姓名：芦凯 学号：17011210546
转载自：习悦智能公众号，原文链接：https://mp.weixin.qq.com/s/LDw1rpqwvUAKoJ6s9oC3AQ
【嵌牛导读】随着人工智能、互联网+、物联网的发展，万物互联、产业协同等已经不再是陌生的字眼。数据的计算主体也由大数据依赖的云计算，慢慢延伸至雾计算，甚至边缘计算。最近，终端智能，或称嵌入式人工智能，更是将边缘计算推向了风口浪尖。本文带你全面了解这几种不同的计算方式，以及其中各种特性差异。
【嵌牛鼻子】云计算，雾计算，边缘计算
【嵌牛提问】几种不同的计算方式各种特性差异有哪些？
【嵌牛正文】
诞生背景
在移动互联网及物联网时代，人工智能系统的计算通常十分繁杂，大多数是在互联网数据中心运行，即运行在“云”上。但是随着技术的发展，人们发现计算方式正在潜移默化朝远离数据中心的网络边缘迁移。嵌入式人工智能正受到越来越广泛的重视。
众所周知，物联网拥有海量的传感器及终端设备，在未来应用中，如果这些网络节点所抓取的数据都需要上传至云端处理中心，进行智能计算或者深度学习，对网络带宽将提出巨大挑战。而另外一个必须要面对的事实就是延时，各种智慧应用对时间的敏感度逐步提高，网络传输带来的延时将会极大影响服务质量及用户感受度，甚至威胁用户安全（如自动驾驶）。
云计算
云计算（Cloud Computing）即数据处理过程在云端数据中心进行。所谓云，是网络、互联网的一种比喻说法，指代网络中可配置的计算资源共享池，如网络、服务器、存储、应用软件、服务等，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力，可以轻松模拟核爆炸、预测气候变化和市场发展趋势，进行深度学习等高计算量的模型迭代。用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。
雾计算
雾计算（Fog Computing）的概念由思科首度提出，指代数据处理的位置离数据产生的地方更近，但又不在数据产生的设备本身进行。
以物联网为例，遍布式的传感器用于收集各种维度的数据，其对实时性要求很高。若采用云计算的处理方式，云计算中心是相对集中化的，恐怕难以应对数十亿物联网设备和传感器的数据存储和处理的需求，从而导致高延时，造成网络堵塞，降低服务质量。
相对于云计算的集中式模式，雾计算采用分布式计算模型，提供更接近本地化的计算、网络和存储设备，从而缓解传统云计算在物联网时代所面临的挑战。
边缘计算
2016年12月，边缘计算产业联盟成立，该联盟囊括了华为、intel、ARM等企业集团，据统计，未来将有超过一半的数据需要于边缘进行分析、处理及存储。
所谓边缘计算，即在数据产生之处（网络边缘）处理数据，而非在集中式数据处理仓库中进行。也就是说，数据由网络端点或者接近端点的地方完成一部分计算和分析，而无需将所有数据发回云端。算法和模型可以在云端建立，然后推送至边缘设备上，从而大量避免了与数据处理中心的传输通讯过程。
边缘计算的优点在于，可以加速数据流的生成，甚至做到毫无延时的进行实时的数据处理。这一点对于自动驾驶等高度依赖实时性的应用来说至关重要，自动驾驶汽车每秒钟可以产生1G的数据量，每天行驶过程中产生的数据量约为4TB，如果这些数据全部回传至云端处理绝非最佳选择，想必谁都不想在撞到行人之后汽车才开始自动减速吧。其他应用场景如机器人、无人机、VR等同样有此问题。
此外，边缘计算可以有效减少对带宽的利用，成本大大缩减，并且可以保证数据的隐私性与用户安全。以智能终端设备为例，用户在手机端采集的视频等，可在本机上进行计算，而不用连接网络传输至后台服务器或者处理中心进行处理，减少了数据泄露的担忧。
如果你到现在还有点云里雾里，那么举一个十分容易理解的例子：假如你手机里有个文件需要处理，云计算的解决方法是把它传到千里之外的服务器中心进行存储分析，雾计算是传到小区的服务器来计算，边缘计算是看看你的电脑、冰箱、洗衣机，甚至是手机本身，谁有能力就交给谁来计算。
网友评论