導讀：我們通過分析在IEEE/ACM/USENIX等主流學術機構上發表的邊緣計算相關論文的關鍵詞，可以得到如圖1-9所示的統計結果。可以看到在邊緣計算的研究工作中，物聯網、計算卸載、資源分配、5G、深度學習是排名前五位的關鍵詞。這基本上也涵蓋了邊緣計算的研究趨勢和最新進展。

▲圖1-9 近5年邊緣計算相關文章中的關鍵詞相對詞頻

　　01 物聯網+邊緣計算

　　物聯網在邊緣計算的相關研究論文中成為熱詞的第一名，反映出邊緣計算和物聯網之間緊密的關系。物聯網技術的發展越是成熟，對于邊緣計算的技術需求就越是強烈。兩者的結合關鍵在于兩方面：

　　一方面，需要解決物聯網設備如何以低成本的方式接入邊緣計算；

　　另一方面，也需要解決邊緣計算如何應對物聯網服務海量、異構、動態的特點。

　　02 5G+邊緣計算

　　5G技術的發展使得通信延遲達到低于計算延遲的水平，這將使得很多現有的計算模式發生根本性變化，也會導致越來越多的計算負載從前端移動設備轉移到邊緣計算服務器上。

　　這對于邊緣計算的架構提出了新的要求和挑戰，需要在現有的云計算集群架構基礎之上做出重要改進，以適應實時性高、數據密集、移動性高、異構動態的5G移動服務需求。

　　03 虛擬化技術

　　由于前端設備的異構性，邊緣計算所服務的計算請求同樣是高度異構的。這就要求邊緣服務器能夠靈活地運行各種各樣的計算服務。虛擬化技術則是解決這一問題的主流方向之一，通過將不同系統、不同環境甚至不同硬件上的網絡功能在通用的計算資源上實現，從而實現對網絡功能的靈活管理。

　　相比于傳統云計算中的虛擬化技術，邊緣計算的虛擬化技術對延遲要求較高。不僅如此，邊緣服務器的計算資源相比于云服務器也要少很多，使得虛擬化技術需要做到盡可能輕量級。

　　04 計算卸載

　　計算卸載是云計算中的經典問題之一，在邊緣計算中同樣是一個十分重要的核心問題。

　　邊緣計算中的計算卸載是指將計算任務從前端設備轉移到邊緣服務器上運行，任務執行完畢后邊緣服務器再將計算結果返回到前端設備或按照要求傳遞到云服務器。針對該方向的研究集中在回答幾個關鍵的核心問題——是否需要卸載、卸載哪些任務、卸載到哪個服務器、以什么方式卸載等。

　　與云計算中的任務卸載相比，邊緣計算的一個重要特征在于前端設備的傳輸方式和邊緣服務器選擇，這將會嚴重影響計算卸載的性能。

　　05 資源分配

　　同一個邊緣計算網絡中可能存在數量眾多的邊緣服務器，同一個邊緣服務器可能需要處理數量巨大的計算任務，不同的計算任務存在不同的計算和通信資源需求。基于此，邊緣計算中的資源分配問題顯得尤為重要。

　　不同于云計算數據中心，邊緣計算由于更加接近前端用戶，其運行的服務和配備的資源具有較強的針對性。不僅如此，不同邊緣服務器上的資源通常具有較強的異構性，這使得邊緣計算中的資源分配問題變得極具挑戰性。

　　06 支持邊緣計算的低功耗物聯網系統

　　邊緣計算的提出并未針對特定的應用場景，更多起到的是類似于內容分發網絡的作用，減少應用的訪問延遲。而這一特點正好能夠解決物聯網系統能量受限、資源受限等問題。除了各類應用的探索之外，該方向的共性問題還包括低功耗嵌入式系統（支持計算卸載、低功耗任務傳輸、高能效數據采集等）。

　　07 邊緣計算與人工智能算法

　　邊緣計算與人工智能的碰撞，在兩個方向分別產生了一系列問題，即基于邊緣計算的人工智能算法，以及基于人工智能的邊緣系統優化。相比于傳統的人工智能算法，前者系統架構的變化帶來了多設備之間的協同問題。而后者則是利用人工智能算法和邊緣計算系統過程產生的數據，對邊緣系統本身進行優化和決策。

　　考慮到邊緣計算的重要使命之一是將人工智能帶入各類物聯網設備當中，這一方向正引起越來越多的關注。