6.2 计算能力要求
随着无人机、智能摄像头、工业传感器等边缘设备的广泛使用，网络接入设备数量将大幅增加，数据也将呈爆发式增长。不同场景对带宽、时延、数据存储能力及安全性等有不同的要求。云数据中心的集中化处理明显不能满足所有需求，边缘计算将成为IT架构的未来发展趋势。Gartner 预测，相较于80%的数据在云数据中心内产生和处理的现状，到2022年，超过50%的企业数据将在云数据中心之外产生和处理。边缘计算架构、产品与解决方案对未来计算能力向边缘侧下沉越发重要。边缘计算将云的部分服务或者能力扩展到边缘基础设施之上，面向行业数字化和智能化的发展，提供GPU、虚拟化等多种计算能力组合，满足企业对计算能力的多样性要求。边缘计算在计算能力的要求主要体现在异构计算、边缘智能、云边协同方面。
6.2.1 异构计算
边缘计算面向个人用户及企业用户的新型应用不断兴起，短视频、美图、自动驾驶、物联网等应用业务呈现爆炸式增长，对应用场景及计算能力提出了多种多样的要求。面向个人用户，终端设备除短信、语音等基础的网络通信之外，通常还需要提供图片处理等各种各样的应用。同时，各类应用往往需要根据用户行为提供个性化的智能推送及智能预测等服务，这些应用对计算能力的要求已经远远超过了传统CPU 的处理能力。面向企业用户，机器视觉、故障检测等数据密集型应用对海量数据并发处理提出了较高要求。单一的计算平台很难满足这些要求，多样性的异构计算能力成为边缘计算的迫切需求。
由于各类边缘计算应用场景的业务侧重点不同，计算任务对于硬件资源的需求也不尽相同。从计算模式、并发数、迭代深度等多方面考虑，需要x86、ARM、GPU、NPU等多种类型的芯片支持。异构计算能够充分发挥CPU/GPU 的灵活性。通过异构计算搭建的基础设施能够及时响应数据处理需求，搭配上FPGA/ASIC 等特殊能力，可以充分发挥协处理器的效能。异构计算能够根据特定需求，合理分配计算资源，满足多样化、差异化的应用需求，提升计算资源的利用率，实现计算能力的灵活部署和调度。
6.2.2 边缘智能
人工智能（AI）应用通常面向端到端的应用场景：数据的采集在前端，数据的处理、增值在云端，增值后的结果再回到前端，以提高前端设备的处理能力和处理效果。然而，在行业数字化场景下，如果将人工智能的模型训练与处理全部部署在云数据中心里，需要将现场采集的海量数据从边缘设备实时传输到云数据中心里。这将影响业务处理的实时性，同时会在可靠性、安全性等方面带来严重问题。业务对数据处理的实时性需求，促使边缘计算平台具备边缘智能。
边缘智能使用人工智能技术在边缘侧为业务提供人工智能计算能力，能够通过边缘节点获得更为丰富的数据，实现个性化的人工智能服务，扩展人工智能的应用场景。同时，边缘节点使用人工智能计算能力，能够更高效地提供数据分析、决策实施等智能服务。在云端与边缘节点合理部署人工智能模型的训练与推理功能，有利于构建成本最优的边缘智能解决方案与服务，推动人工智能在工业、医疗、交通等领域的落地。
6.2.3 云边协同
边缘节点部署在网络边缘，由于场地等环境限制，在服务器数量上往往非常有限，面临计算资源短缺的巨大压力。在边缘云中，存在多种边缘服务器和边缘终端，需要进行统一的管理，并实现对边缘应用的支持。与边缘云对应的是中心云，其能够提供CPU、GPU 等多种类型的计算资源，并且在计算能力上不再受现场环境的限制，可以提供持久化存储，能够支撑计算密集型应用，如Hadoop、Spark、TensorFlow 等。
云计算与边缘计算需要通过紧密协同才能更好地满足各种需求场景的匹配，从而充分体现云计算与边缘计算的应用价值。对于业务应用，开发工作在云端完成，可以充分发挥云的多语言、多工具、计算能力充足的优势。对于应用部署，则可以按照需要分布到不同的边缘节点上。对于人工智能相关的应用，可以把机器学习、深度学习相关的重负载训练任务放在云端，而把需要快速响应的推理任务放在边缘节点上处理，达到计算成本、网络带宽成本的最佳平衡。同时，从边缘计算的特点出发，把实时或更快速的数据处理和分析放在边缘节点上处理，能够节省网络流量。
云边协同的需求涉及IaaS、PaaS、SaaS 各层面的全面协同，包括网络、虚拟化、安全等资源的协同，以及数据、应用管理、业务管理的协同。
在导论篇提过，云边协同是联邦计算（Federated Computing）范式中的典型工作情景，中心云和边缘云构成弹性的耦合关系。在特定场景中，适合采用紧耦合模式，此时中心云承担起更多的边缘云管理职能，对边缘云的运行时提供更广泛的功能支持和监控辅助手段及丰富的控制干预。在其他场景中，中心云和边缘云形成松耦合关系。这种关系支持边缘云在一定时间内断开中心云控制平面，独立自治运行。这要求边缘云具备更全面的能力，如同一个中心云完备计算环境在边缘侧的“孪生”缩小版。另外一些场景则需要中心云和边缘云的关系介于紧耦合和松耦合之间，即半松半紧耦合，从而实现控制管理、网络连接、应用数据等多维度的协同工作。这是最具复杂性的协作场景，结合应用的多样性将会发生许多有趣的用户故事。