上个月，人民网搜狐号发布了一篇名为《边缘计算是继云计算、AI之后又一科技浪潮》的文章。
文中援引了网宿科技副总裁李东的话，表示边缘计算将是又一次信息革命浪潮。
边缘计算将是继云计算、人工智能之后的又一次信息革命浪潮。
——网宿科技副总裁李东
证据还有以下内容：爱立信最新发布的数据显示，到2020年预计会有500亿设备互联，其中50%的数据将在网络边缘侧处理。
相信很多朋友对边缘计算还处于“听说过，没见过”的阶段，这里先简单地介绍一下边缘计算。
它其实是一个很老的概念，简单地说就是
把一部分云计算的工作分布在了“网络边缘”
。
例如在街头，每一个安防摄像头的背后都有芯片在进行智能识别，将更清晰、更准确的照片经过筛选之后传递到后端的数据中心平台。
因为物联网产生的数据传输给云计算中心，将会加大网络负载，网路可能造成拥堵，并且会有一定的数据处理延时。
所以把“边缘的物”也变得智能化，让它们既能产生数据，又能处理和分析数据。这样就弥补了云计算的不足。
很多人把边缘计算比做章鱼。章鱼有60%的神经元分布在腕足上，这使得腕足能对周边环境迅速做出反应。
这种“一个大脑+多个小脑”的“分布式计算”方式，既能让章鱼在捕猎时异常灵巧迅速，又能让其腕足配合默契，不缠绕打结。
这个比喻虽然不是很恰当，但是形象地解释了边缘计算的工作原理。可以称为非常巧妙的比喻。
下面两幅图比较直观地描述了云计算和边缘计算的区别。
边缘计算在网络的边缘来处理数据的方式，能够减少请求响应时间、提升电池续航能力、减少网络带宽同时保证数据的安全性和私密性。
这些优势在物联网领域格外明显。在物联网时代，大量电子设备涌入互联网，产生海量数据，传统的云计算并不能及时有效地处理这些数据，边缘计算就派上用场了。
更快的传输和响应速度
对于直接运用于民生、市政甚至工农业的物联网体系来说，效率和速度意味着一切。尤其是精密的生产型物联网，决不能容忍民用终端的延迟率。
而云计算传输到云端，再把结果返回到终端的思路，显然不如边缘计算的就近原则来的快。要知道，再短的时间乘以整个终端的数量，都是令人震惊的产业效率。
摆脱了网络环境制约，也更加安全
举个例子，假如你的洗衣机、冰箱都是智能化控制的，而且依托于云计算。但你家没有停电，却断网了，那怎么办？无法进行云端传输，物联网设备就会歇业，岂不是是十分尴尬？
边缘计算解决了这部分网络环境的限制。并且避免数据上传云端带来的泄露风险，所以更适合物联网体系。
利用传统云计算的遗漏区域，产能比更划算
在整体上云的思路下，很大部分我们身边的运算能力将遭到放弃。这显然也是巨大的浪费，边缘计算将这部分能力调集了起来，形成了中心+分散的运算模式，产能比会更高，资源的利用率有大幅提升。
目前，边缘计算并不是替代了云计算，而是云计算很好的补充。
在涉及云计算的其他领域，边缘计算也有莫大的优势，如下边这些例子：
在人脸识别领域，响应时间由900ms减少为169ms
把部分计算任务从云端卸载到边缘之后，整个系统对能源的消耗减少了30%-40%。
边缘计算重新定义了“云-网-端”的关系，但它并不唯一，还有一个兄弟叫“雾计算”。
边缘计算和雾计算很容易被搞混。他们都是将部分数据分析和控制逻辑功能，放到应用场景的附近来实现。
不同的是
边缘计算是在终端计算，而雾计算则是局部的集中化计算。
用一个智慧家庭的(WiFi)网络来举例，一个App在手机内进行的脱网计算就是边缘计算，而家庭智能盒子(智能WiFi网关)则是雾计算的主体。
在一般的场景中，边缘计算会被部署在计算对象中，ECC（边缘计算联盟）定义了边缘计算的四个领域：
设备域
边缘计算在这一层，可以对感知的信息直接进行计算处理。
比如在视频采集、音频采集中直接部署智能鉴别的能力;又或者像手机一样，能够由语音输入直接转换成文字输出。
网络域
通过部署计算能力，实现各网络协议的自动转换，对数据格式进行标准化处理。
