一、边缘计算相关介绍
1、为什么需要边缘计算
网络带宽：据IDC统计，到2020年我国数据储存量达到约39ZB，其中约30%的数据来自于物联网设备的接入。据统计，波音787每秒产生的数据超过5GB，无人驾驶汽车每秒产生约1GB数据，因此，网络带宽正在逐渐成为云计算的一大瓶颈。此外，未经处理的数据中可能包含大量的静态画面、空闲状态等冗余数据，也极大的降低了网络带宽的利用率。
实时性：海量的数据为云端分析的准确性提供了保障，但传统模式下云端也必须与物理网设备联机数据和控制通路来处理数据和适时交互，因此云计算平台的计算性能也正逐渐达到瓶颈，无法满足新兴万物互联应用对延迟时间的要求，从而降低整个系统的可用性。
隐私保护：云计算平台将医疗设备、网络摄像头等物理网设备采集到的个人和家庭用户的隐私数据传输到数据中心集中保存，传输、存储和使用路径过长，不但涉嫌将大量云端应用无关的用户隐私数据泄露给第三方，还存在黑客攻击、数据丢失等其他隐私风险，极大的影响了物联网技术的推广。
能耗：云数据中心的能耗问题已经成为数据中心管理规划的核心问题。仅我国数据中心所消耗的电能已经超过匈牙利和希腊两国用电的总和。因此，通过将部分任务从云端迁移到设备端，可以大大降低云计算数据中心的计算负载，进而达到降低能耗的目的。
边缘计算优点
数据来源：公开资料整理
2、边缘计算的概念
边缘计算是云计算的延伸，为高带宽低时延业务提供支持。移动边缘计算（Mobile Edge Computing, MEC，以下简称边缘计算）是在靠近数据源或用户的网络边缘侧，提供网络、计算、存储等基础设施，并为边缘应用提供云服务和IT环境，让消费者享有不间断的高质量网络体验。边缘计算是一种分布式的基础设施，相比于集中部署、离用户侧较远的云计算服务，边缘计算更加接近用户侧或数据源，同时可以很好的解决时延过长、汇聚流量过大等问题，为实时性和带宽密集型业务提供更好的支持。举例来说，无人驾驶场景下，汽车需要实时计算车速、车距以及感知周围环境，如果这些处理放在云端服务器实现，那么在数据传输过程中的任何延时都可能导致一场车祸的发生。
资料来源：公开资料整理
3、边缘计算的应用领域
边缘计算目前在智能制造、智慧城市、直播游戏和车联网4个垂直领域需求最为明确。其中在智能制造领域，工厂可以利用边缘计算网关实现本地数据采集、并进行数据过滤、清洗等实时处理功能，同时还可以采用虚拟化技术实现工业控制器。在智慧城市领域，主要是在智慧楼宇、物流和视频监控几个场景，边缘计算可以实时对一些小块数据处理，从而实现毫秒级的人脸识别等智能分析。在直播游戏领域，边缘计算可以为CDN提供丰富的存储资源，可以降低云VR/AR终端设备复杂度，促进产业高速发展。在车联网领域，可以借助边缘计算支撑高精度地图的相关数据处理和分析，为辅助驾驶/自动驾驶提供低时延保证。
边缘计算四大应用场景及要求
资料来源：公开资料整理
相关报告：华经产业研究院发布的《2019-2025年中国边缘计算行业发展潜力分析及投资方向研究报告》
二、边缘计算与云计算的关系
边缘计算与云计算并非互斥关系，边云协同是未来大趋势。边缘计算与云计算、雾计算，都属于云计算的范畴，雾计算更强调在设备的网关里处理数据，而边缘计算更靠近数据生成的设备端，雾计算则是介于云计算和边缘计算之间。云计算更适合大规模、非实时、备份等的数据处理，边缘计算更适合低时延、小量、实时等的数据处理，两种方案对应的解决问题场景不同，这也决定了两者不是竞争关系。从互补角度来看，一方面边缘计算帮助云计算分担计算压力，另一方面云计算大规模算力得出的优化规则可以直接输出给边缘计算使用。很多公有云巨头加入到边缘计算的赛场，例如亚马逊、微软、谷歌都相继发布了各自的边缘计算服务，可以发现边云协同是未来大趋势。
部分云公司的边缘计算计划
资料来源：公开资料整理
边云协同或带动网络资源大变局。应用场景的丰富性和客户粘性决定了计算、存储和网络资源的分配，5G时代许多应用场景因为时延、带宽、安全等因素将会考虑承载在边缘计算上，边缘计算的重要性将受到越来越多新应用和新场景的青睐，从而可能导致计算、存储和网络资源的再分配。
未来的5G网络将是基于SDN、NFV和云计算技术的更加灵活、智能、高效和开放的网络系统。5G网络架构包括接入云、控制云和转发云三个域。4G时代核心网（EPC，演进型分组核心网）部署位置较高，为了满足5G低时延业务需求，5G核心网被拆分成New Core（新核心网）和MEC（移动边缘计算），其中New Core将云化部署在城域核心的大型数据中心，MEC将部署在城域汇聚或更低的位置中小型数据中心。
