0
章鱼在捕猎的时候，它的八只触手能迅速地将猎物包围，不会缠绕打结，灵活且敏锐，配合度极高。
这得益于它独特的身体结构：一个大脑和八个小脑。
科学研究表明，章鱼共有近5亿个神经元，而大脑仅有2亿个，其余3亿个神经元分布在其它8个小脑中。
八个小脑，其实就是八只“触手”，换句话说，章鱼其实更多倾向于用“触手”思考。
这种“分布式大脑”给章鱼带来了极大的便利，不论是捕猎、进食，还是逃生，都能通过八只触手高效而准确地完成。
当章鱼独特的“思考方式”被运用到计算领域，“边缘计算”的概念就呼之欲出了。
所谓边缘计算，是一种类似于章鱼八个小脑的分布式计算，即将部分数据资料的处理、部分程序功能，由网络中心下放到网络边缘节点上，边缘侧的智能网关设备能就近处理采集到的数据，无需将大量数据传到远（云）端的服务器或管理平台。
相较于云计算，“边缘计算”的优势在于，既能快速处理数据，做出反应，从而提高效率；又能降低对带宽的依赖，避免因通信时延造成数据处理滞后带来的决策失误问题。
这种高效的数据处理方式已然成为现下数据计算领域的又一核心法门。
“从云端协同，到云边端协同，边缘计算的作用愈来愈重要。”旷视产品推广负责人表示。
这种重要性主要体现在两个方面：一是传统的云端协同模式存在场景覆盖度上的不足，需要边缘计算的进一步赋能；二是对于市场需求而言，边缘计算的相关产品更具性价比。
该负责人表示，边缘计算如今已成为旷视发力的重点，并且旷视已经基于相关场景，推出了相应的产品。
互联网时代，随着终端设备的迅速增加，其产生的数据也呈指数级趋势扩大。
这些数据不仅数量庞大，而且类型极为复杂，如何处理并利用好这些数据，是数据管理的核心，同时也是难点所在。
传统的方法是走云端一体的路子：由感知端进行数据集采和传输，云端设备进行计算。（感知端算力较弱，仅能进行部分简单计算，主要靠云端计算）
但是单靠云端计算，依然有一些问题没有得到解决。
一是效率。
即数据从前端感知设备进行集采、整理，要依托通信网络进行传输，才能到达云端；而云端设备在接收数据之后，进行分析、决策，再到决策的执行，需要一定的时间才能完成。
对于一些特殊场景来说，时延带来的后果是不可承受的。
比如，火灾预警。前端设备在感知到潜在的危险之后，将相关数据传输至云端；如果得不到快速反馈，那么很可能造成不可估量的损失。
“这样的场景下，如果把数据传送到中心服务器进行处理，中间的网络链路很长，效率比较低。”该负责人表示。
二是性价比。
云端设备费用高昂，对于一些中小型企业而言，购买服务器显得有些“大材小用”：既要付出高昂的成本，其数据处理的需求也比较小，对服务器的利用效率不高，因此性价比较低。
边缘计算的设备恰好解决这一痛点：既能满足计算需求，成本又比购买服务器更便宜，在性价比上具备优势。
该负责人表示，从技术架构来看，只有“云”和“端”的话，相当于把大量的计算任务都放在了中心侧（云）或端侧，这就给云或端带来了很大的计算压力。并且由于云端协同存在时延、数据安全等问题，所以利用边缘计算来给行业赋能，成为新的思路。
根据IDC预测，未来超过70%的数据需要在边缘侧存储、分析和处理。
正是在数据“量大”而现有的云端协同存在各种问题的背景下，旷视开始做边侧的产品。
“之前旷视主要做盘古这类的大平台，或者像面板机这样的端侧产品，今年我们推出了两条‘边’侧的产品线，形成了‘云边端’一体的产品矩阵。”
该负责人透露，新的产品线分别为“鸿图”和“魔方”。
“鸿图和魔方是两个产品系列，而非单独的SKU，但都属于边缘侧的产品。”该负责人介绍道。
两者的共性体现在，都具备“算”的能力，并且在算力和算法上差别不大。
