物聯網在飛速發展的同時也產生了大量數據，面對數據處理壓力，各種“計算”層出不窮，云計算、霧計算、邊緣計算等名詞紛紛涌出，那這些計算方式有何區別？應用于哪些場景？在不同場景或同一場景的不同情況下又要如何選擇計算方式？

云計算、霧計算、邊緣計算各有優點

云計算是一種利用互聯網實現隨時隨地、按需、便捷地使用共享計算設施、存儲設備、應用程序等資源的計算模式。云計算系統由云平臺、云存儲、云終端、云安全四個基本部分組成，云平臺從用戶的角度可分為公有云、私有云、混合云等。通過從提供服務的層次可分為：基礎設施即服務（Iaas）、平臺即服務（Paas）和軟件即服務（Saas）。

云計算，像在每個不同地區開設不同的自來水公司，沒有地域限制，優秀的云軟件服務商，向世界每個角落提供軟件服務——就像天空上的云一樣，不論你身處何方，只要你抬頭，就能看見！

霧計算的原理與云計算一樣，都是把數據上傳到遠程中心進行分析、存儲和處理。但是霧計算相比于云計而言算要把所有數據集中運輸到同一個中心，霧計算的模式是設置眾多分散的中心節點，即所謂“霧節點”來處理，這樣能夠讓運算處理速度更快，更高效得出運算結果。

假如說云計算是把所有東西都送往天上的云彩中，霧計算就是把數據送到身邊的霧氣里，和云計算相比，霧計算顯得更接地氣了一些！

邊緣計算和云計算互相協同，它們是彼此優化補充的存在。云計算是一個統籌者，它負責長周期數據的大數據分析，能夠在周期性維護、業務決策等領域運行。而邊緣計算著眼于實時、短周期數據的分析，更好地支撐本地業務及時處理執行。邊緣計算和云計算都是處理大數據的計算運行方式。但不同的是，這一次，數據不用再傳到遙遠的云端，在邊緣側就能解決，更適合實時的數據分析和智能化處理，也更加高效而且安全。

如果說云計算是集中式大數據處理，那么邊緣計算可以理解為邊緣式大數據處理！

以安防行業為例來說，從計算方式上來講，云計算是“云+端”的模式。智能安防終端通過網絡連接到云計算中心，獲取按需、共享和可配置的計算資源，與云形成一個綜合平臺。這種計算方式為我國龐大的視頻監控網提供了存儲、檢索、分析等方面的強大支撐；作為云計算的補充，邊緣計算指在靠近物或數據源頭的一側，為攝像頭等終端設備就近提供服務，如果說云計算提供強大的全局結構化數據推理分析和資源管控力，那么邊緣計算則提供快速、敏捷、高效、精準的實時響應；而霧計算則相當于“更貼近地面的云”，可以創建分布于不同地方的云服務。

在萬物互聯的“賽道”上，云計算、霧計算等計算“選手”也各有所長。然而，有時單個“選手”無法滿足需求各異的應用場景，怎么辦？“混合計算”就扮演著協調每位“隊員”的“教練”角色。那么，“混合計算”究竟是什么？有何應用？

萬物互聯時代需要更強算力

據測算，到2020年，全球聯網設備的數量將達到500億臺；到2025年，萬物互聯的銷售收入將達到1.6萬億美元；到2030年，物聯網產生的數據量將達到4.4ZB（澤字節）。

“當前數據從消費端到生產端、從設備到數據本身，萬物互聯市場已呈現出爆發式增長態勢。而大數據和物聯網技術對數據處理能力的要求很高，這就需要充分挖掘算力。”復旦大學大數據試驗場研究院、上海市數據科學重點實驗室副研究員張帆說。

“‘混合計算’就是試圖利用5G的萬物互聯能力，綜合利用云計算、霧計算、邊緣計算等計算方式，實現高效協同計算。”福建工程學院科研處處長、福建省北斗導航與智慧交通協同創新中心主任鄒復民教授介紹道，“混合計算”這一概念最早由蔣志祥在WMIC 2018世界移動互聯網大會上提出。這一概念的形成，歷經了多年的發展。

談及其技術原理，張帆說，“混合計算”借鑒了異構計算的思想——用不同的計算資源處理適合該結構的任務。異構計算的概念提出的時間很早，但受實現條件限制，直到近年才得到了巨大的發展。

隨著萬物互聯市場的發展，產業界逐漸認識到單一的計算方式不能解決所有問題，為此針對不同計算方法各大廠商展開了積極探索：英特爾公司在2015年收購阿爾特拉公司，同時著手開發芯片內可重構技術；賽靈思公司在2015年實現了編程環境的統一；百度在2016年開始推進“百度大腦項目”，試圖在一個計算體系內實現多種算力的混合……

2018年1月4日，工業互聯網產業聯盟正式發布了《工業互聯網平臺白皮書（2017）》，其中關于工業互聯網平臺功能架構圖的內容，已經初步陳述了邊緣計算和云計算進行協同計算的理念。不僅如此，華為、西門子等公司也針對“邊云協同”不斷地進行探索。

不同計算方式協同處理問題 賦能各類場景

在不同的應用場景，云計算、霧計算、邊緣計算等計算方法展現出的優勢也不同。

以公共安全視頻監控為例，前端攝像機要提高實時性、在本地完成圖像識別，就需要將AI算力注入邊緣，而在邊緣處理過的數據則需要上傳至云端，以便進行綜合分析；又如，智慧交通領域中，車輛在自動行駛時遇到緊急情況，需要邊緣計算技術在毫秒級時間內做出判斷，而交通誘導則需要立足于云計算對交通大數據的綜合分析與挖掘。

張帆認為，與早前單個計算方法不同，“混合計算”將各類計算方法進行排列組合，構建出某領域專用的高效應用組件，從而更好地滿足無線互聯、視頻處理、圖像識別、智能制造等多領域的高效處理需求。

再如，在無人駕駛領域，可綜合利用邊緣計算、云計算和人工智能（AI）技術：用邊緣計算傳感器收集數據，將數據發至云端，傳感器融合、虛擬世界模型更新都在云端實現；AI在“云”中確定行動計劃，并通過云端向汽車發布控制命令。

鄒復民說，“混合計算”的技術平臺可以部署在從消費級各類應用、到智慧城市級各類應用、到農業溯源區塊鏈的各類應用、再到未來最具增長的工業互聯網各類應用。

在技術和應用層面存在諸多挑戰

混合計算作為新興概念，目前尚未有成熟的技術方案和框架。從其概念中也可以看出，其面臨的挑戰之一就是連通性。隨著連接設備數量的劇增，網絡管理、靈活擴展和可靠性保障等方面都面臨著巨大挑戰。

以工業互聯網為例，其存在大量的異構總線和多種制式的網絡，它們在兼容多種連接的同時還需要確保連接的實時性和可靠性。在此基礎上，要實現數據協同，則需要跨廠商、跨平臺的集成與操作。

面對海量復雜的應用環境，如何將任務準確、完整地下達到各計算節點；通過計算節點計算后，如何將有效信息整合到任務中進行反饋、又如何抵御網絡攻擊保障安全與隱私……這些都是對“混合計算”協同能力的重要考驗。