葛悅濤，尹曉桐

（北京海鷹科技情報研究所，北京 100074）

1 引 言

當前，互聯網和物聯網數據量呈井噴式成倍增加，為提升效率，追求低延遲性已經成為一種趨勢。然而，數據從終端設備上傳到云端，計算后再回傳至終端設備，這種傳統(tǒng)云計算技術已經無法滿足人們對計算效率的高要求，為此，邊緣計算（Edge Computing）技術應運而生［1］。邊緣計算是指在靠近物（如智能移動終端等）或數據源頭的一側，采用集“網絡-計算-存儲-應用”核心能力為一體的開放平臺，就近提供“最近端”服務。邊緣計算通常處于物理實體和工業(yè)連接之間或物理實體的頂端，其應用程序在邊緣側發(fā)起需求，產生更快的網絡服務響應，滿足行業(yè)在實時業(yè)務、應用智能、安全與隱私保護等方面的基本需求。對于智能制造而言，邊緣計算技術的不斷突破與普及應用，意味著許多控制、分析將可以通過本地設備實現，而無需交由云端處理，處理過程也將在本地邊緣計算層完成，這無疑將大大提升處理效率、減輕云端的負荷。

根據CB Insights公司的市場規(guī)模量化工具，到2022年，全球邊緣計算市場規(guī)模預計將達到67.2億美元；根據TrendForce公司預測，2018年至2022年全球邊緣計算相關市場規(guī)模的年均復合增長率將超過30%；國際數據公司IDC統(tǒng)計數據顯示，到2020年將有超過500億個終端和設備接入網絡，其中超過50%的數據需要在網絡邊緣側分析、處理與存儲，邊緣計算技術將為未來的百億終端提供人工智能能力；市場研究公司Tractica預測，到2025年，人工智能邊緣設備的出貨量將達到每年26億個（邊緣設備包括智能手機、智能家居揚聲器、物聯網攝像頭、無人機、自動駕駛汽車和制造機器人等）。

2 邊緣計算的概念

邊緣計算是繼分布式計算、網格計算、云計算之后，被認為是在網絡的邊緣執(zhí)行計算的一種新型計算范式，其核心理念是使計算更靠近數據的源頭［2-3］。按照中國邊緣計算產業(yè)聯盟的定義，邊緣計算是指靠近物或者數據源頭的網絡邊緣側，融合了網絡、計算、存儲、應用等核心能力的開放平臺，就近提供邊緣智能服務，滿足行業(yè)數字在敏捷聯接、實時業(yè)務、數據優(yōu)化、應用智能、安全隱私等方面的關鍵需求［4］。通俗來說，邊緣計算就是將云端的計算存儲能力下沉到網絡邊緣，用分布式的計算與存儲在本地直接處理或解決特定的業(yè)務需求，從而滿足不斷出現的新業(yè)態(tài)對于網絡高帶寬、低延遲的硬性要求。

圖1 邊緣計算概念示意圖Fig.1 The concept sketch of edge computing

3 邊緣計算的優(yōu)勢

由于數據只在源數據設備和邊緣設備之間交換，不再全部上傳至云計算平臺，這也意味著邊緣計算在下述問題上有著明顯的先天優(yōu)勢。

第一，數據安全。傳統(tǒng)云計算模型中，用戶端的一切數據都需要上傳到位于云端的統(tǒng)一數據中心，而在這個過程中，數據安全性就成了一個非常重要的問題。從電子金融賬戶密碼，到搜索歷史再到智能攝像頭監(jiān)控記錄，這些個人隱私數據或者商業(yè)機密在上傳到數據中心的過程中，都暗藏了數據泄露的風險。而在邊緣計算架構中，由于數據的收集和計算都是基于本地，數據也不再被傳輸到云端，因此重要的敏感信息可以不經過網絡傳輸，能夠有效避免傳輸過程中的泄漏。

第二，交互延遲。物聯網應用面對的數據量極大，已經不再適合直接上傳到云計算中心進行處理，不僅網絡帶寬壓力大，對海量數據的搜索耗時通常也是無法接受的。邊緣計算更靠近數據源，能夠提供更實時、更快速的數據處理能力，由于減少了中間傳輸的過程，數據處理的速度也被加快。邊緣計算的及時性和即時性對響應速度有苛刻時間要求的應用至關重要，比如自動駕駛應用、視頻監(jiān)控應用等。

