邊緣計算在2017年、2018年被炒作的很熱，進入2019年感覺邊緣計算的熱度有所下降。邊緣計算在物聯網的框架中非常重要、也非常復雜，邊緣計算的完善需要不斷探索、不斷驗證。

在2016年初，就意識到邊緣計算的重要性，借鑒生物學的經驗，對邊緣計算進行了深度思考后，做了很多類比。

但最先發表的類比是：將手指碰到火，手指縮回的處理的方式，可以類比物聯網在邊緣計算的處理方式。

這個類比被一個比較有影響力的媒體引用，并沒有注明借鑒我的觀點，經過溝通后，這個媒體將邊緣計算的比喻改為用人處理“眉毛著火”的機制，是邊緣計算的處理方式。

本文通過討論眉毛著火與手指遇火，處理方式的不同，來討論邊緣計算的兩種實現方式。

眉毛著火與手指遇火的處理方式是不同的。

人的眉毛著火，人處理的機制是什么呢？如果眉毛著火，人是通過擠眉弄眼這樣動用眉毛周邊的肌肉群來處理，還是用手等靈活的器官幫忙撲火？

眉毛周邊的肌肉，在眉毛著火之后，是會有反應，但僅是受痛后的收縮，而不會有滅火的效果。眉毛著火之后，最快的是借助手臂的輔助，利用外力將眉毛的火撲滅。眉毛與手屬于不同的脊神經反映群，眉毛著火引起手的反應，必須經過大腦來協同。流程是：眉毛著火反饋到大腦，大腦指揮手處理。

類比與物聯網的處理：設備遇到緊急情況，反饋到云計算中心，云計算中心調用其他設備處理。

這種處理方式還是云計算中心為主的控制方式。

手指遇火的處理機制：手指遇火，手指感到疼痛后，手指附近肌肉立即收縮。之后大腦才感覺到疼痛。

物聯網的類似處理：設備遇到緊急情況，直接用邊緣測的邏輯處理后，上報到云計算中心。

不過說眉毛著火，就不是邊緣計算機制也不嚴謹。眉毛著火也有一種情況是邊緣計算的處理機制：就是一個人，天天眉毛都著火，第一天著火，經過大腦控制手來把問題解決了；第二天眉毛又著火，又經過大腦控制手把問題解決了；經過了很多次之后，這個人的大腦就認為，眉毛著火這件事是常態，以后不需要大腦處理，直接將處理的權力交給了脊神經。從此以后，眉毛再著火，就不經過大腦處理，而手直接通過脊神經控制，直接處理。

手指碰到火的模式，屬于人低級神經處理系統的非條件反射，這個處理機制是已經存在的。

眉毛著火的模式，正常情況下必須經過高級神經處理的。但如果某些人一定要用眉毛著火來類比邊緣計算，那么可以想象這個人經常眉毛著火，最后形成了條件反射，條件反射就不需要通過高級神經處理，屬于邊緣計算處理機制。

邊緣計算的兩種機制

類比于生物的非條件反射和條件反射，邊緣計算有兩種處理機制：

1、固定邏輯的處理方式；

2、人工智能的處理方式。

人的手指遇到火的處理機制，是人在進化過程中，不斷進化出來的固有規律：在遇到疼痛時，附近肌肉會收縮。這個反饋在絕大多數的情況下，對人而言是可以避免傷害的。這樣就把這個機制固化下來。是固定邏輯的處理方式。

人有很多時候學習的很多處理經驗是會固定在低級神經系統。比如我們上學的時候學的廣播體操，在學習廣播體操的時候，我們是需要動腦去學習，去記憶體操每一節的動作。在學會體操之后，我們每天上學都做一遍操，久而久之，我們做操的時候，就不用動腦筋，到了那個動作的時候，自然而然就能夠記住。

這種模式就是人工智能的處理模式：很多處理的決策機制在云計算中心，邊緣測的人工智能技術，學習云計算處理的模式，發現每一次云計算的處理模式都是類似的時候，就將決定權下放到邊緣測。這種處理模式就是人工智能的處理模式。

未來邊緣計算的發展需要循序漸進

物聯網技術是經過實踐逐步完善的。邊緣計算的發展也需要逐步完善。雖然邊緣計算未來會復雜，但在實踐中，需要根據需求逐步發展功能。

有一些應用，理論已經非常完善，處理邏輯非常清晰，這樣的應用，在邊緣測處理機制，可以通過寫程序的模式固定。

而有一些應用，沒有理論支撐，需要通過實踐逐步摸索處理機制，這就需要借助云計算的大數據，通過人工智能不斷學習處理機制，這個時候就需要人工智能的技術，逐步學習處理機制，逐步由云計算處理，過渡到邊緣處理。

邊緣計算的發展，首先以解決難題開始切入。當完善之后，要支持不同的模式。