要解决物理网中数据异构的问题，就需要在网络域中部署边缘计算，以实现数据格式的标准化和数据传递的标准化(例如将所有的感知数据都换算成MQTT类型数据，并通过HTTP方式传递)。
同时，网络域的边缘计算，还能对“融合网络”进行智能化管理，实现网络的冗余，保证网络的安全，并可进一步参与网络的优化工作。
数据域
边缘计算，使得数据管理更智能、存储方式更灵活。
首
先，边缘计算可以对数据的完整性和一致性进行分析，并进行数据清洗工作，消灭系统中的“脏”数据。
其次，边缘计算可以对计算和存储能力以及系统负载进行动态地部署。
最后，边缘计算还能和云端计算保持高效协同、合理分担运算任务。
应用域
边缘计算提供属地化的业务逻辑和应用智能。
它使得应用具有灵便、快速反应的能力，并在离线的情况下(和云端失去联系时)，仍能够独立地提供本地化的应用服务。
目前，边缘计算主要有三种类型。这三种边缘将SPA(Sensing-Processing-Acting)部署到不同环境中来处理一系列不同的问题，以实现最佳的自动响应。
1. 个人边缘(Personal Edge)
这个边缘计算就在我们的身边。它包括家庭机器人、智能眼镜、智能药片，以及手表，家庭自动化系统和智能手机等。
个人边缘总体上是移动的。当我们在家庭和工作场所之间移动时，个人边缘计算设备进出于商业边缘区。
随着智能家居设备，数字健康和其他个人设备的普及，我们将在未来5年里听到更多关于个人边缘计算的信息。
2. 业务边缘(Business Edge)
这是最受关注的边缘计算类型。在业务边缘处连接的机器和人在这里汇聚。业务边缘在我们铺有地毯的办公室中，也可以在无地毯的领域，甚至在我们工作和娱乐的开放的地方。
许多物联网的讨论似乎假设这是唯一的边缘，同时每个物联网的讨论都表达了这种边缘计算的好处。SPA在这一领域尤其如工业物联网领域中集中发展的势头强劲。
3. 多云边缘(Cloudy Edge)
这是目前最少谈论的一类边缘计算，但是它是最老的一类边缘。
多云边缘是服务提供商或企业网络边缘的拓扑术语，其中业务首先从拨号调制解调器进入到家庭或者远程分支机构中的。
多云边缘从前只是一个没有任何计算能力的网络边缘。它们被称为PoP(存在的节点，points-of-presence)。
或许在未来某一天，我们可以享受到万物都是终端，同时万物都是计算中心的生活。但目前看起来完成大量的计算任务主要还是依靠云。
边缘计算的设想很精密，但落地的应用却很少，尤其高度适配各个领域的技术解决方案似乎还没有出现。综合来看，边缘计算走向实际应用还有距离，更有两个难以跨越的难关：
1. 边缘计算难以兼容异构。
也就是说如何让冰箱算洗衣机的数据、空调算手机的数据还没人回答。这就导致了真正能提供边缘计算能力的设备和网络非常稀少。
虽然边缘计算能借力打力，但压根没有可借的力就呜呼奈何了。
2. 边缘计算的智能化进度也让人疑惑。
我们知道，大数据处理和呈现，是高度依赖智能化的运算方式。将数据中心化集成，意味着可以通过不同算法整合处理，得到各种需要的结果。
但边缘计算的运算场景却无法兼容过多智能化处理方式，这就让运算体系间的适用性不高。说白了，边缘计算快是快了，但代价是必然比云计算笨上很多。
总而言之，边缘计算在很长一段时间里，是无法实际取代云计算的。更大概率是作为辅助手段与云计算相结合，作为补充手段和特定场景技术。
边缘计算很好的一个应用实例就是智慧城市。由于边缘计算的设计初衷是为了让数据能够更接近数据源，所以其在智慧城市中有以下几方面优势：
海量数据处理
在一个人口众多的大城市中，无时无刻不在产生着大量的数据，而这些数据如果通通交由云中心来处理，那么将会导致巨大的网络负担，资源浪费严重。
如果这些数据能够就近进行处理，在数据源所在的局域网内进行处理，那么网络负载就会大幅度降低，数据的处理能力也会有进一步的提升。
低延迟
在大城市中，有很多服务是要求具有实时特性的，这就要求响应速度能够尽可能的进一步提升。
