自 2006 年云计算正式在科技世界中展露头角，近 13 年的迅猛发展，2019 年云计算市场早已不同以往。回顾昨日，2018 年风口浪尖上的云计算，“人人说云，事事上云”，各大中型企业到初创企业纷纷把不同类型的应用服务迁移到云上，寻找上云最佳途径。再看今朝，AI、物联网、5G 等新兴技术的发展落地，不断拓宽着云计算的实践边界与应用空间。

　　与云计算互补：AI 推动边缘计算应运而生

　　从云计算对传统 IT 架构的颠覆性变革，到 AI 构建模型与算法的智能世界，再到万物互联的 IoT 悄然崛起，云计算以排山倒海之势拉动着 IT 产业链的发展，而人工智能和物联网也一直都是社会普遍关注的焦点话题。

　　值得注意的是，近两年，与我们生活息息相关的智能服务随处可见，但其底层的 AI 技术或者说机器学习技术却已拥有着超过 50 年的悠久历史。要说“人工智能”为何在近几年才逐步走近人们的生活，这与云计算有着密切联系。2006 年云计算的诞生，预示着人工智能拐点的到来，数据量越来越大，计算能力越来越强，过去不实用的 AI 技术到了 2006 年也都逐步进入实用阶段，可以说，是云计算让 AI 技术更加接近企业与消费者，并不断利用 AI 技术驱动着产业变革。

　　技术发展总是相互贯通的，随着数十亿的智能设备在住房、工厂、医院、汽车等地普及开来，物联网技术的兴起必然是这个时代的又一场革命。随着物联网在各行各业的推广应用，我们急需一个解决方案来收集、处理、存储这些物联网设备所产生的庞杂数据，而云计算平台正是分析加工这些海量数据与连接的技术基石。同时，IoT 通常会在边缘端对设备进行管理和控制，很多的数据需在边缘进行实时决策，这就对边缘设备的智能化提出了更高的要求。

　　将机器学习智能引入边缘计算

　　边缘计算意味着把云计算的资源、计算、存储等能力带到更接近用户的本地边缘设备中，大量计算可以在本地直接处理，而无需把所有数据都发送到云端，实现本地事件的更快响应。

　　事实上，要想确保 IoT 应用程序能够快速响应本地事件，则必须以非常低的延迟获得推理结果，但这时如果把数据发送至云端，再等待云端的推理决策，这个过程就很难满足一些业务场景的需求。

　　例如，在很多智慧城市的智慧摄像头场景中，智能摄像头需要在边缘侧快速识别汽车牌照或者人脸等场景，如若把海量的视频数据实时上传到云端去做推理，这势必会带来大量不必要的带宽占用，并无法满足其对于实时决策的需求，这时就需要一个更加智能的解决方案来做推理。