雲、邊、霧計算市場分析

做者：周鵬遠
來源：雲排名
關鍵詞：雲計算(Cloud Computing)、邊緣計算(Edge Computing)、霧計算(Fog Computing)

過去十幾年，雲計算始終佔據了IT業的需求中心，是各種IT服務的主導解決方案。近幾年，邊緣計算、霧計算等小型分佈式解決方案逐漸崛起，並迅速受到普遍關注。本文將就這三種解決方案的關係和市場現狀和前景進行分析。

01背景知識

自2005年左右開始，雲計算的誕生改變了IT服務的存儲和運營方式，有效的幫助各種尤爲是中小型企業進行IT業務部署。邊緣計算是近幾年新興的一種解決方案，核心思想是將計算存儲資源部署在雲網絡的邊緣，即用戶附近。其實邊緣計算的方法早在上個世紀末期就已經被Akamai等服務商普遍應用在CDN的部署上，只是當時側重點侷限於內容存儲轉發。今天的邊緣計算擴展至計算資源的邊緣化部署。霧計算將邊緣計算進一步延伸至更小型、不穩定的用戶設備資源。

就係統特色而言，雲計算的資源集中式架構帶來兩個主要收益：

 1. 下降大規模系統管理運行邊際成本；

2.能夠爲客戶提供便捷的遠程服務，爲客戶節省了自建數據中心的成本。

由於以上兩個收益，能夠預見雲計算在將來至關長一段時間內依然會佔據市場主導地位。邊緣計算因爲更靠近用戶的資源部署，自然的爲客戶定製化隱私保護和下降延遲提供了有效保障。霧計算將這一特色進一步增強。能夠說從雲->邊->霧，延遲逐漸下降，隱私保護和客戶定製化逐漸提高。但同時，資源的性能和穩定性也逐漸降低，相同算力下的運營成本逐漸提升。

02市場分析

當前市場上，全球主要的頭部互聯網企業大多擁有本身的雲數據中心和雲服務產品，如Google，Facebook，Amazon，Microsoft，阿里，騰訊，百度等。主流的流媒體公司大多同時擁有云中心和CDN，如Netflix使用自家的Open Connect，Amazon Prime Video的CloudFront等。部分公司擁有專一於算力的邊緣計算服務，如Google的Anthos，Amazon的Lambda@Edge，和Microsoft的Azure IoT Edge等。霧計算最初由Cisco提出，因爲其客製化和小型架構特色，主要的目標產品爲解決方案，市場上的主要推進力是初創和小型公司。

市場數據報告顯示，雲計算市場會呈小幅穩定增加(圖1)，分析緣由主要是由於隨着雲計算的發展和世界各地數據中心的部署，雲計算市場已經趨於飽和，雖然一些相對落後地區還能夠提供一些剩餘市場，但空間有限。邊緣計算市場則會呈現接近指數增加趨勢（圖2）。當前普遍認爲隨着5G的推廣，基站到用戶的最後一跳的超低延遲的實現將大力推進邊緣計算尤爲是移動邊緣計算（MEC）的部署和市場發展。

固然，如前所述，雲計算依然是市場主體，與之相比，二者的市場存在數量級的差距。按照Statista的數據分析，2021年，邊緣計算的市場不到雲計算市場的千分之一。霧計算目前市場較小，網絡估值廣泛在千萬美圓級別。

圖1.雲計算市場預測（billion dollars）（來源：statista）

圖2.邊緣計算市場預測（million dollars）（來源：statista）

03X因素

X因素1：可信AI和隱私保護

目前隨着人工智能尤爲是深度學習的發展，數據的信息價值獲得史無前例的深層挖掘。雲計算能夠大規模地收集、存儲用戶數據，爲大數據學習提供了方便的平臺。然而，與此同時，用戶隱私也面臨着巨大的挑戰。深度學習能夠準確的剖析用戶的網頁瀏覽習慣、APP使用習慣，甚至生活做息規律等。雖然相關的法律法規能夠必定程度上起到監督督促的做用，但技術層面上用戶並無任何隱私保護手段。並且，即便服務商確實的使用了數據加密、數據匿名等隱私保護方法，也沒法徹底防止因黑客攻擊或系統故障致使的隱私泄漏。

邊緣計算和霧計算從物理層面爲這一挑戰提供了可行方案。只要邊緣和霧資源知足用戶數據處理算力需求，就能夠將用戶數據徹底保留在本地，從而提高了隱私保護的安全性。最近引發普遍關注的聯邦學習（Federated Learning）也爲實現邊緣AI（EdgeAI）提供了大規模分佈式解決方案。經過聯邦學習，用戶既能夠將數據留在本地邊緣/霧服務器保護本身的隱私，又能夠經過聯邦架構得到大規模數據的訓練效果。

能夠預見，日益增大的隱私保護需求將會激發愈來愈多的分佈式本地計算解決方案，從而進一步促進邊緣/霧計算的市場和需求。部分雲計算的任務和算力可能會向邊緣遷移。

X因素2：5G，延遲，帶寬

邊緣計算尤爲是MEC提出伊始曾經備受關注，許多LTE+MEC的解決方案應運而生，但願能夠將雲計算遷移到基站，進而下降用戶延遲提高服務質量。然而，人們很快發現，在LTE時代，基站到用戶這最後一跳（last mile）纔是雲端到用戶延遲的最大瓶頸。雲到基站的網段多采用光纖，延遲在幾毫秒到幾十毫秒之間。而LTE基站到用戶設備（如手機）的延遲常常能夠從幾十到幾百毫秒。所以即便把MEC部署在LTE基站裏，能帶來的延遲優化也很是小，與部署成本相比不划算。因此MEC在LTE時代並無被普遍部署，多存在於學術界的研究工做中。

5G令人們再次看到了MEC的但願。雖然最初的1毫秒延遲目標很難大規模實現，可是目前看來能夠將最後一跳的延遲下降至幾十毫秒如下。如前所述，與基站到雲的延遲相比，最後一跳依然是延遲瓶頸。可是，幾十毫秒如下的最後一跳延遲可使不少目前未能實現或者表現很差的服務成爲現實，好比移動加強現實（MAR），移動虛擬現實（MVR）。屆時，MEC的大量需求會進一步帶動邊緣計算市場的發展。

04總結

長遠來看，雲計算市場依然穩固，而且有望隨着如非洲等後發區域的逐漸發展而繼續增加並進一步趨於飽和。同時，邊緣/霧計算因爲相關新興產業和技術的發展，能夠在雲市場中分一小杯羹。二者合做關係大於競爭，畢竟不管是邊緣仍是霧計算等趨於本地的服務產品，要實現大規模的分佈式資源調動和服務部署，依然須要依靠雲計算的中心調度能力。