邊緣」將至。無論是就接近程度或成熟時機而言，邊緣運算已近在眼前。發明家David McCrory所謂資料重心向邊緣的轉移，正帶動著產業的轉型並開啟新的市場商機。邊緣並非位於被動或含糊的網路邊陲，而是能進行資料分析、管理，甚至是儲存的活躍區域，麥肯錫公司（McKinsey & Company）在去年發表的一份報告中提出了107個不同的邊緣使用案例；並預估到了2025年，邊緣運算的潛在價值將達到1,750億至2,150億美元，而這還僅只是硬體。
而一些對於「邊緣」的誤解，儘管情有可原，但卻猶如遮蔽邊緣的烏雲。以下就來看看三個關於「邊緣」最常見的迷思，以及它們與事實的相違悖之處。
迷思一：邊緣將會吞噬雲端？
有鑑於分散式運算的崛起，創投業者相繼開始調整其優先次序，有些並發表了大膽的預測。而其中，企業投資人Peter Levine在2017年的一場演講《邊緣的回歸和雲端運算的結束》，便發表了備受矚目的預言。他在演講中宣稱，由於機器學習和物聯網驅使雲端轉向邊緣，雲端將會在不遠的未來煙消雲散。同年，Gartner副總裁暨分析師Thomas J. Bittman也發表了類似的觀點；在一篇標題為《邊緣將會吞噬雲端》的文章中，他指出大多數企業已經意識到「我們的思維必須超越『集中化』和『雲端』」的這個事實，並闡述了「應朝能達成低延遲性和即時性資料處理的『地點』和『分散式處理』進行思考」的這項轉變。
事實是：邊緣和雲端將會相輔相成。根據IDC最近的一項研究預測，到了2025年，全球30%的資料將需要即時處理，而這項預測並不是空穴來風。舉個淺顯易懂的例子：在提到邊緣相關的使用案例時，很直覺地會想到自駕車（自動駕駛汽車）及聯網汽車（傳送大量資料給其他車輛，但並不為駕駛者做出決策）。當一輛聯網或自駕車的感測器偵測到孩子們在路上玩耍，而另一輛汽車很可能即將要闖過旁邊的紅燈撞上去時，這項訊息勢必得迅速地被處理。在這個情況下，連將這些洞察送回雲端處理的幾毫秒餘裕都沒有，必須在當下發生的一瞬間就馬上做出回應。
Peter Levine對於「這些攸關性命的資料會需要在終端進行處理，且通常是透過機器學習」的這項論述是正確的；然而他演講題目的用詞可能稍微有些不是那麼精準。他在同一場的演講中也認同「重要的訊息仍會儲存在集中式雲端」，並將雲端描繪成能有利機器大規模學習的各式學習中心；而這會需要位在邊緣的大量資料和整合洞察。另一方面，Gartner的Bittman也承認「雲端仍將有其作用」。
也就是說，邊緣並不會取代雲端，而是驅使雲端擴展其架構至邊緣。重要的問題不應該是探討「邊緣與雲端何者會佔上風」，而是「該如何配置雲端以兼顧邊緣」或「邊緣和雲端該如何協作」。超大規模資料中心的模式，將持續適用於那些受益於集中化的應用，例如大規模歸檔、內容分發、應用程式儲存，以及快速原型製作等。
不過，確實有一種特定類型的雲端分解正隨之發生。根據希捷科技與Vapor IO於2019年發布的報告《Data at the Edge》指出，Vapor IO、Edgeconnex以及DartPoints等這類企業正在轉向「微模組資料中心」，又稱「邊緣資料中心」。 這種資料中心是小型、具區域性、自給自足、可降成本、自動化且設置在網路邊緣的微型區域資料中心，通常設置於過往少見的地點，例如停車場、市區馬路或基地台底部等。而另一家提供微模組資料中心的業者Dell EMC表示，邊緣機組的設計旨在承受周圍環境及安全的挑戰，且具有足夠的運算能力，可以在集中式資料中心之外進行資料收集和處理。雲端及邊緣運算架構供應商Packer則將這些服務稱之為「無處不在」的雲端。
矛盾的是，邊緣可以被視為雲端的自然產物。根據Telefonica副總裁Patrick Lopez指出，「邊緣運算基本上就是結合了雲端與電信的優勢。其具有雲端的優勢是因為它集結了所有雲端的服務，並使它們更接近使用者；而電信優勢的部分，則是因為它帶來電信公司提供的即時性、隨時在線、隨時連網的狀態。」
迷思二：邊緣只有一個？
我們大多以單數（Edge）而不是複數（Edges）指稱邊緣，事實是：邊緣可能有很多個。 其實，這個迷思並不是全盤皆錯。當邊緣以單數形式（Edge）出現時，其指的是資料在產生的位置即被就近處理的生態系統；但確實也真的是有許多個「邊緣（Edges）」。 換言之，隨著網路數量的與日俱增，外網邊界的數量也在不斷增加，這些外網邊界包含依用戶興趣進行分析之應用的端點。有些人甚至出於好玩，試圖量化其可能的最大數量。
增添一層複雜性是一個重要的事實──所有這些邊緣網路都仰賴使用案例。它們可以是在田野間的榖倉中，或在聯網汽車，甚至是許多其他位置中運行。為特定目的建置的邊緣，無庸置疑會是近期的熱門話題。隨著時間演進，邊緣將會雲端化──邊緣的客製化將會發生，但可能只會在軟體層面。猶如Telefonica的Lopez提到，過去雲端的部分特質，例如存取的無所不在、開發者應用的簡單性，或許對任何邊緣運算而言都將不可或缺。如果有人開發一款在邊緣運作的應用程式，它應該要能部署在任何網路中。
迷思三：把雲端縮小放入盒子中，就有邊緣了？
經由上述說明可知，有些資料的儲存和處理將會需要在邊緣進行。而要在各種邊緣系統中進行複製，邊緣至少會需要雲端環境的某些特性。舉例來說，在一個邊緣網路裡開發的一款應用程式，會需要有相同的網路存取權限及相容性，才能被複製到不同的邊緣網路。這樣的話，每個邊緣難道不都是一個小雲端？
事實是：邊緣並不是縮小版的雲端。請記得，是資料及其需求帶動了邊緣的成長，而不是顛倒過來。
這意味著它是取決於在靠近終端用戶的地方產生和處理資料的使用案例。它們可以是智慧城市中的水電管控、虛擬現實場景、老化橋樑的監控，或是透過虛擬助手在工廠裡製造衣服的機器人等。這些場景所產生、需要在邊緣進行處理的資料，也是多樣多元。這就是為什麼邊緣基礎架構取決於應用。
如先前提到，邊緣無法提供特定類型資料所需的空間與時間。根據Peter Levine的說法，歸檔資料或超大規模資料中心裡要大量餵給機器學習處理的資料（資料湖、訓練機器學習演算法的大型資料集群），在邊緣將毫無用處。
最後，邊緣並不是迷你雲端，因為它是以與使用者在物理上的距離為特徵的遠程熄燈自動化操作。和雲端不同，邊緣是藉由位置以及與資料的距離來定義的。與集中式、同質的通用資料中心樞紐相反，每個邊緣都只專注於解決特定問題。至少現在是如此。
＜本文作者：鄭萬成現為希捷科技全球業務及業務營運資深副總裁。＞