第三，帶寬成本。隨著聯網設備的增多，網絡傳輸壓力會越來越大，而邊緣計算的過程中，與云端服務器的數據交換并不多，也不需要占用太多網絡帶寬。因此，邊緣計算處理的數據是“小數據”，從數據計算、存儲上都具有成本優(yōu)勢。這對基于互聯網或者跨多個域數據轉發(fā)的應用尤為關鍵。邊緣計算既可以通過減少網絡傳輸數據量來消減傳輸成本，還可以進一步提高云計算中心和數據中心的計算效率。

4 邊緣計算的發(fā)展趨勢分析

邊緣計算的興起、發(fā)展與普及，離不開新一輪技術及產業(yè)變革的重大機遇，為諸多邊緣計算技術愿景的實現與落地提供了助力。反過來，邊緣計算技術與標準化體系的成熟，也為諸多技術的進一步跨越式發(fā)展提供了契機與支撐。下文將從邊緣計算與云計算的協同發(fā)展關系、邊緣計算與人工智能芯片的協同發(fā)展關系、邊緣計算與5G的協同發(fā)展關系三個方面，分析邊緣計算的發(fā)展趨勢。

圖2 與邊緣計算協同發(fā)展的相關技術Fig.2 The technologies coordinating with edge computing

4.1 邊緣計算與云計算的協同發(fā)展分析

在科技飛速發(fā)展的今天，物聯網已成為在公共云上運行的關鍵工作負載之一。雖然現在云端的物聯網的平臺化要比定制開發(fā)的線下平臺能提供更大的價值，但是數據的延遲與寬帶的消耗是目前面臨的最大難題之一，大多數企業(yè)難以承受延遲時間帶來的巨大損耗與開支，邊緣計算就是為了解決這個問題的。邊緣設備充當“端”和“云”之間的中介，通過云的物聯網的控制平面進行集中化的管理［5］。因此，邊緣計算被認為是繼物聯網和人工智能之后下一個熱門技術。

邊緣計算的發(fā)展對云計算有一定沖擊，但它與云計算也有很強的協同。據國際數據公司IDC測算，到2021年，全球云計算市場的規(guī)模將達到5650 億美元，這其中約有20%為邊緣云，可達到1130 億美元。全球云服務商為了守住原本的市場空間，紛紛提前布局邊緣計算從而避免被吞噬。例如，2018年1月，亞馬遜全球用戶大會推出三款非云端產品，標志著傳統(tǒng)云端服務巨頭亞馬遜開始發(fā)力邊緣計算；2018年4月，亞馬遜以機器學習推理支持的形式改版升級其邊緣計算平臺AWS Greengrass，憑借該平臺對機器學習和深度學習的最新支持，用戶將能夠構建自己的深度學習攝像機，并在邊緣側進行推理和分析。

2018年1月，卡內基梅隆大學啟動普適感知、認知和網絡基礎設施的計算（Computing On Network Infrastructure for Pervasive Perception，Cognition and Action，CONIX）項目，該項目獲得了2750萬美元的資金，在未來五年中將重點探索創(chuàng)建位于邊緣設備和云之間的網絡計算架構，為邊緣計算的深入發(fā)展與軍事應用做準備。

2018年4月，微軟宣布計劃在未來四年內，向云操作系統(tǒng)、智能終端和智能物聯網相關項目投資50 億美元，其中對邊緣計算技術與產品的研發(fā)被擺在突出位置。2018年6月，微軟進一步推動云業(yè)務與邊緣計算業(yè)務的融合，宣布2017年公開預覽的Azure IoT Edge邊緣計算服務正式進入官方版，并通過GitHub共享平臺將其開源。Azure IoT Edge的核心功能是將基于云的分析和定制的業(yè)務邏輯轉移到邊緣設備，對這些邊緣設備進行即時數據處理，從而使用戶能夠專注于洞察商業(yè)機會而非數據管理。

