▲图1-9 近5年边缘计算相关文章中的关键词相对词频物联网在边缘计算的相关研究论文中成为热词的第一名，反映出边缘计算和物联网之间紧密的关系。物联网技术的发展越是成熟，对于边缘计算的技术需求就越是强烈。两者的结合关键在于两方面：
- 一方面，需要解决物联网设备如何以低成本的方式接入边缘计算；
- 另一方面，也需要解决边缘计算如何应对物联网服务海量、异构、动态的特点。
5G技术的发展使得通信延迟达到低于计算延迟的水平，这将使得很多现有的计算模式发生根本性变化，也会导致越来越多的计算负载从前端移动设备转移到边缘计算服务器上。这对于边缘计算的架构提出了新的要求和挑战，需要在现有的云计算集群架构基础之上做出重要改进，以适应实时性高、数据密集、移动性高、异构动态的5G移动服务需求。由于前端设备的异构性，边缘计算所服务的计算请求同样是高度异构的。这就要求边缘服务器能够灵活地运行各种各样的计算服务。虚拟化技术则是解决这一问题的主流方向之一，通过将不同系统、不同环境甚至不同硬件上的网络功能在通用的计算资源上实现，从而实现对网络功能的灵活管理。相比于传统云计算中的虚拟化技术，边缘计算的虚拟化技术对延迟要求较高。不仅如此，边缘服务器的计算资源相比于云服务器也要少很多，使得虚拟化技术需要做到尽可能轻量级。计算卸载是云计算中的经典问题之一，在边缘计算中同样是一个十分重要的核心问题。边缘计算中的计算卸载是指将计算任务从前端设备转移到边缘服务器上运行，任务执行完毕后边缘服务器再将计算结果返回到前端设备或按照要求传递到云服务器。针对该方向的研究集中在回答几个关键的核心问题——是否需要卸载、卸载哪些任务、卸载到哪个服务器、以什么方式卸载等。与云计算中的任务卸载相比，边缘计算的一个重要特征在于前端设备的传输方式和边缘服务器选择，这将会严重影响计算卸载的性能。同一个边缘计算网络中可能存在数量众多的边缘服务器，同一个边缘服务器可能需要处理数量巨大的计算任务，不同的计算任务存在不同的计算和通信资源需求。基于此，边缘计算中的资源分配问题显得尤为重要。不同于云计算数据中心，边缘计算由于更加接近前端用户，其运行的服务和配备的资源具有较强的针对性。不仅如此，不同边缘服务器上的资源通常具有较强的异构性，这使得边缘计算中的资源分配问题变得极具挑战性。边缘计算的提出并未针对特定的应用场景，更多起到的是类似于内容分发网络的作用，减少应用的访问延迟。而这一特点正好能够解决物联网系统能量受限、资源受限等问题。除了各类应用的探索之外，该方向的共性问题还包括低功耗嵌入式系统（支持计算卸载、低功耗任务传输、高能效数据采集等）。边缘计算与人工智能的碰撞，在两个方向分别产生了一系列问题，即基于边缘计算的人工智能算法，以及基于人工智能的边缘系统优化。相比于传统的人工智能算法，前者系统架构的变化带来了多设备之间的协同问题。而后者则是利用人工智能算法和边缘计算系统过程产生的数据，对边缘系统本身进行优化和决策。考虑到边缘计算的重要使命之一是将人工智能带入各类物联网设备当中，这一方向正引起越来越多的关注。