其差异则体现在：魔方只有“算”的能力，而鸿图在“算”的基础上，增加了“管”的功能。
换句话说，鸿图实际上是管算一体的产品。
之所以有这样的差异，该负责人解释称，鸿图和魔方是针对不同市场需求做出的产品。
左：鸿图，右：魔方
鸿图具备管算一体的能力，提供整体的解决方案，以最终产品的形式直接交付给客户，客户只需要按照步骤操作，接入相应的端侧产品，即可实现管算功能。
而魔方则只有算的能力，没有业务管理软件，但具备开放能力，能够开放标准API，因此更适合拥有自身业务平台的软件开发商。
打个比方：鸿图就像是一个成型的面包，消费者用微波炉加热后就能吃，从而解决饥饿；而魔方则是面粉，消费者不能直接食用，但可以用面粉搭配其他食材做自己喜欢的食物。
两者的消费群体不一样，这也导致两类产品的销售路径并不相同。
“鸿图更多是通过旷视的渠道销售体系直接卖给最终客户，而魔方则扮演着产业链中上游的AI 赋能者的角色，中下游的开发商基于魔方打造自身的解决方案，再卖给最终客户。”
在具体的应用场景上，鸿图和魔方都主要聚焦于园区、楼宇、校园等场景，内置旷视三位一体的AI 算法引擎，植入了视频结构化、周界警戒等30多种泛安防类算法，能快速实现人车管控、园区人员出入管理等功能。
并且，当鸿图和魔方可进行协作：当鸿图需要更多算力时，可以接入魔方；而当魔方需要“管”的功能时，接入鸿图即可实现相关的管理功能。
此外，两者同时具备接入盘古等大平台，以及面板机、智能相机等端侧产品的能力。
“鸿图和魔方既具备单独的能力，又能相互配合，并且适配旷视的云侧和端侧的产品，是构建‘云边端’一体化的中间桥梁。”该负责人表示。
相较于云端协同，边缘计算的价值在于：降低后端投入，让算力前置，降低对带宽的要求，从而提升数据处理效率。
但要实现真正的边缘计算，还存在两大难点。
一是边缘侧设备的AI 算力芯片厂商非常分散，如果要保证算法实现最高效率运行，就要从算法的底层入手，针对芯片做适配。
二是边缘侧的算力比中心服务器弱，算法从中心服务器迁移到边缘侧，需要做更多的优化。
这就要求提供边缘计算相关产品的公司要具备软硬一体的开发能力。
“软硬一体才能实现真正的边缘计算。”该负责人表示，只有硬件和软件相配合，算法的运行效率才能达到最优。
在他看来，旷视的软硬一体能力体现在三个方面。
一是不断针对算法做优化，以适应各类场景，通过扩展算法边界的方式，使产品能够满足行业的碎片化需求。
二是三位一体的 AI 能力，即算力+算法+AI 框架。
“我们有专门负责 AI 框架的团队，研究算法与芯片的适配，保证算法能够高效率的运转。”
并且，旷视在与合作伙伴共同在做芯片的适配时，就已经将需求进行反馈，因此能实现“算法、算力和 AI 框架”的三位协同，从而使得算法能在芯片上得到足够的算力支撑。
三是开放性，即相关产品提供对外开放的能力。
比如魔方，软件公司可基于魔方开发自身的软件，甚至直接将软件植入魔方盒子，以软硬一体的方式卖给客户。
“软硬一体是实现边缘计算的核心路径，也是 AI 落地的必经之路。”该负责人表示，旷视已具备核心竞争力，鸿图和魔方盒子，就是最直接的例子。
从最初的算法到软硬一体，从云端协同到云边端协同，鸿图和魔方这两大边缘侧的系列产品恰好给旷视“补齐了中间层”，拼好了最后一块版图。
未来，旷视将进一步巩固软硬一体的能力，针对行业出现的新痛点、难点，优化解决方案和推出新产品，以实现其“技术赋能产业”的愿景。（雷锋网雷锋网雷锋网）
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
