很多人擔心5G會變成大魚吃小魚，小魚吃蝦米的遊戲。
因為大魚還是那幾條。
BAT之外，就是三大通信運營商、華為等硬體巨無霸，以及一票雲服務商。
小魚也不同凡響。
AI、車聯網、全屋智能、手機、直播、短視頻等領域都有迷你巨頭。
蝦米就太多了。
不少實體企業，在互聯網和移動互聯網時代當了背景牆，甚至是技術革命的犧牲品，這次拚了命也不會錯過撿漏的機會。
今年1月任正非有個判斷：
“實際上5G沒有那麽大的作用，人類的社會也沒有那麽需要5G，5G的需求到來還有很長一段時間，而不是浪潮式的，5G的發展一定是緩慢的。”
很遺憾，大部分人沒能準確解讀這話的含義。
對消費者來說，5G的感知有一個過程，第一階段的衝擊主要釋放在產業層面，5G的熱，熱在呼應了消費互聯網向產業互聯網升級的大趨勢。
5G的關鍵能力是大帶寬、大連接、低時延，背後對應著四個能力，高速度、高密度、低功耗、泛在網，能把這些能力整合到極致的是什麽？
答案是邊緣計算。
所謂邊緣計算是指以往集中在雲端的算力（或者你可以理解為數據處理能力）向產生數據的終端沉降，好處是極大提升了線下場景的響應。
華為在一篇科普文中將邊緣計算比做章魚，觸角擁有比大腦更多的神經元，每根觸角都可以獨立思考，獨立運作，這對終端硬體和服務行業的確是天大的好消息。
四肢發達，頭腦真的可以簡單！
邊緣計算的優勢體現在四個方面。
1、場景關聯，邊緣計算與信息源、數據產生的場景以及設備終端的關聯度很高，提煉處理信息的能力可能要強於傳統的集中式雲服務。
2、低時延，因為算力本身沉降到了終端設備，即使5G時代這個速度優勢仍不可忽視。
3、高帶寬，這使得邊緣計算產生的數據可以與集中式雲服務進行互動。
4、位置認知，作為移動互聯網和移動應用的融合，支持每個設備的位置判斷。
所以，邊緣計算帶來的第一個重要變化是角色互換。
舉個例子，傳統的電化教育學校需要配備很多電腦，所做的事情其實高度同質化，如果有了邊緣計算所有設備隻保留螢幕即可；比如安防廠商，以前KPI都在硬體層面，提升攝影頭清晰度，讓雲台更好用等等，但今天的很多能力是基於算力產生的，比如人臉識別等，全用硬體解決不可取，因為成本非常不合理，如果將算力提到雲端，實時傳輸的壓力又很大；再比如工業互聯網，生產型企業的設備會產生故障、報警等信息，如果及時在終端決策處理，有助於提升整個系統的冗余和彈性。
這些問題反映了兩個現實困擾。
其一，以上情況雲服務都有解決方案，但成本不低，而且大企業或規模化企業園區對於數據和信息安全特別敏感，因此算力下沉的需求很迫切。
其二，像移動、電信、聯通這樣的運營商過去只能被動成為流量管道，雲服務的支配權掌握在微軟、谷歌、亞馬遜、阿里、騰訊等科技互聯網巨頭手中。
中國移動就表示將在今年評估100個部署邊緣計算的試驗節點，引入100個合作夥伴，聯通聯合華為承諾投入數十億元資金用於邊緣計算全網規模部署。
5G和邊緣計算提供了一個破局機會，大連接支持海量設備，低時延意味著數據傳輸突破瓶頸，隨之而來的是所有參與者的角色重構。
1988年成立的歐洲電信標準化協會（ETSI）提出了邊緣計算（Mobile Edge Computing，簡稱MEC）架構，尋求利用5G的關鍵能力在網絡邊緣形成IT環境。
這既有可能讓擁有大量基地台的通訊運營商成為邊緣計算的天然終端，也有可能給一些大型實體企業帶來自主權。
很多擁有線下場景的企業將因此受益，比如自動駕駛，一天要產生4TB的數據，自行存儲和處理無疑是最佳方案，對於智能家居、共享單車、遊戲等行業都可以降低成本，當然更能加強滴滴順風車等產品的風險控制。
這並不意味著雲服務巨頭的能力受到削弱，雲計算擅長全局性、非實時、長周期的大數據處理分析，與邊緣計算的效率、成本優勢正好互補。
第二個變化是從技術驅動轉向需求驅動。
過去的幾次技術革命大多是科技互聯網巨頭主導，傳統企業和實體經濟被動參與，導致一些信息代差，邊緣計算有可能第一次改變這種局面。
今年2月的MWC上，除了折疊手機、AR、VR設備、高通的SoC移動平台以及5G基帶芯片等不斷亮相，最熱的就是關於邊緣計算的技術和設備，英特爾去年已經發布過芯片、板卡和軟體工具組成的邊緣計算全棧式解決方案，浪潮、中興首發了邊緣計算伺服器，邊緣雲等概念更是盛極一時。
整個行業呈現出投資加速、提前布局、預熱概念，搶跑落地的態勢。另一方面，終端需求再次成為刺激邊緣計算的核心動力。
其中，時延敏感場景是主力軍。
直播短視頻、雲遊戲、智能車聯、自動駕駛等應用方向，對用戶體驗的改善最為直觀，場景也趨於成熟，有可能是邊緣計算最先爆發的產品。
同時，邊緣計算也會帶動產業鏈的整體進化。
邊緣計算本質上是一種與場景密切相關的下沉雲服務，標準路徑與集中式雲服務相同，都是先有基礎設施，再有軟體平台，最後落地應用服務。
隨著5G商用，邊緣計算雖然會讓終端智能化的門檻變低，但在應用和安全層面還有不少技術難點等待克服。
首先，邊緣計算的典型玩法應該是先由終端設備過濾和處理簡單信息，然後將重要數據上傳雲端，因為下沉算力很難運行大型的數據處理軟體。
所以邊緣計算實質上是一種基礎算力的遷移，並不是代替傳統的雲服務，這也意味著在某些情況下大量應用的成本值得考量。
另一方面，大量終端設備來自不同廠家，運行不同的系統，兼容性存在差異，邊緣計算的統一部署並不容易，涉及輕量級函數庫和內核的支持。
同時，傳統雲服務大多支持用戶在目標平台上編寫和編譯程序，然後運行到雲伺服器，亞馬遜就有Lambda，方便性和透明性不言而喻，而在邊緣計算模型下部署用戶應用程序的時候，碼農就面臨極大挑戰，至少現有的編程模型都不合適。
再就是算力調度問題。雲計算會將超負荷任務轉移到閑置節點，邊緣計算只能根據任務類型和設備本身的計算能力進行動態調度，這並不容易。
最後也最大的難題是與終端企業的合作。
對於傳統的雲計算來說，專業人員通過供訪問接口處理數據，不需要深入業務場景，邊緣計算正相反，設備和算力都在生產端，系統在設計時就需要與服務的行業密切合作。
在這場全民狂歡中，技術不再天馬行空，邊緣計算有可能打破互聯網和實體經濟的藩籬，最後促成產業互聯網的大融合。
香港九龍灣馬來街興發大廈15樓D室