云計算與邊緣計算是看似矛盾，實際上卻是協同、互補的兩種方式。安防行業也好，物聯網也好，只有將邊緣計算和云計算協同使用，才會發揮出最大的價值。

互聯網時代，核心的數據生產、分析，發放全部依賴云端服務器，而終端設備則只有例如PC機、手機、PAD這一類電子設備。物聯網這一概念的提出，則大大擴充了終端設備的范圍，萬物互聯，任何一樣東西經過智能化改造都可以成為終端，都可以成為數據的來源，而正是有了這些邊緣端的設備，才促進了邊緣計算爆發式增長。

邊緣計算賦能安防行業

2012年以前的傳統安防行業，簡單來說就是“視頻監控”，以攝像機作為前端感知設備，負責數據的采集；服務器作為后端設備，負責數據的處理及分析。

邊緣計算的出現則將安防的智能化帶向了前端。傳統方式下，我們可能需要堆疊大量的GPU服務器來實現這些智能化的服務，而現在，我們可以逐步的將例如人臉的檢測、抓拍、識別，視頻的結構化、車輛的檢測與識別放到前端攝像頭去實現，這樣的變化帶來的影響巨大。

首先是帶寬方面，我們不再需要將原始數據全部傳輸到云端去處理，然后發送回來，而是直接邊緣端即可完成處理；第二是成本方面，大規模量產的前端芯片成本要遠低于后臺服務器的芯片成本，同時海量服務器的運維、散熱、機房租用等等成本更高；第三是延時方面，例如一個人臉識別，前端設備直接能夠自行處理，可以不需要將視頻傳輸回去，解析、摳圖、識別然后再把結果返回來，這難以滿足很多場景下快速響應的需求。

當然，安防行業的智能化與前置化的核心或者說難點是前端處理能力，也就是芯片。云端的處理能力，我們可以通過服務器的疊加來實現。但是。邊緣端的芯片則需要在保持強大運算能力的同時，盡可能的降低功耗、降低成本以滿足大規模推廣需求，這是一件非常具有挑戰的事情。

云邊融合已為產業必然趨勢

盡管云計算早在2005年就已提出，且具有強大的運算能力以及海量數據挖掘與分析能力。但隨著物聯網時代的到來，日常生活中產生的大量數據需要更快速的響應及處理，這些都是云計算不能解決的問題。在網絡帶寬有限、網絡擁堵、響應延時一系列技術的要求下，邊緣計算開始成為物聯網時代超越云計算的最佳“使用方法”。

不過，盡管云計算與邊緣計算是看似矛盾，實際上卻是協同、互補的兩種方式。也就是說，邊緣計算雖然有其明顯的優勢，但是用邊緣計算來替代云計算也是不可行的。例如海量數據的挖掘、關聯分析，關鍵數據的存儲，多邊緣節點的聯動都需要依賴云端來完成，云計算廠家布局邊緣計算，是對自身能力的一個補充，從而可以提供更好更完整的解決方案，也是順應技術發展的需要。

但不管是安防行業還是物聯網，只有將邊緣計算和云計算協同使用，才會發揮出最大的價值。

由于物聯網設備類型的多樣性和廣泛性，對網絡要求、計算存儲、運維管理等諸多方面帶來挑戰，而云計算在安防行業（物聯網）領域并非萬能，邊緣計算和云計算融合才能更好解決物聯網的現實問題。以視頻監控的發展為例，視頻監控數字化后將部分存儲和管理功能轉移到邊緣，隨著技術演進，既需要邊緣設備的靈活響應，又需管理復雜的采、存、算等設備，像人體這個復雜系統一樣，連接感知末梢與大腦有序運作的，是非常復雜的經絡體系，而不是簡單的信息通道。

所以，云計算與邊緣計算的協同不是簡單的云+端，更不是簡單地分成若干個所謂的“小云”再匯聚到更大規模的云，而是切實解決從端到云所帶來的應用、數據處理、管理等一系列問題。

要落地？但邊緣計算難點有待解決

盡管邊緣計算存在節省帶寬成本、節約服務器成本、存儲成本、降低響應時間等優勢，但其在落地應用過程中仍然存在應用層面、技術層面的問題。

1、場景適應性。我們知道，當前還處于人工智能發展初級階段，各項應用與服務都是基于“模型訓練“得到的，并沒有達到強人工智能的階段，所以本身計算、識別及分析能力對場景的依賴性較大，所以我們需要更多的應用場景去加速邊緣計算的落地，需要更多的技術投入、資金及人力的投入。

2、改造成本。傳統安防的客戶主要是公安、政法委這一類，這些客戶具有項目運作周期長的特點，所以新技術的應用很難快速的在這些場景鋪開。

3、技術實力與實戰標準的區別。以人臉識別為例，“人臉識別“的技術是很成熟的，但是到了實際的場景中，仍然存在識別不準確、識別不出來、識別效果不好等，例如人是低著頭的、光照會發生變化、攝像頭拍攝角度問題這些不可控因素都會導致識別結果不好。人臉識別這項很成熟的技術尚且如此，那么到了其他應用場景，例如要做安全帽的識別、做車輛亂停的識別、做水尺的識別、集裝箱識別，這些理論上，只要數據量足夠充分都可以發掘，但是達到”解決客戶問題“這樣的標準，目前還有很多工作有待解決。

結語

新行業的發展必然伴隨著新的需求出現，而技術的突破則能夠帶來新的產品和解決方案。