8月28日，騰訊云推出物聯(lián)網邊緣計算平臺。騰訊云方面表示，該平臺的推出將徹底打通物聯(lián)網應用落地的最后一公里，讓云端強大的計算能力快速延伸到用戶的邊緣，數(shù)以億計的物聯(lián)網設備將可以隨時隨地暢享云計算帶來的海量數(shù)據處理能力和前沿AI技術。

作為一種邊緣計算解決方案，騰訊云物聯(lián)網邊緣計算平臺要解決的是物聯(lián)網落地“遠水救不了近火”的難題。

騰訊云物聯(lián)網邊緣計算產品負責人戴國超表示，邊緣計算可以把云中心的計算，快速交付到離用戶或者是離數(shù)據離物最近的源頭，讓人、物、環(huán)境應用，方便使用邊緣計算的計算能力。

五大優(yōu)勢，破解物聯(lián)網落地難題

騰訊云物聯(lián)網邊緣計算平臺助力用戶實現(xiàn)就近計算和分析數(shù)據，快速的給出分析結果。比如你開的車具備車聯(lián)網功能，通常情況是依托于云計算進行汽車傳感器數(shù)據處理。然而隨著汽車智能化的快速發(fā)展，會有更多的數(shù)據產生，這些數(shù)據傳到云端進行分析，會產生很大網絡資源消耗和帶寬成本，并且由于汽車的機動性和無線網絡基礎設施受環(huán)境干擾的不穩(wěn)定性，會導致由于網絡的問題導致汽車傳感器的數(shù)據不能及時的傳輸?shù)皆贫诉M行數(shù)據分析和風險預測，這可能會威脅到車主的人身安全，會阻礙智能汽車和智能駕駛的發(fā)展，怎么辦？

如果應用騰訊云物聯(lián)網邊緣計算平臺，幫助用戶搭建可以伴隨汽車移動的邊緣計算節(jié)點，通過邊緣節(jié)點的計算分析能力，在汽車行駛的過程中實時的對輪胎氣壓、倒車影像、行車記錄儀、電池、油壓、行車時間等智能汽車的實時數(shù)據，在本地邊緣進行實時的計算和分析，結合云端訓練的風險模型，給出司機合理駕駛建議和風險告警，并將過濾清洗后的數(shù)據推動到云端進行AI模型訓練和分析展示，提前感知駕駛過程中的安全風險。

據介紹，騰訊云物聯(lián)網邊緣計算平臺集中了實時響應、離線處理、簡化部署、優(yōu)質傳輸、云端一體管理五大優(yōu)勢，實現(xiàn)物聯(lián)網在實際場景中數(shù)據處理和快速落地，并且有效解決了數(shù)字物聯(lián)使用中心云計算遇到的困境。

以離線處理為例，騰訊云物聯(lián)網邊緣計算平臺可以無縫的將騰訊云的大數(shù)據分析、機器學習、語音識別、圖像識別等智能數(shù)據分析能力與本地的計算節(jié)點進行結合，實現(xiàn)數(shù)據的邊緣與云上的分層分析處理，最大限度降低數(shù)據分析成本，也能確保數(shù)據分析實時和高效。

除此之外，騰訊云物聯(lián)網邊緣計算平臺實現(xiàn)了靈活性的云端一體管理。只需要通過騰訊云物聯(lián)網邊緣計算的控制臺，就可以實現(xiàn)對邊緣節(jié)點和云上中心進行統(tǒng)一化的控制管理，滿足兩個環(huán)境一體管控的管理需求。同時也可以選擇哪些功能放到云上中心管理，哪些數(shù)據在云上中心的靈活管理控制。

事實上，不只是在物聯(lián)網領域，智慧出行、工業(yè)制造、智慧安防等行業(yè)，都能看到邊緣計算的影子，這些行業(yè)對效率和速度、數(shù)據隱私保護等方面均有著高可靠的要求。

騰訊云加速“邊云協(xié)同“時代到來

騰訊云推出物聯(lián)網邊緣計算平臺，一方面順應了物聯(lián)網發(fā)展趨勢，同時也是騰訊布局物聯(lián)網產業(yè)的重要一環(huán)。據了解，騰訊云物聯(lián)網邊緣計算平臺可以跟騰訊物聯(lián)網產品打通，實現(xiàn)服務的直接聯(lián)動。

相比云計算傳輸?shù)皆贫?，再把結果反饋到終端的路徑，顯然邊緣計算就近解析的效率更高。但是邊緣計算作為一種新型解決方案，核心聚焦的是物聯(lián)網場景下，靠近用戶的“小數(shù)據”計算難題，它并不能取代云計算。

騰訊云物聯(lián)網邊緣計算產品團隊指出，邊緣計算是云計算的另一種形式，是計算的一種下沉，并沒有跟云計算、云中心脫離，包括核心數(shù)據、核心應用都跟云中心連接，這樣才能保證應用穩(wěn)定性和數(shù)據安全性。

而邊緣計算和云計算是屬于相互協(xié)同的關系，就好像一個服務于中心主流主干樞紐，而另一個則負責處理樞紐側的分支，兩個服務相互協(xié)作，每個服務的用戶都需要適合自己的產品和能力。

根據數(shù)據機構IDC的預測，2020年將有超過500億的終端與設備聯(lián)網，50%的物聯(lián)網網絡將面臨網絡帶寬的限制，40%的數(shù)據需要在網絡邊緣分析、處理與儲存，而邊緣計算市場規(guī)模將超萬億。