科技領域涌現了大量新技術，新概念，新理論，代表了以互聯網，人工智能，腦科學為箭頭的前沿科技發展方向，這些名詞包括”物聯網，云計算，大數據，人工智能（深度學習），工業4.0，工業互聯網，無人機，智能駕駛，虛擬現實，3D打印”等等。他們之間究竟是什么關系。我們曾經用互聯網云腦（大腦）的架構進行了分析。如下圖所示。

一、邊緣計算，霧計算產生的背景和概念介紹

當前，移動互聯網，物聯網，人工智能系統的計算大多數是在互聯網數據中心運行，即運行在“云”上。但是隨著技術的發展，人們發現一個巨大的機會正在遠離數據中心的網絡邊緣產生——嵌入式人工智能正受到越來越廣泛的重視。

物聯網擁有海量的終端設備，未來如果這些網絡節點所抓取的數據都需要上傳云端進行智能處理或者深度學習，對網絡帶寬將提出巨大挑戰。另一個挑戰就是功耗。設備端大量采用電池供電，比如智能移動設備、新能源汽車等都對設備功耗提出越來越高的要求。（王均峰語）

從2015開始，以邊緣計算，霧計算為特點的嵌入式人工智能技術開始受到重視，他們的作用可以優化資源、提升效率。

邊緣計算概念已經普遍存在于工業物聯網應用、制造業、零售、ATM機、智能手機和虛擬/混合現實等領域。這一概念的核心是處理任務時，在網絡端點或接近網絡端點的地方完成一部分計算和分析，而無須將所有數據發回云端。算法和模型可以在云端建立，然后推送到邊緣設備上。

而霧計算（Fog Computing）是指數據、（數據）處理和應用程序集中在網絡邊緣的設備中，而不是幾乎全部保存在云中，是云計算（Cloud Computing）的延伸概念，由思科（Cisco）首創。2011年被提出，在2012年被作了詳細定義。

二、邊緣計算和霧計算是互聯網云腦神經末梢發育的萌芽

作為近幾年開始引起產學研關注的新科技概念，邊緣計算和霧計算本質上究竟是什么？與物聯網，云計算，大數據，人工智能，工業互聯網，工業4.0,移動互聯網的關系是什么？能不能在互聯網云腦的架構標注出來？

我們在2005年開始的互聯網與腦科學交叉研究提出：“互聯網將從一個分裂的，不成熟的組織結構向著與人類大腦高度相似的方向進化，它將具備自己的視覺、聽覺、觸覺、運動神經系統，也會擁有自己的記憶神經系統、中樞神經系統、自主神經系統。”，當互聯網進化的成熟階段時，所形成的結構圖如上圖所示。

對于邊緣計算和霧計算這兩個新科技概念，如果從神經學的角度看，它們對應了大腦神經學架構的哪個組成部分呢？讓我們首先看一下末梢神經的相關情況和圖示：

神經末梢是為神經元神經纖維的末端部分，分布在各種器官和組織內。按其功能不同，分為感覺神經末梢和運動神經末梢。

感覺神經末梢是感覺（傳入）神經元周圍突的終末部分與其他組織結構共同形成的特定結構，稱為感受器（receptor）。它能感受人體內外的各種刺激，并轉化為神經沖動，傳向中樞。感覺神經末梢按其結構又可分為游離神經末梢和有被囊感覺神經末梢。

運動神經末梢是運動神經元傳出神經纖維的,終止于骨骼肌、心肌、平滑肌及腺體等形成效應器（ effector）,支配肌肉收縮或腺體分泌。

三、邊緣計算和霧計算在互聯網云腦中的位置

從上述邊緣計算和霧計算和神經末梢的知識介紹可以看出，邊緣計算和霧計算可以看做是互聯網云腦（大腦）發育過程中互聯網神經末梢不斷發育的結果。或者說邊緣計算和霧計算是互聯網神經末梢的代名詞。

邊緣計算和霧計算為代表的智能感受器和效應器在網絡的邊緣進行初步和簡單的數據，信息處理。它們的出現不是為了替代互聯網的中樞神經系統（云計算），而是與云計算互為備份，互為依托，增加整個互聯網云腦（大腦）的魯棒性。

在有良好網絡條件的情況下，云端能減少本地端的計算任務，也能夠完成信息儲備能力及數據實時共享。當網絡線路和云端計算量受限時，邊緣計算和霧計算可以獨立進行信息處理，但最終當線路聯通后，邊緣計算和霧計算還是要把相關信息傳輸到云端（互聯網中樞神經系統），實現不同邊緣設備的信息共享和交互。

綜上所述，我們把邊緣計算和霧計算標準在互聯網云腦的架構圖上。如下圖所示：