對于戴爾等計算機服務器制造商而言，邊緣計算被視為是一個反超的機會。2018年2月，戴爾子公司VMware 在全球移動通信大會（Mobile World Congress，MWC）上發(fā)布一系列新的邊緣計算解決方案，在邊緣側對由物聯網設備收集的傳感器數據進行實時分析，以解決資產管理和監(jiān)控中的使用案例，這些邊緣計算解決方案能夠讓企業(yè)用戶以更輕松的方式，安全且有效地利用物聯網產生的數據。2018年8月，VMware 公布了用于邊緣計算用例的設備和新軟件Project Dimension，以及用于管理物聯網連接設備的Pulse IoT Center軟件的新版本，該套件將公司的旗艦vSphere 服務器虛擬化平臺與其存儲和網絡管理軟件相結合。這表明作為傳統(tǒng)數據中心領導者的戴爾正在接受和布局邊緣計算。

為了滿足物聯網設備的需求，邊緣計算和云計算需要協同工作：邊緣計算是云計算的延伸，它與云計算各有所長，云計算擅長全局性、非實時、長周期的大數據處理與分析；邊緣計算擅長現場級、實時和短周期智能分析等。來自智能設備和傳感器的所有數據仍然需要在云上進行匯總，這需要更深入的分析，以便從中獲取有意義的見解，所以云計算仍然在使物聯網設備更智能和更好的過程中發(fā)揮關鍵作用。云計算和邊緣計算正在塑造智能物聯網的未來［6］。這種組合為物聯網網絡中連接的設備帶來了穩(wěn)定性，并通過處理更接近源頭的數據來解決延遲問題。

4.2 邊緣計算與人工智能芯片的協同發(fā)展分析

在近年來人工智能芯片不斷革新的大背景下，邊緣計算與人工智能芯片已成協同共進之勢。隨著智能移動終端及物聯網應用的不斷普及，將數量巨大的智能移動終端所產生的數據悉數上傳至云端是不現實也是不可取的，其中很大比例數據需要在“邊緣側”完成對數據的處理與分析。在這種應用需求下，“低延遲”的處理將會成為主要難題——如何實現在毫秒級時間甚至微秒量級時間內完成處理，這便需要依靠邊緣計算技術。然而發(fā)展邊緣計算，人工智能芯片是必不可缺的。

2018年2月，美國半導體公司AMD推出了兩款面向邊緣計算的嵌入式處理器，分別是EPYC 3000系列和Ryzen V1000系列，均采用代號為ZEN的CPU架構。2018年2月，英特爾推出了最新一代的“至強 D（Xeon D）”系列人工智能處理器，該系列處理器基于Skylake架構，重點瞄準的是邊緣及其他一些受限的環(huán)境，這些環(huán)境對硬件密度、電力消耗、智能支撐的問題更為敏感。2018年2月，ARM公司公布延齡草（Trillium）項目，旨在通過優(yōu)化的人工智能芯片以運行那些利用了張量流（以TensorFlow系統(tǒng)為代表）和卷積神經網絡框架（以Caffe 框架為代表）等神經網絡框架的應用程序和軟件，來驅動位于邊緣側設備的機器學習、人工智能和目標檢測能力。

2018年7月，谷歌發(fā)布張量處理器（TPU）的輕量級版本——Edge TPU，專為在邊緣運行TensorFlow Lite ML模型而設計，它能在很小的物理占用和低功耗的限制下提供高性能運算，可以充當傳感器或網關設備中的標準芯片或微控制器，使得在邊緣部署高精度的人工智能成為可能。這標志著谷歌不僅在自己的數據中心開發(fā)人工智能芯片，還將其設計的Edge TPU應用在其他公司生產的產品中。2019年3月，谷歌發(fā)布基于Edge TPU的邊緣計算專用芯片Coral。2018年11月，英特爾人工智能大會推出英特爾神經計算棒二代（英特爾NCS 2），該計算棒可以在網絡邊緣構建更智能的人工智能算法和計算機視覺設備。英特爾認為邊緣側人工智能的最大機會將是視覺領域——機器視覺、視頻監(jiān)控、醫(yī)療影像等。英特爾NCS 2基于其視覺處理單元（Vision Processing Unit，VPU），得到英特爾OpenVINO工具包的支持，與上一代神經計算棒相比性能更優(yōu)，能夠以可負擔的成本顯著加快深度神經網絡推理應用的開發(fā)。此外，英特爾正在研發(fā)全新專門面向5G無線接入和邊緣計算的基于10nm 工藝的網絡系統(tǒng)芯片，研發(fā)代號“Snow Ridge”，計劃于2019年下半年交付給合作伙伴，并于2020年初推出產品。

