物聯網、5G等技術的快速發展，推動智能時代加速到來，隨之而來的是數據量激增，云計算處理能力變得不堪重負。據國際數據公司發布預測，到2020年，全球將有超過500億個終端與設備聯網，形成大量云部署，其中，逾40%的云部署將包含邊緣計算，超過50%的數據需要在網絡邊緣計算分析、處理和儲存。邊緣計算作為云計算的補充和延伸，將成為另一個焦點。

計算的未來在“邊緣”

繼個人計算機和互聯網變革之后，云計算帶來第三次IT產業發展浪潮。云計算通過將數據密集型計算任務納入大規模中心化設施，降低計算的單位成本，但這種通過網絡將所有數據傳輸到云計算中心進行處理的模式存在明顯弊端，例如，無法滿足實時性需求，對網絡環境過度依賴，難以保證用戶隱私等。為此，硅谷投資者將目標瞄準邊緣計算，并認為計算的未來在“邊緣”，邊緣計算將帶來計算領域的下一場重大架構轉變。

所謂邊緣計算，是將云計算的計算、存儲等能力擴展到網絡邊緣，提供低時延、高可用和隱私保護的本地計算服務，產生更快的網絡服務響應，解決云計算時延長、受網絡環境制約等不足，具有云計算無法比擬的優勢。

近幾年，邊緣計算廣泛應用于交通運輸、醫療保健、工業制造、電網控制等領域。例如，火車或地鐵上各類傳感器采集的數據不再需要傳輸到云端數據中心，借助邊緣計算即可就近診斷故障等。

軍事應用前景廣闊

軍隊由于作戰環境復雜多變、數據傳輸保密要求高等特點，加上集中式數據中心建設不完善，云計算應用大大受限，海量數據處理需求無法滿足。使用邊緣計算在靠近數據源的位置進行處理，可以很好地解決這一問題，展現出良好的應用前景。

無人機偵察目標識別。現代戰爭中，高效精確的戰場情報是決定勝負的關鍵因素，無人機偵察則是獲取戰場情報的重要手段。通常，無人機獲取的圖像通過數據鏈和無線網絡傳輸到地面控制站，由情報人員進行篩選、判讀和標注，獲取有用信息。但這種做法無法滿足情報處理的實時性要求。另外，傳回的視頻大部分時長不包含目標信息，浪費戰場網絡帶寬。將邊緣計算引入無人機偵察目標識別，可較好地解決這一問題：通過在無人機上安裝計算芯片，對視頻進行實時處理，僅將含有目標信息的關鍵幀傳回地面控制站，減輕網絡負擔和后方情報處理壓力。

另外，隨著硬件小型化，這種基于邊緣計算實現無人機目標識別和追蹤的技術將得到進一步推廣，成為下一代無人機的發展趨勢。

無人運輸車自動駕駛。在軍事后勤領域，無人運輸車能夠自主遂行物資裝卸、運輸投送等任務，減少人員傷亡，提高運輸效率和戰時后勤保障水平。在行進中，無人運輸車需要對行進路線周圍環境進行實時監控，產生的車輛狀態數據、道路地形數據等動態數據量龐大，上傳云端處理不僅無法滿足實時性要求，而且存在數據被竊取和篡改風險。引入邊緣計算后，無人運輸車在道路行駛中可獨立完成終端計算、數據處理和同步等，在復雜環境下實時做出最優駕駛決策，保障行駛安全。

重點要害目標防衛。無論是戰時還是平時，部隊均有大量重點目標需要組織防衛。傳統防衛方式是派遣哨兵進行晝夜巡邏，不僅消耗大量人力物力，而且容易遺漏情報。部署具備邊緣計算能力的智能攝像頭，可自動實現對入侵目標的定位、識別和報警，實現“人防+技防”有機融合，有效防衛重點要害目標安全。目前，國外已研制出一種雙目行為分析攝像機，內置人工智能算法，在離線狀態下也能對穿越警戒線、徘徊、奔跑等行為進行分析和檢測，可以廣泛應用于重點要害目標防衛等場景。

未來，隨著技術發展，邊緣計算還將廣泛應用于軍事領域，與物聯網、人工智能等技術一起，成為推動軍事智能化發展的關鍵動力。