比如医疗和公共安全方面，通过边缘计算，将减少数据在网络中传输的时间，简化网络结构，对于数据的分析、诊断和决策都可以交由边缘结点来进行处理，从而提高用户体验。
位置感知
对基于位置的一些应用来说，边缘计算的性能要由于云计算。
比如导航，终端设备可以根据自己的实时位置把相关位置信息和数据交给边缘结点来进行处理、边缘结点基于现有的数据进行判断和决策。
整个过程中的网络开销都是最小的。用户请求得以极快的得到响应。
智慧城市被分成了四个“物联网(大小)层级”：家、小区、社区、城市。
这四层各有应用和服务，服务范围和覆盖区域从家到城市逐渐扩大。
各层级中有部分应用相对独立，与上下层级无关;而另有一部分应用则会“层层升级”：家庭医生(家)>社区医疗(社区)>医疗卫生(城市)。
从物联网层级的角度来看，云计算和边缘计算的关系，会依据应用来区分：
对于各层级独有的业务，只需在对应层级独立部署针对性的计算能力(只需要“云计算”)。
对于穿透(关联)多层级的应用，需要从上至下都部署计算能力。下层计算和上层计算的关系就是边缘计算和云计算的关系。“社区医疗-社区”是“家庭医生-家”的“云”，而又是“医疗卫生-城市”的“边缘”。
“边缘”和“云”的关系互换：针对单个应用，可能会在(物理网的)上层级部署边缘计算，而在下层级部署云计算。
值得一提的是，某个应用(如社区商城)可能会出现下列情况：
应用的核心逻辑和预测分析主要部署在“社区”和“小区”中，针对地区人口的喜好售卖消费商品;应用需要从“城市”层级提取一些外部数据(例如商品的全市平均价格等等);
应用在“城市”中没有大量的应用域计算需求。若是如此，那么上层的“城市”对于下层的“社区”、“小区”而言就是“边缘”了。
理所当然，该应用在“城市”层域中部署的计算能力就是边缘计算。
最后附上部署或更新边缘站点时应考虑的五个问题。
集成基础设施
如果需要快速部署多个边缘站点或升级边缘技术以支持新的应用程序，那么集成的基础设施应当是首选。
目前的集成解决方案范围从完整的预制模块化数据中心到全封闭的机架，封闭机架的规格从标准高2米机架，到高1.2米机架，深度可以自行定制，满足各种需求。
这些系统都可以根据站点需求进行定制，包括IT设备运行所需的全部基础设施(电力、空调系统、安全等)，并且允许现场集成、快速部署。
事实上，只有最大的企业组织需要在边缘上有一个完整的数据中心，所以大多数应用程序都是由一列机架或单个机架系统来提供服务的。今天的一列机柜，最多可以支持多达14个机架，不仅包括集成电源保护和监控功能，而且还有专用的散热。
由于将热量封闭在热通道中，提高冷却系统效率。此外，封闭机柜可以轻松部署在现有房间，仓库货在现有的房间、仓库或工业空间中，只需对环境做极少的修改，缩短施工周期，降低环境建设成本。
较小的边缘站点可以利用闲置的单台机架。这些系统包括专用的散热，但如果他们只支持少量的IT设备，就无需这么做。在这种情况下，UPS、PDU和远程监控技术可在出厂前完成安装，机架大大现场， IT设备已准备就绪。
工厂集成的成列机架和单台机架系统的另一个好处是它们能够提供物理方面的安全性。所有设备都包含在一个可锁定的机柜或机箱中。当第三方必须共享机架时(例如，在零售商店中)，他们甚至可以配置多个可锁定的机架。
加强电源保护
与数据中心一样，边缘位置的可靠性取决于该地区电力基础设施。然而，与数据中心不同的是，在较小的边缘位置有一种趋势，那就是对机架有“不错的”电力保护。
随着边缘数据中心容量能力和重要性的升级，这种情况正在发生变化。 即使小型边缘数据中心电力结构也正在紧凑型双UPS系统转换，该系统能够完全滤除全范围的功率扰动。
例如由电梯电机或电风暴造成的功率扰动，而不会耗尽电池。
这些系统通常提供更高的可靠性，而且电池的更换频率低完全可以替代在线式UPS。
远程监控
不管是使用集成系统还是离散组件，对边缘站点的远程可见性都是监控性能和管理服务的关键。
