边缘计算是什么， 处理器、算法和存储器的介绍

什么是边缘计算

最近，边缘计算成为了人工智能和物联网领域非常热门的关键词。

人们对于人工智能和物联网的最初设想是，在云端有一个异常强大的数据中心，而物联网各个节点负责采集数据交给云端，云端在根据数据分析并做决策后再把结果发还给终端。在这种模型中，云端负责智能计算，而终端节点负责数据采集以及决策执行。

然而，这样的设想在实际实现中遇到了不少困难。第一个困难来源于数据传输的开销。物联网节点通常都使用无线网络与云端做数据传输，而如果物联网节点把不加任何处理的原始数据一股脑全部传到云端，会导致带宽需求爆炸，网络基础架构没法支撑如此高的带宽。开销的另一部分是无线传输的功耗，如果把数据不加任何处理就传输到云端，那么终端节点的无线传输模块必须支持高速无线传输，这就意味着无线模块需要很大的功耗，与物联网节点低功耗的设想不符。第二个困难在于延迟。许多节点执行的任务对于延迟非常敏感，例如无人驾驶，例如安防，在这些应用中网络传输带来的延迟（几十毫秒以上，有时候网络信号不好会带来数秒的延迟甚至掉线）无法被接受。

考虑到这些问题，边缘计算就成为了解决方案。在边缘计算中，终端节点不再是完全不负责计算，而是做一定量的计算和数据处理，之后把处理过的数据再传递到云端。这样一来延迟和带宽的问题可以解决，因为计算在本地，而且处理过的数据一定是从原始数据中进行过精炼的数据所以数据量会小很多。当然，具体要在边缘做多少计算也取决于计算功耗和无线传输功耗的折衷——终端计算越多，计算功耗越大，无线传输功耗通常就可以更小，对于不同的系统存在不同的最优值。

对于边缘计算系统，处理器、算法和存储器是整个系统中最关键的三个要素。下面我们仔细分析这几个元素。

用于边缘计算的处理器：要多通用？是否要上专用加速器？

常规物联网终端节点的处理器是一块简单的MCU，以控制目的为主，运算能力相对较弱。如果要在终端节点加边缘计算能力，有两种做法，第一是把这块MCU做强，例如使用新的指令集增加对矢量计算的支持，使用多核做类似SIMD的架构等等；第二种是走异构计算的思路，MCU还是保持简单的控制目的，计算部分则交给专门的加速器IP来完成，目前正火的AI芯片其实大部分做的就是这样的一个专用人工智能算法加速器IP。显然，前一种