随着亚马逊、阿里、华为、微软等巨头的战略布局，边缘计算已经逐步成为互联网时代的另一新爆点。未来边缘计算不仅能就近提供智能互联服务，还能满足行业在数字化变革过程中的关键需求。但需要注意的是，与物联网有着“亲密关系”的边缘计算，不管在安防行业还是工业，要实现落地，应用必将是最核心的问题。
然而要想了解这其中的逻辑关系，需要一步步来解析：
什么是边缘计算?
广义的说法是在靠近用户数据和访问侧，提供低延迟、高可靠、高可用、就近弹性的计算服务，满足客户在实时业务、应用智能、数据就近处理分析、数据安全和隐私保护等方面的关键需求，可灵活配置管理大规模边缘计算应用。
云计算与边缘计算之间的关系如何?
边缘计算与云计算究竟有什么联系，我们可以用一句话概括：“如果把云计算比作整个计算机智能系统的大脑。那么边缘计算就是这个系统的眼睛耳朵和手脚。”
当前业界普遍认为云计算和边缘计算是一种共生关系。对于需要及时响应，算法相对简单的计算，利用边缘计算处理;对于非计算响应，算法复杂的计算，在云计算中进行。而未来将是前端智能+边缘+云的组合。
前端智能
随着AI芯片及嵌入式感知系统不断成熟发展，前端智能设备的算力不断增强，可以完成更为复杂的视觉计算功能，从而将检测、识别、分类的结果在前端进行实时应用。前端智能化处理还能按需将高质量结构化数据及分析结果传输至后端，减少丢包、压缩造成的信息丢失或误差，提升智能分析的准确性。
前端智能的载体一般是具备一定计算能力的硬件设备，可以实现不同智能功能。前端智能设备向上对接云端平台或者边缘计算单元，向云端推送视音频流以及结构化的数据，还可以对外围设备进行管理并响应直播云端的消息(可根据云端需求不同输出门禁信息、报警)等。
边缘计算
边缘计算节点主要是就近收集和存储智能前端的各类异构数据、就近管理和调度智能计算资源，满足不同场合对智能分析的即时响应、即时分析的需要。对于多级业务的复杂系统，边缘计算节点相应各个分级的应用，满足不同级别系统的计算需求。边缘计算节点可以接收、整合、传递智能前端的结构化数据，也可以根据需要调配算力，应用不同的算法对当前分级内的数据进行智能分析，实现智能应用。
单个的边缘节点可以将本级内智能前端以及边缘计算所需的存储资源以及计算资源进行统一管理，根据需求调度智能算法，结合边缘计算节点的智能分析能力，实现在本级内完成所有预定的智能功能;多个边缘计算节点可以根据需求组合，形成一个智能网络，在网络中对数据进行加工、交换数据、共享计算结果。
云计算
云端计算平台除了完成对前端智能设备和边缘计算节点的管理功能外，还可以完成智能分析功能。云平台根据需求分配计算和存储的资源，按照业务的需求调度智能分析算法、大数据分析算法。
云端计算平台对来自边缘计算节点的结构化数据进行更高层级的智能分析处理，比如更多数据库容量的人脸比对、更大时间宽度和空间跨度内的事件关联分析等。大数据分析算法对智能前端、边缘计算节点所返回的结构化数据智能分析处理，支撑多维大数据的综合事件分析、逻辑分析、决策分析。
总结来说，云端计算平台、边缘计算节点、智能前端之间相互结合可实现多层次的智能分析。
与云计算相比，边缘计算在安防行业中具有哪些应用优势?
事实上，市场上存在着两类边缘计算，这点要从物联网的实际场景需求分析：
2020年将有500亿设备联网，将会带来两大难题：如何管理这些联接以及如何传输和处理这些流量?而这两大难题的解决应该要依靠两种边缘计算平台。
一种为解决联接，一种为解决流量。前一种主要解决互联网和物联网之间协议转换等问题，一般提供物联网网关类云服务。后一种主要解决海量的流媒体或数据流量的传输，一般采用CDN的边缘节点来提供边缘计算服务。所以边缘计算在物联网技术架构中是处于广域网/传感器和云计算之间的，提供的是就近的数据处理和数据访问，如下图所示：
边缘计算和安防行业有何关系?
