作者 | 雒增庭

它们是信息处理的双生子。

说起云计算，大家想必都不陌生，自2006年Google首次提出“云计算”(Cloud Computing)这一概念，经亚马逊进行大规模的商用之后，云计算的发展进入了井喷时代，越来越多的企业纷纷建立了自己的云计算中心，服务于自己平台和产品的信息处理和计算。

云计算的发展过程分为三个阶段，在第一阶段，云计算主要应用对象是中小企业，通过云计算实现从“无”到“有”的IT 职能；到了第二 阶段，云计算成为企业级用户核心应用的 IT 补充资源；而到了第三阶段也就是现在，云计算已经成为了企业 IT 的核心资源。云原生应用、人工智能和物联网成为用户业务的主要驱动力，但随着目前移动设备、嵌入式设备和传感设备等智能设备的不断创新和普及，全球的移动数据呈现出疯狂式的增长，面对大量的数据和新型的应用程序对服务质量的严苛需求，云计算也有点力不能及了。

物联网和人工智能的发展带来了数以亿计的数据。分布广泛的传感器、智能终端等每时每刻都在产生大量的数据。尽管云计算拥有“无限”的计算和存储资源池，但云数据中心往往是集中化的，且距离终端设备较远，在面对大量的分布广泛的终端设备及所采集的海量数据时，云端不可避免的面临着网络拥堵、高延迟、可靠性差这三大主要问题，当这些问题越来越严重的时候，而且无人驾驶技术、各种智能应用对数据处理的要求越来越高，而在现有的技术无法满足的情况下，这时候云计算就需要一个帮手来为它分担压力了。

雾计算就闪亮登场了。

雾计算是云计算（Cloud Computing）的延伸概念，“雾计算”这个概念最开始是由美国哥伦比亚大学的斯特尔佛教授提出来的，并由美国公司思科（Cisco）首创，之所以叫“雾计算”，是源于“雾是更接近地面的云”这个概念。

早在2015年，以边缘计算，雾计算为特点的嵌入式人工智能技术，因为可以优化资源、提升效率，就已经受到了广泛的重视。它们的工作逻辑是在处理任务的时候，网络端点或接近网络端点的地方能独自完成一部分计算和分析，而无须将所有数据发回云端。同时，算法和模型可以在云端建立，然后推送到边缘设备上。 这样一来，信息拥堵和延迟就能得到很好的解决。雾计算是基于云的服务 , 如 IaaS、 PaaS、 SaaS，拓展到网络边缘，而边缘计算更多地专注于终端设备端，这是它们最大的不同。

通常来说，雾计算环境由传统的网络设备组件构成，任何装置若具备连网、运算以及储存功能，就能够成为一个雾计算的节点，比如：路由器、开关、机顶盒、本地服务器、基站等，这些组件可以提供不同的计算、存储、网络功能，支持服务应用的执行。雾计算介于云计算和个人计算之间，是半虚拟化的服务计算架构模型，强调数量，不管单个计算节点能力多么弱都要发挥作用。与云计算相比，雾计算所采用的架构更呈分布式，更接近网络边缘，所以，雾计算依靠这些组件，可以创建分布于不同地方的云服务，并高效处理各类数据和信息。

基于这种特点，雾计算处理数据时效非常快，延迟很小，既能减轻核心网络的压力，又具有很高的移动性和安全性，也就是说手机和其他移动设备可以互相之间直接通信，信号不必到云端甚至基站去绕一圈，省时又省电，高效并可靠。

雾计算是以后建设物联网，发展人工智能的必备条件和基础设施。作为新的技术革新。现在已经有多家企业和组织机构都开始布局雾计算的生态体系，除了 Cisco、华为这些通讯产商，还有很多云计算、物联网的企业也加入进来，相信在以后雾计算将更好的服务于商业市场和人们的生活。

当然了，有云就有雾，有雾就有霾，有云计算和雾计算，也有“霾计算”这种比较奇葩的概念，这一点我会在以后讲到。在未来，或许还会出现新的概念，但云、雾、边缘三大主流技术将会长期存在，了解了这些，以后对这些概念也就不会一头雾水了。

未来的人们，就生活在云里雾里了。