边缘计算不是云的边角料
上周去苏州跟一个做厂区安防的客户聊，对方上来就吐槽，说之前上的集中式AI分析，传了三个月视频，带宽费花了快二十万，最后识别准确率还没到70%。
他蹲在机房门口抽烟的时候算过账，200路1080P摄像头，每路每秒4M的码流，全量传到中心机房，光是一年的专线带宽成本就够给两个运维发年薪。更闹心的是，赶上园区网络升级，专线断两小时，整个安防系统直接瞎了。
工业厂区弱电井边缘计算网关安装现场 
多节点边缘计算运维管理后台界面 
车路协路旁侧边缘计算机柜实景
先搞懂边缘计算到底省了什么
很多人对边缘计算的第一印象，就是把云服务器拆成小盒子，搬到离摄像头近的地方。 不对。 把需要毫秒级响应、大带宽传输的计算任务，从远端云下沉到距离数据产生端1跳以内的网络节点——这才是核心。 就拿那个客户的场景说，之前所有摄像头的原始画面全往中心机房传，200路摄像头一天产生的原始视频能有十几个TB，真正需要留存的告警片段，可能连10G都不到。相当于花大价钱把所有没用的空气都运到仓库里，就为了捡里面那点有用的碎渣。 后来他在每个厂房的弱电井装了台边缘计算网关，本地先跑AI模型，把未戴安全帽、消防通道堆物、周界入侵的片段先筛出来，只有这些告警片段走专线传到云端存档，剩下的无效实时画面，在本地跑10秒就自动删了。算下来带宽成本直接砍到原来的2%，专线断了也不影响本地的实时告警。省下来的带宽，要拿什么换
销售给客户讲边缘计算的时候，永远只说能省带宽，不说后面要填的坑。 第一个坑就是运维。 之前所有服务器都锁在中心机房的机柜里，一个运维小哥坐在监控室，点点鼠标就能管所有设备。现在边缘节点散在三个厂区、二十多个弱电井、甚至几个园区大门的岗亭里，要升级固件、要迭代模型、要排查硬件故障，全得人跑现场。 那个客户跟我说，去年冬天要给所有边缘盒子升级新的消防通道识别模型，他带着两个运维爬了整整一周的弱电井，楼道里的灰蹭得羽绒服都看不见原色。 边缘节点的分散性，天生和集中式运维的逻辑是拧着的。 云端出问题，一键回滚就搞定，网络断了等连上了再操作也不耽误事。边缘节点不一样，散在室外的机柜夏天能到60度，冬天零下十几度，有时候远程升级连不上，就得人扛着梯子爬上去重启。还有安全风险，之前所有视频数据都在中心机房，有防火墙、有访问权限控制，现在边缘节点的硬盘就放在没锁的弱电井里，万一被人拆走，整个厂区的监控视频全漏了。别被”全场景边缘”的概念忽悠
现在市面上的宣传总给人一种错觉，好像所有数字化场景都要上边缘计算，不上就是落后。 纯扯。 边缘计算从来不是万能药。对响应延迟要求低于200毫秒，且数据传输成本远高于本地计算成本的场景，它才划算。比如工厂里的机械臂视觉检测，要是把拍摄的画面传到云端再传回来结果，延迟个1秒，零件都被压变形了。比如路口的闯红灯识别，要是全靠云端算，等识别结果传回来，车都开过线十米了。 那什么场景根本没必要上边缘？比如公司门口的人脸考勤机，一天也就几千条识别数据，传云端花的流量费可以忽略不计，非要在每个打卡机里装个高算力芯片，纯纯浪费钱。 很多人把边缘计算和云的关系搞反了。不是谁替代谁，是云管长期的模型训练、全量数据的归档分析，边缘管实时的快速响应、非结构化数据的本地初筛。你要是把所有模型训练任务都丢到分散的边缘节点上，那成千上万个小盒子的算力加起来，都不如云端一台GPU服务器的算力强，纯纯的资源浪费。