上个月去苏州工业园跑项目，对方的IT负责人蹲在车间角落挠头。之前上的云端质检系统，跑图像识别，每次摄像头拍了铸件的缺陷，传到几百公里外的云中心算完再传结果回来，一来一回两百多毫秒。产线快，废品都流到下一个工位了，检测告警才弹出来。
不是把服务器搬去机房角落那么简单
很多人对边缘计算的理解还停留在字面，找个靠近现场的地方放个小盒子，接上网线就算完事。说白了，边缘计算的核心是把计算的决策半径，压缩到离物理动作发生的地方10米以内。
后来那个工厂的问题解决得很简单。没升级专线，没换更高清的摄像头，就是把之前跑在云端的识别模型，剪了冗余的参数，压缩到原来十分之一大小，直接装在质检工位旁边的边缘盒子里。摄像头拍了图，就在本地算，延迟直接降到15毫秒。废品刚要碰到传送带的分拣口，机械臂已经把它扒下来了。
别觉得这是什么黑科技。之前的流程太拧巴，非要让千里之外的云中心，指挥眼前几厘米的机械臂干活，中间的传输链路天然就会产生延迟。把决策点挪到动作旁边，相当于把之前的长途电话，改成了面对面喊人，反应速度当然快。
当然也不是所有计算都要留在本地。质检的识别结果是实时的，必须留在边缘；识别完的原图，攒到每天下班的空档，批量传去云端做模型训练，两边的好处都占，还不占专线带宽。
算得快的代价从来都不便宜
厂商吹边缘计算的时候，从来只说延迟低、省带宽，绝口不提后面的成本账。
车间里的环境比云中心差远了。夏天机床旁边温度能到四十度，金属切削的灰飘得满处都是，工人擦设备的时候，说不定就把边缘盒子的网线碰松了。云中心的服务器有恒温恒湿的机房，有专职运维7*24小时盯着，边缘节点散在各个工位，有时候死机了半天，远程监控的人才能收到告警。
更麻烦的是版本管理。边缘节点的数量一旦超过百个，版本混乱的程度，比你把一堆U盘散在全公司找文件还夸张。之前统一在云端跑的时候，模型更新一次，所有用户同时生效。现在每个边缘盒子都是独立的小系统，你总不能每个工位跑过去拷一遍新模型吧？
带宽费确实省了。之前每个4K摄像头每个月传流到云端，一年的专线费够买三个边缘盒子。但省下来的钱，差不多要拿出三分之一买统一运维平台的授权，还要专门招个人盯着所有节点的在线率。不然哪天哪个盒子死机了，整条产线的质检就瞎了。
我见过一个做智慧园区的项目，一开始把所有人脸识别门禁都放云端，高峰期刷脸要等3秒，业主天天投诉。后来把模型下沉到每个门禁的边缘盒子，刷脸0.3秒就开，大家都满意。结果没半年，园区扩了20个新门，每个盒子的模型版本都不一样，新录的人脸要挨个更新，运维的人跑一次要半天。最后还是花了钱上了批量管理平台，远程推模型，这才顺过来。
不是所有场景都值得往边缘挪
现在太多项目为了蹭热点，把本来好好跑在云端的业务硬往边缘搬，最后多花了钱，还把运维搞的一团糟。
什么场景值得？实时控制的，对延迟敏感的，比如产线分拣、路口的闯红灯识别、手术室内的影像辅助，这些晚个几十毫秒就出问题的，必须往边缘放。
什么场景不值得？比如工厂的员工考勤统计，每个月算一次工资的那种；园区的总电表读数采集，每个小时传一次用来算电费的那种。这些对延迟完全不敏感的业务，你把算力放去车间角落、电表箱旁边，除了增加被灰尘搞坏、被雨淋坏的风险，半毛钱好处都没有。
这事没那么玄。
别听销售吹得天花乱坠。技术选型从来不是选最先进的，是选最适配的。边缘计算不是神药，就是把之前集中在云端的算力，拆了一部分放到离用户更近的地方，解决那些云端解决不了的延迟问题而已。
对吧？跑技术的人，脚得沾点现场的灰，别坐在办公室里画PPT，把边缘计算吹成能颠覆所有IT架构的东西。