云计算、雾计算、边缘计算 把这些“计算”混着用，会怎样

视觉中国

　　在万物互联的“赛道”上，云计算、雾计算等计算“选手”也各有所长。然而，有时单个“选手”无法满足需求各异的应用场景，怎么办?

　　“混合计算”就扮演着协调每位“队员”的“教练”角色。在日前举办的2019年中国(北京)国际服务贸易交易会上，分享通信集团董事局主席蒋志祥作了关于《“混合计算”赋能金融科技》的演讲，引起热议。

　　那么，“混合计算”究竟是什么?有何应用?科技日报记者就此采访了相关领域的专家。

　　万物互联时代需要更强算力

　　据测算，到2020年，全球联网设备的数量将达到500亿台;到2025年，万物互联的销售收入将达到1.6万亿美元;到2030年，物联网产生的数据量将达到4.4ZB(泽字节)。

　　“当前数据从消费端到生产端、从设备到数据本身，万物互联市场已呈现出爆发式增长态势。而大数据和物联网技术对数据处理能力的要求很高，这就需要充分挖掘算力。”复旦大学大数据试验场研究院、上海市数据科学重点实验室副研究员张帆在接受科技日报记者采访时说。

　　“‘混合计算’就是试图利用5G的万物互联能力，综合利用云计算、雾计算、边缘计算等计算方式，实现高效协同计算。”福建工程学院科研处处长、福建省北斗导航与智慧交通协同创新中心主任邹复民教授介绍道，“混合计算”这一概念最早由蒋志祥在WMIC2018世界移动互联网大会上提出。这一概念的形成，历经了多年的发展。

　　谈及其技术原理，张帆说，“混合计算”借鉴了异构计算的思想——用不同的计算资源处理适合该结构的任务。异构计算的概念提出的时间很早，但受实现条件限制，直到近年才得到了巨大的发展。

　　随着万物互联市场的发展，产业界逐渐认识到单一的计算方式不能解决所有问题，为此针对不同计算方法各大厂商展开了积极探索：英特尔公司在2015年收购阿尔特拉公司，同时着手开发芯片内可重构技术;赛灵思公司在2015年实现了编程环境的统一;百度在2016年开始推进“百度大脑项目”，试图在一个计算体系内实现多种算力的混合……

　　2018年1月4日，工业互联网产业联盟正式发布了《工业互联网平台白皮书(2017)》，其中关于工业互联网平台功能架构图的内容，已经初步陈述了边缘计算和云计算进行协同计算的理念。不仅如此，华为、西门子等公司也针对“边云协同”不断地进行探索。

　　将各类计算方法进行排列组合

　　在不同的应用场景，云计算、雾计算、边缘计算等计算方法展现出的优势也不同。

　　邹复民以智慧交通应用场景为例介绍道，车辆在自动驾驶时，若要启动防碰撞紧急制动装置，需要计算平台在毫秒内做出判断，这就要应用到边缘计算技术;而交通拥堵分析及智能诱导功能，则应用了云计算技术，通过云计算中心对交通大数据进行综合分析与挖掘，得到最终的诱导方案。

　　张帆认为，与早前单个计算方法不同，“混合计算”将各类计算方法进行排列组合，构建出某领域专用的高效应用组件，从而更好地满足无线互联、视频处理、图像识别、智能制造等多领域的高效处理需求。

　　张帆举例道，在网络视频业务场景中，工作人员就可以协同运用边缘计算和云计算这两种计算方式。比如，在进行直播推流(把直播内容传输到服务器)时，首先利用云计算技术将数据进行存储、收集，然后可利用边缘计算在就近节点进行转码和分发，减少了对云计算中心的压力，节省了中心带宽成本，同时实现网络低时延，进而提高了直播质量和用户观看体验。

　　再如，在无人驾驶领域，可综合利用边缘计算、云计算和人工智能(AI)技术：用边缘计算传感器收集数据，将数据发至云端，传感器融合、虚拟世界模型更新都在云端实现;AI在“云”中确定行动计划，并通过云端向汽车发布控制命令。

　　邹复民说，“混合计算”的技术平台可以部署在从消费级各类应用、到智慧城市级各类应用、到农业溯源区块链的各类应用、再到未来最具增长的工业互联网各类应用。

　　在技术和应用层面存在诸多挑战

　　“‘混合计算’目前还主要停留在概念阶段，未见成熟的技术方案和框架。”邹复民说，要真正实现各种计算协同的“混合计算”，在技术和应用层面，还面临着诸多挑战。

　　随着连接设备数量的剧增，网络管理、灵活扩展和可靠性保障等方面都面临着巨大挑战。张帆举例说，以工业互联网为例，其存在大量的异构总线和多种制式的网络，它们在兼容多种连接的同时还需要确保连接的实时性和可靠性。在此基础上，要实现数据协同，则需要跨厂商、跨平台的集成与操作。

　　面对海量复杂的应用环境，如何将任务准确、完整地下达到各计算节点;通过计算节点计算后，如何将有效信息整合到任务中进行反馈……这些都是考验“混合计算”协同能力的重要指标。

　　“不仅如此，在万物互联的场景下，涉及访问控制与威胁防护等安全问题的挑战大幅增多，安全和隐私如何得到保证、如何抵御攻击，这些都是安全领域需要关注的重点内容。”张帆说。

　　针对应用层面存在的障碍，张帆认为，“混合计算”中各种计算协同进行工作后，其应用场景将会越来越多、越来越复杂。如在车联网应用中，多种传感器和采集器之间的协同、汽车之间的协同、汽车端与云端之间的协同等场景将会越来越复杂。

　　同时，张帆也指出，“混合计算”在万物互联时代要能保证在不同应用场景实现落地，仅依赖5G的高速率、低延时是远远不够的。在不久的将来，随着网络通信能力的提高、“混合计算”各种协同问题的解决以及产业链的完善，“混合计算”的能力才能被充分发挥出来，赋能各类应用场景。