

分布式计算的特征是每个节点都有计算功能，缺点是每个用户都需要管理自己的节点、硬件、软件。因此后来出现了云计算，把大量的数据处理交给“云”去做。这个云计算实际上是一个集中计算，这种做法解决了用户对中央计算的管理烦恼。

到“云”为止，我们完成了从分布计算到集中计算的转变，然而现在我们发现，碎如鸡毛的不同物联网场景，单纯依靠集中式的云计算往往并不是最佳策略。边缘的“速算”能力，对物联网应用来说显得尤为重要。

巨头率先转身拥抱“边缘计算”根据IDC的预测，到2019年，IoT创建的数据将有45%通过边缘计算被存储、处理、分析和操作。“大物若智”，便是边缘计算的“入世”之道，而这次逆袭的引领者，由各大巨头和主流势力带队。

就在本周召开的微软Build 2017开发者大会上，首席执行官萨蒂亚·纳德拉宣布：微软遇见了新世界：一个智能云(IntelligentCloud)+智能边缘(IntelligentEdge)的世界。

微软在Build大会上发布了Azure IoT Edge服务，一个为物联网准备的云服务。它会有各传感器和小型计算设备追踪工业场景中的数据，然后由微软的云和AI工具分析。通过这项功能将计算能力由云推向边缘。

这些举动也就是指明了计算能力要到边缘去，因为物联网终端数据越来越多，会要求更多的计算能力下沉，这也意味着更加分布式的AI和分布式的计算。

亚马逊这个全球最大的云服务提供商，也正在指望通过IoT边缘计算来推动云平台的发展。就在最近一次的AWSre:Invent大会上，亚马逊宣布推出AWS Greengrass。

AWSGreengrass是一种允许用户以安全方式为互联设备执行本地计算、消息收发和数据缓存的软件。借助 AWS Greengrass，互联设备可以运行AWS Lambda 函数、同步设备数据以及与其他设备安全通信，甚至无需连接互联网，最大程度地降低将IoT数据传输到云端的成本。

今年4月，Linux基金会发布开源物联网边缘计算项目：EdgeXFoundry。EdgeX Foundry 并不是一项新标准，而是统一标准和边缘应用的一种方式，它的主要目的是：打造并推广EdgeX这种面向物联网的通用开放标准;围绕可互操作的即插即用部件/组件打造一个生态系统;对EdgeX部件/组件进行认证等。

同样是4月，网络巨头思科和商业智能公司SAS宣布已经开发了全球第一个用于物联网分析的边缘计算平台，该平台将思科的边缘计算产品与SAS的高级分析功能相结合。

SAP公司则连续收购了两家物联网边缘计算初创企业：意大利的PLAT.ONE和挪威的Fedem Technology。并购完成后，SAPHANA云平台可以在整个企业的范围内支持IoT业务应用，无论在云端，还是在边缘。

戴尔也在积极拓展边缘计算平台产品与行业应用，追加发布专门针对工业应用边缘计算产品。最近，戴尔推出的边缘网关3000系列，拥有实时智能化处理能力，占用空间小，适应恶劣环境，丰富了戴尔边缘网关5000系列和嵌入式箱PC3000/5000系列等边缘计算产品线。

国内的通信巨头华为，也是边缘计算的积极推动者，参与联合倡议发起了国内的边缘计算产业联盟(Edge Computing Consortium，缩写为ECC)。

就在本周，还有一项进展值得关注，初创企业Neurala宣布深度学习取得重大进展，不需要云服务器，能够在边缘学习增量对象。这也就意味着人工智能也正在快速进行从云端到边缘的进化：自动驾驶汽车可以为每个车主或特定的区域进行个性化设计;父母可以教一个玩具去识别他们的孩子，而无需担心侵犯隐私;工业级的机器可以为特定的任务进行自主升级。

借助MDC完成从云端到边缘的转变由传感器产生的实时数据在形式和作用方面都与传统的企业数据有很大的不同，无论是从联网汽车中产生的千兆字节数据，还是来自工业机器人装配线的控制数据，边缘计算都必须比过去所开发的任何云端技术更敏捷、更自主、更可靠。

在使用物联网系统之前，很多人没有意识到大量的物联网数据可能永远都不会被传送到云端，只适合就地进行处理，如果没有被实时处理，数据价值也将不复。

有些数据的“保鲜期”很短，处理一旦延误，就会迅速“变质”，数据价值呈断崖式跌落。因此不是所有数据都必须上传到云平台，何况关键信息还有可能在传送过程中延误或者受到干扰，尤其是那些通过LPWAN(低功耗广域网)传输的信息。

我们必须对这些关键数据快速响应以做出决策，要么在短时间内就采取行动，要么就眼睁睁的看着最佳时机溜走。

边缘计算的崛起也意味着巨头们必须放弃完全控制或主导IoT市场的梦想，而是专注于跨越多层数据架构开展广泛合作。作为一种迭代升级之后的理念，边缘计算也将重新定义云、管、端之间的关系。

那么对于行业应用来说，什么才是推进边缘计算的最佳方式呢?

有些人试图自己做，探索各种新技术，希望将它们组合成一个可行的解决方案。不过也有人找到了现成的，采用比如微型模块化数据中心(MDC)等边缘计算方案。

MDC已经存在一段时间了，它是一套用来实时采集、并报表化和图表化车间的详细制造数据和过程的软硬件解决方案。随着物联网的发展，需要使用更小的MDC，也就是“微型MDC”，快速将这些模块配置到边缘场景，实现计算能力的部署。

在微型MDC的选型过程中，过来人建议需要综合考虑以下5点：

确保灵活：由于各种应用场景千变万化，微型MDC需要考虑足够的灵活性，一体化的解决方案并不一定是最好的选择，往往针对不同环境进行微型MDC优化的步骤是必不可少的。

开放基础：在IT方面，需要寻找可扩展和可管理的解决方案，以便将更多的处理能力分配到边缘。这给IT部门提出了极大的挑战，为了实现服务敏捷性，拥有开放敏捷的底层基础架构，可以按照需求自动扩展资源配比变得异常关键。

赋权分析：处理边缘的数据是一回事，分析边缘的数据是另一回事。微型MDC应该具有就地进行分析的能力，越靠近生成数据的高速设备或传感器越好，以便迅速提供业务洞察。

快速使用：不仅微型MDC应具备灵活配置的运算、存储、网络、电源和冷却等选项，还应以准集成的解决方案提供，这将确保微型MDC的快速安装使用和快速价值创造。

统一管理：边缘计算的解决方案大多比较分散，做到统一管理并不容易。为了做到这一点，设备提供者需要具备综合集成和管理能力，能够从同一入口管理来自世界各地的各个微型MDC、相关的数据中心、IT设备以及传感器。