從邊緣計算誕生開始，就一直有聲音說邊緣計算是云計算的“終結者”。但經過時間的驗證，云計算和邊緣計算的關系更加清晰：由于邊緣計算解決了在邊緣資源中云計算應用的應用問題，成為了云計算在未來發展中的重要支撐，邊緣計算與云計算勢必彼此融合，隨之而來的就是“云邊協同”。

邊緣計算是對云計算的有效補充

實時或更快速的數據處理和分析。數據處理更接近數據來源，而不是在外部數據中心或云端進行，因此可以減少延遲時間。例如，自動駕駛汽車創造了大量的實時數據，其中大部分數據需要與鄰近的汽車共享，數據上傳到云端進行計算，再下放到終端設備，數據傳輸的延遲時間是不能被接受的。利用邊緣計算設備，就能夠確保信息進行快速處理并作出正確的反應，同時把信息快速傳遞到其它車輛。

較低的成本。企業在本地設備的數據管理解決方案上的花費比在云端和數據中心網絡上的花費要少。

網絡流量較少。隨著聯網設備的增多，將會產生大量的實時數據，據IDC預測，到2020年，全球數據總量將大于40ZB，大量的數據要上傳到云端進行計算，網絡傳輸壓力會越來越大，而邊緣計算的過程中，與云端服務器的數據交換并不多，只需要將少量的有效信息上傳到云端，因此不需要占用太多網絡帶寬。

更高的應用程序運行效率。隨著滯后減少，應用程序能夠以更快的速度更高效的運行。

可離線運行并支持斷點續傳。減少對云端的依賴也意味著某些設備可以穩定地在信號較弱，甚至沒有網絡服務的地區離線運行；當需要上傳數據時，只需要將設備移動到有信號覆蓋的區域，就可以將數據上傳到云端。例如在海洋中的石油鉆井平臺，正在空中飛行的飛機等場景，都是嚴重缺乏網絡服務地特定地區。

安全性和合規性。2018年5月歐盟通過《通用數據保護條例》（GDPR），稱為史上最嚴格地數據保護法律。由于數據地收集和計算都在本地進行，敏感信息可以不經過網絡傳輸到云端，能夠有效地避免傳輸過程中地數據泄漏，同時云端遭到攻擊，一部分信息也會收到相應的保護。

邊緣計算要依托云計算發展

物聯網中的設備產生大量的數據，數據都上傳到云端進行處理，會對云端造成巨大的壓力，所以要分開處理。這時候，分布在各個節點的邊緣計算將負責自己范圍內的數據計算和存儲工作。而對于應用場景來說，這還遠遠不夠。

以自動駕駛為例，未來的計算模式是邊緣計算與云計算結合，邊緣側的自動駕駛專用芯片會感知傳感器數據并立刻處理、做決策；同時，這些處理之后的數據，也會在云端匯聚，進行大數據分析、模型搭建和編輯，同時做大規模的仿真，進行深度分析和機器學習，并對邊緣側設備進行更新和升級，使邊緣側設備更智能。算法+芯片+云計算，構成了未來自動駕駛的三大核心支點。

再以物聯網為例，阿里云發布的邊緣計算產品Link Edge。確實通過賦予家庭網關計算能力，即便是在斷網的狀態下，諸如生物識別門鎖、機器人等都能正常運作。但是，如果加上云計算，基于云端的大數據分析和判斷，在聯動的前提下，整個家庭場景的智能設備將變得更為個性化和智能化，譬如關上門的時候，掃地機器人就開始運作等等。

由此可以看出邊緣側設備在大數據處理，大數據存儲，應用程序開發、機器學習和人工智能等方面的處理能力無法與云端相比。同時，在云端的應用設計、開發、測試、部署、管理等功能是開發邊緣應用的關鍵。

