在过去十年中，企业计算一直围绕集中式云策略展开。公司从现场设备收集数据，将所有数据上传到远程数据中心，在庞大的服务器集群上处理计算，并将结果推送回源头。
这种集中式模型适用于缓慢移动的记录、批量计算和长期存储。然而，随着组织部署成千上万的智能摄像头、自动引导车辆、连接的制造传感器和自动化公用事业监测器，纯云模型遇到了严峻的物理限制。传输连续的高清晰度视频和高频传感器读数需要巨大的网络带宽，造成不可预测的延迟，并在网络中断期间引入操作风险。
与此同时，完全在本地边缘进行计算也带来了自身的限制。边缘设备的电源供应有限，处理器较小，存储容量有限。解决方案不是在边缘和云之间进行选择，而是部署一种平衡的混合架构，系统性地在两个环境之间划分责任。
理解边缘和云的自然边界
为了构建一个可靠的混合系统，技术领导者必须评估每个计算层的独特优势和限制。
本地边缘的优势。在本地边缘处理数据提供了以个位数毫秒计的瞬时响应时间。它消除了外发网络带宽的需求，将敏感的操作视频保留在本地网络边界内，并确保即使在互联网连接完全中断时也能保证不间断的操作。
本地边缘的局限性。 边缘设备是部署在现场的物理机器。它们具有有限的热容忍度、有限的内存和有限的计算能力。它们不适合训练大规模预测模型或存储多年的原始操作档案。
集中云的优势。 云提供几乎无限的计算弹性、高容量的集中存储和用于复杂训练工作负载的专用加速器。它在从不同地区的多个设施聚合洞察方面表现出色。
集中云的局限性。 将连续的原始数据流传输到云端是昂贵的。此外，物理距离引入的延迟使得云处理不适合于瞬间的安全干预或快速移动的物理自动化。
高性能系统将边缘和云视为单一连续体的合作部分，而不是孤立的、竞争的替代方案。
划分计算工作负载的原则
在本地处理器和远程服务器之间划分任务需要基于操作紧急性、数据密度和战略价值的明确、客观标准。
时间关键的操作留在边缘。 任何延迟几秒钟会造成安全隐患、产品缺陷或系统停机的操作必须在本地执行。如果自动起重机在其路径中检测到障碍物，停止信号必须在本地硬件上执行，而不必等待服务器握手。
原始数据过滤在本地进行。 将原始视频流或微秒级振动读数发送到云端浪费资源。边缘设备在本地分析连续流，提取关键元数据——例如警报、坐标或摘要指标——并立即丢弃冗余的原始信号。
长期趋势分析属于云端。 识别需要数月才能显现的微妙模式，例如季节性需求变化或数十家工厂的设备逐渐磨损，需要聚合大量历史数据集。这种大规模统计综合是云的自然领域。
模型训练在中心进行，而推理在本地运行。 复杂的机器学习模型需要庞大的计算集群在数百万个样本数据点上进行训练。一旦云完成模型的训练和优化，优化后的轻量级模型将被推送回边缘设备，以执行日常决策。
平衡架构的现实世界实施
智能分配计算在各个工业和商业领域创造了强大且具有成本效益的运营。
自动化制造质量检查。 高速生产线每分钟捕捉数百个组件图像。边缘计算机立即分析这些图像，以拒绝传送带上的缺陷项目。在每个班次结束时，边缘设备仅将汇总的缺陷率和选定的异常图像传输到云端，以进行全队的质量报告。
智能能源网管理。 本地变电站部署边缘设备以监测电压波动，并在短路发生时在毫秒内断开设备。同时，中央云系统汇总数千个区域变电站的发电量，以平衡每日供应合同。
分布式商业安全和零售监控。 智能摄像头在本地处理视频，以计算人流量并标记未经授权的非工作时间入侵，传输小的文本负载而不是带宽占用大的视频流。如果特定事件需要人工审核，系统仅检索与该精确时间戳相关的短视频片段。
远程采矿和海上作业。 船只和钻探现场通常依赖昂贵的间歇性卫星连接。边缘计算允许钻探监控和导航辅助设备不间断运行，直到高速度连接可用时再排队非必要的遥测数据。
克服混合架构中的实际挑战
虽然混合架构提供了巨大的操作优势，但在分布式环境中运行会引入特定的后勤挑战，需要主动规划。
集中式车队管理。 在数千个物理分散的边缘设备上管理软件更新可能迅速变得混乱。组织必须部署集中式容器化管理工具，使工程师能够远程部署软件更新和安全补丁，而无需手动实地访问。
网络弹性和本地排队。 现场网络不可避免地会经历中断。边缘软件必须包含本地存储缓存，在断开连接期间排队关键事件，并在网络恢复后按顺序传输它们。
动态模型优化。 在边缘设备上运行的模型必须通过精度降低和结构修剪进行压缩。这些技术减少了内存需求和功耗，同时保持了日常操作所需的决策准确性。
统一安全边界。 将计算能力分布在数千个远程物理设备上扩大了潜在的安全边界。组织必须保护本地设备硬件，强制各层之间的加密通信，并应用严格的身份访问控制，以防止受损的边缘设备影响核心云。
分布式基础的战略力量
边缘计算和云基础设施之间的选择从来不是全有或全无的命题。真正的优势属于将两个层次整合到协调框架中的公司。
通过将即时的物理反应委托给本地边缘，并将集中式云保留用于深度学习、历史聚合和战略建模，组织获得了两全其美的效果。他们的操作更快，降低了网络开支，确保在中断期间的连续性，并建立了能够与其运营共同发展的基础设施。