UPS中的内置通讯卡可以收集并将操作和环境数据送达中央基础设施监控系统、基础设施管理系统或建筑管理系统。
跨多个边缘位置的持续监控为更好的安排预防性维护，对事件作出更快的反应，或者将电力系统监视外包给第三方服务。
智能配电装置通过提供对现场和设备功耗的分析，提高了UPS的监控能力。它们还提供了通过远程的转换开关来循环设备的能力
当与it管理工具相结合时。
例如串行控制台和kvm，它们提供来自中心位置的远程访问和管理，这些技术提供了对power系统以及它所支持的设备的可见性和访问性。
零排放冷却
2016年Vertiv冷却边缘调查确定了与小空间相关的两个新兴趋势：由于新设备和越来越多的关键性，功率密度更高。
曾经依赖建筑空调来维持环境条件的场所现在已经超越了这一战略，需要专门的热管理。 超过百分之五十的调查对象表示，他们可能会在未来一年将专门的冷却系统部署到网络室和服务器机房。
他们面临的挑战是空间限制。 幸运的是，零占地面积的热管理单元可用于管理散热，而不占用占地面积。 它们包括可配置的紧凑型高效天花板或壁挂式单元。
将新设备添加到边缘位置或规划新位置时，请花时间确定设备产生的热量以及建筑物冷却系统能否处理的阈值是多少。
技术支持
对于大多数IT部门来说，能够为中心位置的数据中心提供技术实时支持都充满挑战，更不要说对那些边缘站点提供技术支持。
许多企业组织都是将技术支持外包给其边缘站点——从计划安装及调试，远程监控和数据分析，预防性维护和更换电池，到应急响应，而不是对现有人员进行过滤或雇佣更多的人员。制定技术支持战略以提供计划和应急响应可减轻维护日益增长的网络的负担。
使用最佳实践可以帮助您以最小的压力获得对网络边缘部署的控制，从而实现当今分布式IT站点的容量，部署速度和可靠性要求，同时保持数据中心和网络的运行可靠而高效。
基础设施，正确配置的电源和散热，远程监控和生命周期支持都可以帮助IT人员管理远程IT。
边缘计算是继云计算、AI之后又一科技浪潮
来源：人民邮电报
近来，以美国为首的科技公司正掀起一场关于边缘计算的科技浪潮，包括欧洲、印度、中国在内的科技公司都争相涌入边缘计算领域。全球范围内有关边缘计算的“军备竞赛”正式打响。中国市场上，运营商、设备商、CDN服务商和云服务商都在大举布局边缘计算，以争取在边缘计算新战场的话语权。网宿科技副总裁李东在接受记者采访时表示，边缘计算将是继云计算、人工智能之后的又一次信息革命浪潮，CDN因其天然的分布式架构，将有望通过升级走向边缘计算的舞台中央。
随着万物互联时代的到来，海量设备联网带来的计算传输需求将倍增，大量的数据都产生在边缘，必须要实时进行边缘处理。物联网（IoT）成为世界公认的全球迈向工业4.0不可或缺的技术支柱。爱立信最新发布的数据显示，到2020年预计会有500亿设备互联，其中50%的数据将在网络边缘侧处理。麦肯锡预测，到2025年，物联网将带来高达11万亿美元的年度储蓄和新收入。
围绕着万亿美元级的巨大市场，中国的科技公司也在不遗余力地加大在边缘计算领域的布局。Gartner公司的云服务提供商研究副总裁特德·钱伯林则表示更看好CDN厂商在边缘计算领域的发展前景，“老实说我认为，对于边缘路由和交换、甚至对于DDoS（分布式拒绝服务）设备中的传统防火墙来说，最大的威胁来自真的能够夺取这个市场的CDN。直到最近它们才醒悟过来，意识到自己可轻松取代广域网边缘设备市场。”钱伯林说。
全球第二大CDN服务商网宿科技早前已宣布搭建统一的边缘计算平台，开放边缘计算资源及能力。本月22日，北京邮电大学还联合网宿科技发起成立了全国首个产学研结合的边缘计算联合实验室。
“云计算的诞生提升了数据时代的运行效率，但归根结底主要还是服务模式的创新，技术上并未出现颠覆性的创新，边缘计算要实现产业上的跨越式发展，技术上一定会有更颠覆性的东西出来。”李东在接受采访时表示。
早前，业内一名资深解决方案架构师也曾公开表示，CDN具备较强的边缘能力，尤其是在分发及存储方面，只是为了迎合十多年的互联网发展，CDN服务商将这种边缘能力进行CDN产品化了。