云計算無法被邊緣計算替代，二者相互補充協同

結合上面的例子可以看出，提供邊緣計算能力的設備主要在前端，負責數據的實時采集、計算和處理。但是，大多數的數據并不是一次性數據，那些經過處理的數據需要在系統中進行留存，用以做算法訓練、數據驗證等用途。這時候就需要一個大容量的“容器”，而這個是邊緣計算所沒有的。在這個“容器”中，這些數據將被存儲，用于大數據挖掘、算法訓練、用戶個性化功能塑造等等，這些都是非實時需求，在完成這些操作之后將數據傳輸給終端設備，從而進一步提升服務質量。這個“容器”就是云計算，云計算做大數據分析挖掘、數據共享，同時進行算法模型的訓練和升級，升級后的算法推送到前端，使前端設備更新和升級，完成自主學習閉環。同時，這些數據也有備份的需要，當邊緣計算過程中出現意外情況，存儲在云端的數據也不會丟失。

從整體來看，邊緣計算并不能代替云計算，也離不開云計算。未來，云計算將與邊緣計算形成一種互補、協同的關系，邊緣計算需要與云計算通過緊密協同才能更好的滿足各種應用場景的需求。邊緣計算將主要負責那些實時、短周期數據的處理，負責本地業務的實時處理與執行，為云端提供高價值的數據；云計算通過大數據分析，負責非實時、長周期數據的處理，優化輸出的業務規則或模型，下放到邊緣側，使邊緣計算更加滿足本地的需求，同時完成應用的全生命周期管理。

如何實現協同依然存在較多困難點

云計算與邊緣計算在磨合中逐步走向協同發展，但是在當前的形勢下，云計算與邊緣計算協同還面臨諸多挑戰。

連接協同。網絡是系統互聯與數據聚合傳輸的基石。伴隨聯接設備數量的劇增，網絡運維管理、靈活擴展和可靠性保障面臨巨大挑戰。同時，工業現場長期以來存在大量異構的總線聯接，多種制式的工業以太網并存，如何兼容多種聯接并且確保聯接的實時可靠是必須要解決的現實問題。

數據協同。統一數據聯接和數據聚合是業務智能的基礎，面對當前工業現場存在的多樣化與異構的技術和標準，離不開跨廠商、跨領域的數據集成與互操作。

任務協同。任務的下達和反饋是實現引用場景功能的重要溝通手段，云端面對海量的邊緣側設備和復雜的應用環境，如何能夠將任務準確完整的下達到邊緣側；邊緣側設備通過邊緣計算后，如何將有效信息整合到任務中進行反饋都是考驗云邊協同能力的重要指標。

管理協同。云邊協同的管理協同包含兩方面的內容：一是云端如何對海量和異構的邊緣側設備的接入進行統一和有效的管理；二是如何對邊緣側設備和云端的應用開發管理、生命周期管理、業務管理進行協同，保證邊緣側設備和運算能夠共同完成應用場景的管理工作。

安全協同。安全橫跨云計算和邊緣計算，需要實施端到端防護。網絡邊緣側由于更貼近萬物互聯的設備，訪問控制與威脅防護的廣度和難度因此大幅提升。邊緣側的設備和產生的數據接入到云端的安全和隱私如何保證，云端如何抵御來自邊緣側的攻擊，云端下放到邊緣側的數據如何保證安全，這些都是安全領域需要關注的重點內容。大部分應用場景中，邊緣計算和云計算分屬不同的提供者，如何兼顧和協調邊緣側和云端的安全和隱私，同樣是云邊協同中的安全重點。

多方協同。邊緣計算和云計算協同應用場景越來越多，越來越復雜，比如在車聯網應用中，存在多種傳感器和采集器之間的協同、汽車之間的協同、汽車端與云端協同等環境將會越來越復雜。如何在同一應用場景中實現云邊協同、邊邊協同、多邊協同等多方協同方案，也成為越來越需要著重考慮的問題；如何在統一不同應用場景中的云邊協同、邊邊協同、多邊協同也是另一個重要的方面。同時，在運營商層面，邊緣云與核心云、邊緣云與邊緣云之間如何協同也是運營商關注的重點。