支撐邊緣計算的人工智能芯片，需要邊緣設備在性能、功耗與尺寸之間進行平衡。從發(fā)展趨勢看，邊緣計算專用人工智能芯片需要在架構復雜度、支持人工智能算法多樣化以及多場景適應性上不斷創(chuàng)新和提升。此外，還需要“邊-云”協同的人工智能體系架構來降低應用開發(fā)和部署成本，以便更有效地利用基礎設施的資源。

4.3 邊緣計算與5G的協同發(fā)展分析

第五代移動通信網絡（5G網絡）的即將商用，為邊緣計算的發(fā)展提供了新的機遇。5G所具有的延時小、帶寬大、容量大等優(yōu)勢，解決了傳統(tǒng)通信領域里遇到的很多問題，但是也導致數據量的極速增長，這時候亟需提供可靠、有用、可執(zhí)行的商業(yè)模式。5G的快速處理、低延遲等特點可以在迅速響應方面提供一個新的途徑，能夠對端、邊緣、云上進行聯合優(yōu)化。邊緣計算的這種能力，可以從用戶體驗、功耗、計算負載、性能、成本等方面，在物聯網設備、邊緣設備和云設備之間智能配置資源，為聯合優(yōu)化提供了一種新的途徑。因此，邊緣計算技術的發(fā)展與5G有著密切的關系：一方面，邊緣計算能夠給予5G支持，5G的重要組成便是邊緣計算；另一方面，因為5G是以軟件的形式進行表現，恰好可以靈活運用邊緣計算［8］。

在歐洲市場，邊緣計算產業(yè)已經形成了產業(yè)聯盟，以沃達豐、德國電信、西門子等公司為代表的大型科技企業(yè)已經加入其中。歐洲電信標準化協會（European Telecommunications Standards Institute，ETSI）已啟動標準化移動邊緣計算（Moving Edge Computing，MEC）的制定，運營商可以向授權的第三方開放其無線網絡邊緣，使其能夠靈活快速地為移動用戶、企業(yè)和垂直網段部署創(chuàng)新的應用和服務［9-10］。移動邊緣計算是移動基站迭代和IT與電信網絡融合的自然發(fā)展的結果，將為消費者和企業(yè)客戶提供新的垂直業(yè)務服務，包括視頻分析、位置服務、物聯網、增強現實、優(yōu)化本地內容分發(fā)和數據緩存等。2018年2月，ETSI發(fā)布兩篇白皮書，分別是《云端無線接入網絡（Cloud RAN）和移動邊緣計算：完美配對》和《4G中的移動邊緣計算部署以及向5G演進》，以實現移動邊緣計算與5G保持同步。

5 結束語

邊緣計算能就近提供智能互聯服務，滿足行業(yè)在數字化變革過程中的關鍵需求。人工智能與5G的迅速落地，與邊緣計算的發(fā)展密不可分，邊緣計算必將是人工智能之后的下一個熱點。隨著移動網絡向5G演進的速度進一步加快，邊緣計算將在大流量業(yè)務的普及下發(fā)揮更多價值，如降低核心網壓力、提升接入網的能力與價值等。隨著可穿戴設備及附帶傳感器的智能設備數量呈爆發(fā)式增長，未來更多設備將被接入物聯網，邊緣側分析計算能力需求將倍增。邊緣計算正在不斷融合和完善運營、信息和通訊（OICT），并有效地推動產業(yè)的發(fā)展，這也標志著邊緣計算技術已經邁進了快速發(fā)展的道路。目前，智慧安防、工業(yè)互聯網、智能家居等已成為當下邊緣計算主要的應用場景，各廠商在這些領域也都有了完整的解決方案。