十多年前，Amazon Web Services(AWS)以一个可提供灵活计算实例的系统的形象出现在了人们面前。对于AWS的诞生，人们持有不同的观点，比如有人认为Amazon创建AWS的目的就是让那些在自己平台中的零售商不用再承担那些自建系统所带来的IT负担。其实在当时，大多数人仅仅将AWS视为Amazon推出的一项附加业务，而Amazon那边也没对AWS进行过多的宣传。
后来，随着大大小小的各种企业组建接受了AWS的服务，AWS一直处稳健地增长之中。不过直到2015年AWS年度收入超过了50亿美元之后，Amazon方面才将AWS的数据公布了出来，这自然是Amazon过人之处。如今，几乎所有Amazon的营业收入均来自于AWS，它显然成为了Amazon的增长引擎。
在2006到2015年时，大多数的本地服务器、存储和网络厂商均经历了一个增速放缓期，这时，他们通常会以整体市场表现不好(特别是2008的金融危机)以作为相关的推辞。但事实是，增速与利润均流向了那些云端的公司，如Amazon、Linkedin、Facebook、Twitter和Google等。
微软方面则做出了一些关键性的转型，它取消了对客户和合作伙伴征收“战略税”，并最终重新确定了Windows在其自身体系中的重要性。这促成了“Azure时代”的来临以及微软对自身的重塑。
Google自然不甘人后，它意识到，企业服务是一个相当稳定并具有很高利润的商业模式，这可为它带来持续性地增长。同时，Google也在Android、自动驾驶、Google眼镜(VR/AR)以及长寿研究等领域中探索。
当我们将时间快进到当前的2018年，云端大战的上半场已经结束。对于各个云服务玩家来说，他们对未来3-5年的市场变化均拥有一个清晰的认识，那就是：数据。厂商所争夺的重心正逐渐从功能/性能快速转变到数据之上。这些数据具有相当大的吸引性，并具有“人们可随时查看，但不能说走就走”(即，入口是免费的，但从云端拿取数据时必须支付费用)的特征。之后，技术的发展带来了更多锁定性的产品，如API(如Google的 Vision APIs)和作为算法的服务(如AmazonLex的会话接口)。
目前，云厂商都关注的一点还在于物联网技术的发展，而这将推动物联网边缘(IoT edge)技术的出现。在定义中，物联网是一套需要本地智能计算支持才能生成大量数据的智能系统。
而物联网边缘将成为一种挑战，是因为现在的云计算并没有为物联网的到来做好准备。如果这个问题不能得以解决，那么云计算的增长势必会具有一个增长瓶颈。Gartner分析师Thomas Bitman在他的“边缘将吃掉云计算”(The Edge will Eat the Cloud)文章中写到，“云计算具有很棒的灵活性...但是它有克服不了物理问题：数据的重量和光的速度”。
云供应商自然没忽视这一点，他们正在想办法以解决这个问题。今年2月，Google收购了LogMeIn的Xively物联网平台，而今年4月，微软则宣布它对于物联网方面的支出将提升两倍，达到50亿美元以上。
这是因为，这些云厂商意识到了他们失去了IT市场中很大的一部分，及物联网/边缘市场。而且，他们也明白，如果不能解决现有的问题，他们现有的云收入很可能就会受到极大的影响。因为物联网边缘所产生的数据量级将使得那些存储在云数据中心中的数据相形见绌。
目前的云产品之所以不能解决物联网边缘的问题，是因为云计算的设计原则是与那些边缘需求并不相关。
相比于云计算，物联网和边缘系统具有截然不同的特性：
具有占地面积小，功耗敏感的软件堆栈。软件不可能被***制地扩展，而在云中添加容器的成本又不可能为零。因此，我们需要进行优化，以尽量减少内存和CPU的占地面积。尽管在进行大规模的部署时，这会为企业带来更大的利益，但是当在快速解决重要挑战时，它反倒成为了一个问题。而物联网边缘则正好相反，物联网边缘可以设计在一个非常小的设备或传感器上，几乎不会占用额外的软件空间。
延迟可变。从边缘设备到云的延迟可能从几百毫秒到***延迟不等。而云端的延迟则是由跨虚拟机和跨区域的实际情况决定的，往往更加稳定。
多样的网络。边缘堆栈可在多种不同的网络中运行。一些边缘计算可以通过以太网、蜂窝(Cellular)、卫星与WiFi进行连接。而云计算一般只能通过标准化的有线连接、以太网类网络系统进行联通。
不可预测的带宽。在物联网中，带宽也可能是变化的，软件需要能够应对这一问题。
偶发连接性。物联网/边缘系统的连接具有偶发性。对于那些列车和货船来说，每当他们在一个车站或码头停靠时，它们都需要对网络进行重新偶发连接。这也适用于那些小型承包商偶尔对物联网设备进行连接的情况。
而伴随着公司开始通过AI和数据以塑造出自身的互联网边缘系统，我们还是要记住历史告诉我们的一些原则：
开放API。企业应该使用一个开放的API平台，而不是锁定在某一云供应商的平台之上。
结构。我们需要了解到多个物联网系统与区域和全球云系统的连接实际上构建了一个数据结构。我们确保应用程序能够访问全系统的单一数据，以便数据移动不会导致重写应用程序。
在当地行动、在全球学习。AI及其边缘机器学习的子分支需要企业具备本地和独立行为的能力，以便在不依赖云的情况下有效应对当地的情况。 话虽如此，系统/结构仍需要以一种可从全部边缘进行全方位学习的方式，然后将该智能反馈到每个边缘。
不要将系统设置的过于庞大。将所有控制和管理功能都放在云中，反而可能会是系统更容易出现故障。该系统应该可以被分解为单独的数据集群， 无论是在边缘，在区域云中还是在全球云中，这样就可以将它们进行统一管理或单独管理。
安全。随着数据驱动策略将聚合型的智能数据推送到云上，现在我们有了安全机制来确保云中的数据安全。但是边缘呢?安全策略框架不应该为同一数据进行多次重新创建，这取决于当前数据所在的位置。
云是过去与现在，那么当物联网时代来临时，边缘是否将成为未来?