三、边缘计算现状
为了实现边缘计算，运营商联合产业力量成立OTII。2017年11月，中国移动联合中国电信、中国联通、中国信通院、英特尔等公司，在ODCC（Open Data Center Committee，开放数据中心委员会）共同发起了面向电信应用的开放电信IT基础设施项目——OTII（Open Telecom IT Infrastructure），该组织首要目标就是形成运营商行业面向电信及边缘计算应用的深度定制、开放标准、统一规范的服务器技术方案及原型产品。OTII项目成员不仅包括运营商，也包括中兴、华为、新华三、烽火、浪潮、联想等设备制造商。OTII服务器目前已经在中国移动、中国电信的CDN、vBRAS等业务系统中开展相关实验、试点。
资料来源：公开资料整理
在硬件方面，考虑到边缘计算节点机房的条件，需要对服务器外观和功率进行重新设计和定制。对于不同的垂直行业应用场景，还要考虑一体化集成交付能力以及各类现场智能化接入设备的丰富生态。例如，偏远地区接入所的边缘机房如果要部署通用的X86服务器存在各种局限性，例如机架深度较浅、环境温度较高等，而OTII边缘服务器可能只有标准服务器深度的一半，同时为了适配环境简陋的MEC，OTII边缘服务器在耐高温、防尘、耐腐蚀、电磁兼容、抗震等方面也相应做了定制。
边缘计算的产品形态主要以服务器的形式呈现，在MWC2019大会上，中兴、浪潮相继推出重磅边缘计算产品，浪潮发布首款基于OTII标准的边缘计算服务器NE5260M5，该产品为5G设计，可承担物联网等5G应用场景。与此相比，中兴推出搭载了英特尔至强处理器的ES600SMEC服务器，能够大幅提升边缘计算处理能力，减少网络延迟并优化TCO。
从产业发展来看，建设顺序依照“网络-终端-应用”，产业链价值也将逐渐由前向后传递，而MEC是切入5G垂直行业应用的重要触点。在刚刚举行的MWC2019上，中国移动启动边缘计算“Pioneer300”先锋行动。中国联通宣布加速打造边缘计算生态圈，拟在2019年在31个省市加快边缘业务的规模部署。
四、边缘计算发展趋势
预计2020-2025年期间，我国5G商用间接拉动的经济总产出约24.8万亿元，间接带动的经济增加值达8.4万亿元。未来许多5G应用将承载在边缘计算上，边缘计算目前在智能制造、智慧城市、直播游戏和车联网4个垂直领域需求最为明确，车联网以及物联网（智能制造、智慧城市）和CDN（CDN为直播游戏加速）将是边缘计算首先大规模应用的场景。
无人驾驶的实现需要多种技术共同推动，比如定位导航技术、环境感知能力、自动控制技术等，边缘计算是整合这些技术，形成可落地解决方案的关键环节。无人驾驶是基于车辆对于周围数据的实时读取和处理来实现的。根据英特尔早年在无人驾驶研究方面取得的数据，无人驾驶汽车每天产生的数据超过4000GB。当百万、千万级的汽车要进行这种计算，只靠远程云计算中心来处理势必造成传输端网络阻塞和计算中心的超负荷，这产生的延时可能严重威胁行车安全。这就要求需要在接近汽车的地方实现数据处理并反馈，由于边缘计算靠近数据源头，又具备轻量级云计算的能力，理论上可以满足无人驾驶所需的延时要求。
自动驾从Level1到Level5，每往上升一级，计算量就增加了一个数量级。当前宝马、奔驰等传统车厂正在研发Level3级自动驾驶，离商业化仍有一段距离。Level3级匹配的人工智能处理器处于差不多24T的算力阶段。而到了Level4级的自动驾驶，算力要去达到320T量级，再到五级的完全的无人驾驶的话，要到4000T。无人驾驶要真正商业化落地，紧靠云计算提供的算力是无法支撑的，需要建立起车载芯片端计算-路网边缘计算-数据中心云计算的一整套支撑体系。
资料来源：公开资料整理
近年来，视频监控终端设备及传感器的数量急剧增长，各行业计算业务日益复杂、计算效率要求越来越高。云计算传输还受限于带宽和网络信号，效果并不能使人满意。2017年10月海康威视发布海康AICloud框架将AI算力注入边缘。AICloud框架由云中心、边缘域、边缘节点三部分构成，实现从端到中心的边缘计算+云计算，真正做到让感知理解更有效、更精准。图像目标细节传输更高效，网络压力得到释放；数据分级应用更灵活，业务响应更敏捷。在人脸识别方面，边缘计算相比于云计算，响应时间由900ms减少为169ms。