现阶段物联网设备中摄像头及摄像头模组占了非常大的比例，任何智能家居设备及道路监控，凡是需要做图像数据采集进行分析和反馈的场景都会需要摄像头，而安防行业的核心终端设备就是摄像头。曾经安防行业因为存储和设备整体方案的昂贵成本一般只应用于公共交通、酒店、楼宇、园区等场景中，现如今随着成本的降低，家庭安防、新零售、商业中心等也在逐渐赋能智能安防。
但如何让私有与公有网络的成本、性能、智能分析兼顾，越来越成为商业智能落地的关键。
边缘计算可就近计算的特质，让其一方面可对人脸数据、人群分析、生物识别、商品识别等分析结果进行高效的处理，让原先智能场景不再需要在现场布署昂贵笨重的硬件设备，极大提高智能场景的落地效率和复制速度;另一方面分布广泛的摄像头也因为边缘存储服务的就近存储，可以把海量的监控数据就近存储起来，提供了就近高速可存可分析的业务体验。
边缘计算的这两个优势使得安防行业与之紧密联系在了一起，在边缘计算的部署下安防场景能够更好更快地落地实施。
边缘计算如何在安防行业落地?
边缘计算在安防行业落地需要分两类场景：
第一类是私有网络：通常采用边缘存储私有化+边缘计算私有化部署，该方案的优点是可内网保证数据私密性，可打开网络出口，把数据备份到公网上，本地计算资源不足时也可打开公网出口，业务降级到中心计算资源去计算处理。
第二类是互联网：与私有网络不同，互联网因为公网的问题通常会存在几个痛点：
1、链路质量问题。主要是设备到计算中心机房通信的延迟，同时网络链路不可靠。
2、私有协议和利旧问题。因为安防领域存在历史监控设备，不一定可以直接做嵌入程序升级，而很多厂家的设备也需要支持非标准的多媒体协议。
3、资源成本问题。本地摄像头的数据如果全部上传到存储，很多无价值数据也会占用传输通道和存储空间，如果能够就近处理删除无用数据，将减少很多资源浪费。
4、传输时效问题。尤其在监控历史数据迁移等过程中，长距离的到中心计算机房的传输会带来极大的时间成本损失。
在七牛云边缘计算解决方案中，其创新性的增加了边缘存储功能，使得就近的本地运营商可在本区域内就近服务，解决了链路质量问题和传输时效问题。而通过流式存储的接口和边缘计算容器化接入方式也可以解决私有协议和利旧问题，本地就近计算删除无价值数据完成了数据分拣也很好地解决了资源成本问题。
综上，边缘计算可以从运营成本、带宽利用率、丢包率、业务延迟等指标上给整个行业的性能和运营带来极大的改善，同时边缘计算的安防解决方案提供的一系列特性如流式上传、倍速播放、去SD卡化、边缘智能分析等也促使越来越多的监控厂商加入了升级的大潮。
边缘计算在安防领域落地畅想
安防领域作为物联网领域流量传输最大的场景，率先通过边缘计算驱动整体性能体验得到提升，下一步逐步实现商业智能、楼宇智能、小区智能的落地将会成为下一个物联网爆发点。
例如，在商超等应用环境中，可对顾客的性别分布、年龄分布等客观信息，并结合单位区域内逗留时间等维度信息进行分析，进而得到如何布署相关的商铺位置、如何集中餐饮等后勤服务力量的决策建议;在楼宇与小区应用中可减少非必要的安保人员，用机力代替人力，自动对出入的人员进行身份比对，对可疑人员进行身份报警;在社会治安应用中，可根据治安、反恐、社区可疑人员等信息结合时间频次信息等预测出可能出现的危险情况和安全隐患，从而组织治安力量更有针对性地进行社会管理。
边缘计算在安防领域的实践从根本上打破了原本“智能”应用落地的壁垒，让原本受限于计算力、传输环境、存储环境等诸多问题的应用设想得以实现。