李东告诉记者，随着万物互联时代的到来，CDN会顺理成章地将其边缘的计算、安全等能力释放，在边缘平台上形成更具竞争力的计算、存储、分发、安全一体化的平台能力。他进一步补充道，“我们非常看好边缘计算的市场前景，这是一个值得投入五年以上的长期市场。”
来源：人民邮电报
有时更快的数据处理是一种奢侈——有时它生死攸关。
例如，自动驾驶汽车本质上是一台装有轮子的高性能计算机，它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行，它们需要立即对周围的环境做出反应。处理速度的任何延迟都有可能是致命的。虽然联网设备的数据处理现在主要是在云端进行的，但在中央服务器之间来回传送数据可能需要几秒钟的时间。这一时间跨度太长了。
边缘计算则让自动驾驶汽车更快速地处理数据成为可能。这种技术使得联网设备能够处理在“边缘”形成的数据，这里的“边缘”是指位于设备内部或者与设备本身要近得多的地方。
据估计，到2020年，每人每天平均将产生1.5GB的数据量。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全处理这些数据——尤其是在某些需要非常快速地处理数据的使用场景当中。
边缘计算是云计算以外的另一种可选解决方案，未来它的应用范围很有可能将远不止是无人驾驶汽车。
包括亚马逊、微软和谷歌在内的一些科技巨头都在探索“边缘计算”技术，这可能会引发下一场大规模的计算竞赛。虽然亚马逊云服务Amazon Web Services（AWS）在公共云领域仍然占据主导地位，但谁将成为这个新兴的边缘计算领域的领导者仍有待观察。
在本文中，我们将深入探讨什么是边缘计算，与该技术相关的优势，以及它在各行各业中的应用。
在了解边缘计算之前，我们必须先来看看它的前身——云计算——是如何为遍布全球的物联网（IoT）设备铺平道路的。
云计算赋能互联世界
从可穿戴设备到联网厨房电器，联网设备可以说无处不在。据估计，到2019年，全球物联网市场规模将超过1.7万亿美元，较2013年的4860亿美元增长逾两倍。
因此，云计算——许多智能设备连接到互联网来运作的过程——已经成为一种越来越主流的趋势。
云计算使得公司能够在自己的物理硬件之外，通过远程服务器网络（俗称“云”）存储和处理数据（以及其他的计算任务）。
例如，你可以选择使用苹果的iCloud云服务来备份你的智能手机，然后你可以通过另一个联网设备（比如你的台式电脑）检索智能手机里的数据，方法是登录你的账户连接到云。你的信息不再受到智能手机或台式机的内部硬盘容量的限制。
这只是众多云计算用例之一。另一个例子是通过Web端或移动浏览器来访问各种完整的应用程序。由于云计算越来越受欢迎，它吸引了亚马逊谷歌、微软和IBM等大型科技公司入局。据私有云管理公司RightScale于2018年进行的一项调查显示，在主要的公共云提供商当中，亚马逊AWS和微软Azure分列第一和第二。
图示：越来越多的企业在公共云上运行应用程序
但是集中式云计算并不适合所有的应用程序和用例。边缘计算则能够在传统云基础设施可能难以解决的领域提供解决方案。
在我们到处充斥着数据的未来，将有数十亿部设备连接到互联网，因此更快更可靠的数据处理将变得至关重要。
近年来，云计算的整合和集中化性质被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。
最终，并不是所有的智能设备都需要利用云计算来运行。在某些情况下，这种数据的往返传输能够——也应该——避免。
由此，边缘计算应运而生。
根据CB Insights的市场规模量化工具，到2022年，全球边缘计算市场规模预计将达到67.2亿美元。虽然这是一个新兴领域，但在云计算覆盖的一些领域，边缘计算的运行效率可能要更高。
