很多人担心5G会变成大鱼吃小鱼，小鱼吃虾米的游戏。
因为大鱼还是那几条。
BAT之外，就是三大通信运营商、华为等有实力的硬件巨无霸，以及一票云服务商。
小鱼也不同凡响。
AI、车联网、全屋智能、手机、直播、短视频等领域都有迷你巨头。
虾米就太多了。
不少实体企业，在互联网和移动互联网时代当了背景墙，甚至是技术革命的牺牲品，这次拼了命也不会错过捡漏的机会。
今年1月任正非有个判断：
“实际上5G没有那么大的作用，人类的社会也没有那么需要5G，5G的需求到来还有很长一段时间，而不是浪潮式的，5G的发展一定是缓慢的。”
很遗憾，大部分人没能准确解读这话的含义。
对消费者来说，5G的感知有一个过程，第一阶段的冲击主要释放在产业层面，5G的热，热在呼应了消费互联网向产业互联网升级的大趋势。
5G的关键能力是大带宽、大连接、低时延，背后对应着四个能力，高速度、高密度、低功耗、泛在网，能把这些能力整合到极致的是什么？
答案是边缘计算。
所谓边缘计算是指以往集中在云端的算力（或者你可以理解为数据处理能力）向产生数据的终端沉降，好处是极大提升了线下场景的响应。
华为在一篇科普文中将边缘计算比做章鱼，触角拥有比大脑更多的神经元，每根触角都可以独立思考，独立运作，这对终端硬件和服务行业的确是天大的好消息。
四肢发达，头脑真的可以简单！
边缘计算的优势体现在四个方面。
1．场景关联，边缘计算与信息源、数据产生的场景以及设备终端的关联度很高，提炼处理信息的能力可能要强于传统的集中式云服务。
2．低时延，因为算力本身沉降到了终端设备，即使5G时代这个速度优势仍不可忽视。
3．高带宽，这使得边缘计算产生的数据可以与集中式云服务进行交互。
4．位置认知，作为移动互联网和移动应用的融合，支持每个设备的位置判断。
所以，边缘计算带来的第一个重要变化是角色互换。
举个例子，传统的电化教育学校需要配备很多电脑，所做的事情其实高度同质化，如果有了边缘计算所有设备只保留屏幕即可；比如安防厂商，以前KPI都在硬件层面，提升摄像头清晰度，让云台更好用等等，但今天的很多能力是基于算力产生的，比如人脸识别等，全用硬件解决不可取，因为成本非常不合理，如果将算力提到云端，实时传输的压力又很大；再比如工业互联网，生产型企业的设备会产生故障、报警等信息，如果及时在终端决策处理，有助于提升整个系统的冗余和弹性。
这些问题反映了两个现实困扰。
其一，以上情况云服务都有解决方案，但成本不低，而且大企业或规模化企业园区对于数据和信息安全特别敏感，因此算力下沉的需求很迫切。
其二，像移动、电信、联通这样的运营商过去只能被动成为流量管道，云服务的支配权掌握在微软、谷歌、亚马逊、阿里、腾讯等科技互联网巨头手中。
中国移动就表示将在今年评估100个部署边缘计算的试验节点，引入100个合作伙伴，联通联合华为承诺投入数十亿元资金用于边缘计算全网规模部署。
5G和边缘计算提供了一个破局机会，大连接支持海量设备，低时延意味着数据传输突破瓶颈，随之而来的是所有参与者的角色重构。
1988年成立的欧洲电信标准化协会（ETSI）提出了边缘计算（Mobile Edge Computing，简称MEC）架构，寻求利用5G的关键能力在网络边缘形成IT环境。
这既有可能让拥有大量基站的通讯运营商成为边缘计算的天然终端，也有可能给一些大型实体企业带来自主权。
很多拥有线下场景的企业将因此受益，比如自动驾驶，一天要产生4TB的数据，自行存储和处理无疑是最佳方案，对于智能家居、共享单车、游戏等行业都可以降低成本，当然更能加强滴滴顺风车等产品的风险控制。
这并不意味着云服务巨头的能力受到削弱，云计算擅长全局性、非实时、长周期的大数据处理分析，与边缘计算的效率、成本优势正好互补。
第二个变化是从技术驱动转向需求驱动。
过去的几次技术革命大多是科技互联网巨头主导，传统企业和实体经济被动参与，导致一些信息代差，边缘计算有可能第一次改变这种局面。
今年2月的MWC上，除了折叠手机、AR、VR设备、高通的SoC移动平台以及5G基带芯片等不断亮相，最热的就是关于边缘计算的技术和设备，英特尔去年已经发布过芯片、板卡和软件工具组成的边缘计算全栈式解决方案，浪潮、中兴首发了边缘计算服务器，边缘云等概念更是盛极一时。
整个行业呈现出投资加速、提前布局、预热概念，抢跑落地的态势。另一方面，终端需求再次成为刺激边缘计算的核心动力。
其中，时延敏感场景是主力军。
直播短视频、云游戏、智能车联、自动驾驶等应用方向，对用户体验的改善最为直观，场景也趋于成熟，有可能是边缘计算最先爆发的产品。
同时，边缘计算也会带动产业链的整体进化。
边缘计算本质上是一种与场景密切相关的下沉云服务，标准路径与集中式云服务相同，都是先有基础设施，再有软件平台，最后落地应用服务。
随着5G商用，边缘计算虽然会让终端智能化的门槛变低，但在应用和安全层面还有不少技术难点等待克服。
首先，边缘计算的典型玩法应该是先由终端设备过滤和处理简单信息，然后将重要数据上传云端，因为下沉算力很难运行大型的数据处理软件。
所以边缘计算实质上是一种基础算力的迁移，并不是代替传统的云服务，这也意味着在某些情况下大量应用的成本值得考量。
另一方面，大量终端设备来自不同厂家，运行不同的系统，兼容性存在差异，边缘计算的统一部署并不容易，涉及轻量级函数库和内核的支持。
同时，传统云服务大多支持用户在目标平台上编写和编译程序，然后运行到云服务器，亚马逊就有Lambda，方便性和透明性不言而喻，而在边缘计算模型下部署用户应用程序的时候，码农就面临极大挑战，至少现有的编程模型都不合适。
再就是算力调度问题。云计算会将超负荷任务转移到闲置节点，边缘计算只能根据任务类型和设备本身的计算能力进行动态调度，这并不容易。
最后也最大的难题是与终端企业的合作。
对于传统的云计算来说，专业人员通过供访问接口处理数据，不需要深入业务场景，边缘计算正相反，设备和算力都在生产端，系统在设计时就需要与服务的行业密切合作。
在这场全民狂欢中，技术不再天马行空，边缘计算有可能打破互联网和实体经济的藩篱，最后促成产业互联网的大融合。
京公网安备 11010202008829号