目录
一、什么是边缘计算
1.1 边缘计算的定义
1.2 边缘计算的作用
1.3 边缘计算的关键技术
1.4 边缘计算的应用场景
一、什么是边缘计算
1.1 边缘计算的定义
边缘计算（Edge Computing）是一种分布式计算范式，它将计算任务和数据存储从中心化的云服务器推向网络的边缘，即接近数据源和用户终端的地方。边缘计算通过在网络的边缘执行计算任务，减少了数据传输的延迟，提高了响应速度和数据处理效率。
简单理解，就是大量的运算放到距离业务发生更近的地方，而不是在客户端采集数据，云端计算，再把结果回传。
举个不恰当的例子，就是javascript很多浏览器效果，是在客户端完成的，服务器端并不知道，真正要提交数据时，服务器端才去运算。这保证的很好的用户体验和速度，同时，数据隐私、安全性，又会受到一定的影响。
1.2 边缘计算的作用
- 降低延迟：通过将数据处理和分析任务放在靠近数据源的地方执行，边缘计算可以显著减少数据传输的延迟，这对于实时应用（如自动驾驶、远程医疗等）至关重要。
- 减轻网络负担：边缘计算可以减少传输到云端的大量原始数据，从而减轻网络带宽的负担，提高整体网络的效率。
- 增强隐私和安全：由于数据在本地或附近进行处理，而不是传输到远程的云服务器，边缘计算可以在一定程度上增强数据的隐私性和安全性。
- 支持离线功能：即使在没有网络连接的情况下，边缘计算设备也可以继续执行一些基本的计算任务。
- 扩展性和灵活性：边缘计算允许根据需要在网络的不同部分部署和扩展计算能力。
1.3 边缘计算的关键技术
- 容器化技术：如Docker和Kubernetes，这些技术使得应用程序和其依赖项可以被打包成容器，轻松地在不同的边缘设备上部署和管理。
- 微服务架构：通过将应用程序分解为一系列小型、独立的服务，微服务架构支持在边缘环境中进行灵活的部署和扩展。
- 数据压缩和优化技术：这些技术有助于减少在边缘设备和云服务器之间传输的数据量。
- 边缘智能：包括在边缘设备上执行机器学习和人工智能算法的能力，以实现实时的数据分析和决策。
- 雾计算：与边缘计算相似，但更强调在网络的不同层级（从边缘到云）之间分配计算资源。
- 安全性和隐私保护技术：包括加密、匿名化、访问控制等，以保护在边缘环境中处理和传输的数据。
1.4 边缘计算的应用场景
- 自动驾驶汽车：边缘计算可以在车辆上实时处理来自各种传感器的数据，以实现快速的决策和响应。
- 智能制造：在工业自动化领域，边缘计算可以支持实时的生产监控、质量控制和故障检测。
- 智慧城市：通过部署在城市各处的传感器和执行器，边缘计算可以支持智能交通管理、环境监测和能源管理等应用。
- 远程医疗：边缘计算可以在医疗机构或患者家中提供实时的健康监测和诊断支持。
- 媒体和娱乐：在内容分发网络（CDN）中，边缘计算可以提供更快的内容传输和流媒体服务。
- 物联网（IoT）：边缘计算可以处理和分析来自大量IoT设备的数据，支持各种智能家居、智能农业和智能物流等应用。
真正在应用中，目前更多的场景是混合计算，全靠边缘不行，全上云，也经常会有实际的困难。比如我说几个场景。
比如你搞视频监控，同时使用AI技术做机器视觉分析，例如灾害预警、工人吸烟，被监控区域的网络条件很差，这种需要发现问题，就立刻制止的场景，就很适合做AI和边缘计算的结合。等你一段视频传到云端，都1分钟过去了，一根烟都抽完了。你说是不是？
二、边缘计算在无人零售中的应用
上图仅为示例。
相信大家都用过智能无人零售机器，从2020年开始，最火爆的，就是开门柜了。
微信或者支付宝扫码（扫脸）授权免密支付，开门取物，关门自动结算。这个体验真是特别的爽，而且这种柜子的价格，是传统无人零售机器的三分之一左右。
这是如何实现的？
核心就是AI动态视觉。智能柜从开门一刻起，开始拍摄视频，关门后，中控将视频传输到云端，AI识别商品，基本都是从商品云库中对比，云库中的图片，一般要按要求，拍摄4-6张，不同的角度不等。
初步识别后，如果场景非常简单，购买迅速，无遮挡，则自动就会生成订单，人工后期复核即可。如果比较复杂，置信度不高，将会推给人工，进行人工识别，生成订单。
这其中，时间最长的，就是视频传送这个过程。柜子网络基本上行在10M-20M，下行在100M，视频到云端大家就要30秒-1分钟，这个体验是不太好，消费者感觉半天没来订单，不知道扣费了没有，扣错了没有。
这时，有一些方法就出现了，第一是配合重力、RFID等方式，第二，就是边缘计算。视频直接在柜端就进行识别，生成订单，扣费，10秒内就能收到消费信息，体验非常好，促进客户的二次复购，如果优惠推送的及时，甚至当时就能再去开门购物。
这就是边缘计算最大的魅力！在其他任何场景，都是一样的！
当然，也会有一些问题，不过瑕不掩瑜，随着边缘计算模块价格的降低，这确实是一条提高GMV的新路。
