1、当前业界对边缘计算的理解和应用主要分成五种：传统的 CDN 厂商（如 Akamai，国内的帝联、蓝汛等），对于边缘计算的研究主要是以降低计算访问延迟为主。云厂商（如亚马逊、腾讯、阿里），主要是为了丰富自己的云计算产品，将用户的计算任务部署在云上，降低云服务的访问延迟。小米、华为等智能家居厂商，是最极端的边缘计算，从计算的发起到在网络上只需要“一跳”，通过边缘计算建立本地的计算中心。以 Google、Facebook 为首的互联网厂商，将边缘计算作为 AR、VR 的基座进行开发，主要是利用边缘计算来降低计算时延和提升计算可靠性。以运营商为主的厂商则主要希望通过边缘计算来支撑更多的设备接入，降低带

2、宽传输。目前，边缘计算的挑战有很多。首先，不同的场景下的设备接入标准、预期等都不一样，很难有一个标准化的落地方案，这对边缘计算平台的设计能力是非常大的考验。37 2021 年度技术盘点与展望 其次，与集中式云计算不同，边缘端系统最需要考虑的就是在弱网甚至断网环境下如何提供服务，这很考验设备的的接入速度。再者，通常情况下，边缘节点不像云计算中心有大批量的资源冗余，往往节点很少，可靠性和可用性不高。如何让这部分计算任务无损平滑地完成是一个难度很高的课题。最后，边缘端系统接入的服务类型很多，比如智能驾驶接入边缘要完成视频解析，AR/VR 要求完成实时渲染等，所以通用平台的建设很重要。针对边缘计算云原

3、生架构和技术体系，具体需要解决以下问题：云边运维协同、弹性协同、网络协同、边缘 IoT 设备管理、轻量化、成本优化等。机器学习 在数字化转型浪潮下，企业需要处理的数据量越来越大。2015 年，许多公司在初步尝试实现“大数据”的承诺时，建立了大型的本地数据湖。但在那个时候，云原生 AI 平台还没有成熟到足以激励企业将数据密集型 ML 项目迁移到云环境。随着云计算和人工智能的不断发展，两种技术的协同将为创新公司带来显著的竞争优势。企业内部使用容器的范围从最初的在线业务正在逐渐向 AI、大数据演进，对 GPU等异构资源的管理和 AI 任务和作业的管理需求也越来越多。深度学习、AI 任务成为社区寻求云原生技术支撑的重要工作负载之一。