边缘计算使得数据能够在最近端（如电动机、泵、发电机或其他的传感器）进行处理，减少在云端之间来回传输数据的需要。
市场研究公司IDC称，边缘计算被描述为“微型数据中心的网状网络，在本地处理或存储关键数据，并将所有接收到的数据推送到中央数据中心或云存储库，其覆盖范围不到100平方英尺”。
例如，一列火车可能包含可以立即提供其发动机状态信息的传感器。在边缘计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。
本地化数据处理和存储对计算网络的压力更小。当发送到云的数据变少时，发生延迟的可能性——云端与物联网设备之间的交互导致的数据处理延迟——就会降低。
这也让基于边缘计算技术的硬件承担了更多的任务，它们包含用于收集数据的传感器和用于处理联网设备中的数据的CPU或GPU。
随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也很重要，它就是雾计算。
边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。
换句话说，雾计算使得云更接近于网络的边缘；因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”
说回我们的火车场景：传感器能够收集数据，但不能立即就数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。
在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的（与确定引擎状态不同）。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中央云。
图示：云计算、雾计算与边缘计算
因此，要记住的是，虽然边缘计算给云计算带来补充，并且与雾计算一起非常紧密地运作，但它绝不是二者的替代者。
虽然边缘计算是一个新兴的领域，但是它拥有一些显而易见的优点，包括：
削弱云端的角色也会降低发生单点故障的可能性。
例如，如果一家公司使用中央云来存储它的数据，云一旦宕机，那么数据将无法访问，直至问题得到修复——公司可能因而蒙受严重的业务损失。
2016年，Salesforce网站的北美14站点（又名NA14）宕机超过24个小时。客户无法访问用户数据，从电话号码到电子邮件等等，业务运营遭受严重的破坏。
此后，Salesforce将它的物联网云转移到亚马逊的AWS上，但是这次宕机事件凸显了仅仅依赖云的一大弊病。
减少对云的依赖也意味着某些设备可以稳定地离线运行。这在互联网连接受限的地区尤其能够派上用场——无论是在严重缺乏网络服务的特定地区，还是油田等通常无法访问的偏远地区。
边缘计算的另一个关键优势与安全性和合规性有关。随着政府越来越关注企业如何利用消费者的数据，这一点尤为重要。
欧盟（EU）最近实施的《通用数据保护条例》（GDPR）就是一例。该条例旨在保护个人可识别信息免遭数据滥用。
由于边缘设备能够在收集和本地处理数据，数据不必传输到云端。因此，敏感信息不需要经由网络，这样要是云遭到网络攻击，影响也不会那么严重。
边缘计算还能够让新兴联网设备和旧式的“遗留”设备之间实现互通。它将旧式系统使用的通信协议“转换成现代联网设备能够理解的语言”。这意味着传统工业设备可以无缝且高效地连接到现代的物联网平台。
今天，边缘计算市场仍然处于初期发展阶段。但随着越来越多的设备连网，它似乎备受关注。
主宰云计算市场的那些公司（亚马逊、谷歌和微软）正在成为边缘计算领域的领先者。
去年，亚马逊携AWS Greengrass进军边缘计算领域，走在了行业的前面。该服务将AWS扩展到设备上，这样它们就可以“在本地处理它们所生成的数据，同时仍然可以使用云来进行管理、数据分析和持久的存储”。
微软在这一领域也有一些大动作。该公司计划在未来4年在物联网领域投入50亿美元，其中包括边缘计算项目。
