人工智能一直是近年來科技圈熱門的領(lǐng)域，國(guó)內(nèi)更是在這幾年誕生了諸如曠視科技、商湯科技、極鏈科技Video++、依圖科技等優(yōu)秀初創(chuàng)企業(yè)。但隨著5G、人工智能和物聯(lián)網(wǎng)時(shí)代的到來，傳統(tǒng)的云計(jì)算技術(shù)已經(jīng)無法滿足人工智能終端“大連接、低時(shí)延、大帶寬”的需求。

盡管目前云計(jì)算的能力越來越強(qiáng)大，但是面對(duì)大量涉及個(gè)人隱私的數(shù)據(jù)，傳統(tǒng)的云計(jì)算依然不能高效地支持基于物聯(lián)網(wǎng)的應(yīng)用服務(wù)程序，而邊緣式大數(shù)據(jù)處理時(shí)代下的邊緣云計(jì)算恰好可以很好的解決這些問題。

邊緣計(jì)算是什么

邊緣云是基于云計(jì)算技術(shù)的核心和邊緣計(jì)算的能力，構(gòu)筑在邊緣基礎(chǔ)設(shè)施之上的云計(jì)算平臺(tái)。形成邊緣位置的計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)、安全等能力全面的彈性云平臺(tái)，并與中心云和物聯(lián)網(wǎng)終端形成“云邊端三體協(xié)同” 的端到端的技術(shù)架構(gòu)，通過將網(wǎng)絡(luò)轉(zhuǎn)發(fā)、存儲(chǔ)、計(jì)算，智能化數(shù)據(jù)分析等工作放在邊緣處理，降低響應(yīng)時(shí)延、減輕云端壓力、降低帶寬成本，并供全網(wǎng)調(diào)度、算力分發(fā)等云服務(wù)。

簡(jiǎn)單來說，邊緣計(jì)算就是指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣，融合了網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)以及應(yīng)用處理能力的分布式平臺(tái)，就近提供智能服務(wù)。邊緣計(jì)算可以理解為云計(jì)算的一個(gè)逆操作，云計(jì)算強(qiáng)調(diào)的是計(jì)算和存儲(chǔ)等能力從邊緣端或桌面端集中，而邊緣計(jì)算則是將這種計(jì)算和存儲(chǔ)能力重新下沉到邊緣。

邊緣計(jì)算產(chǎn)生原因

邊緣計(jì)算產(chǎn)生原因主要還是云計(jì)算的服務(wù)不足，云計(jì)算大多采用集中式管理的方法，這使云服務(wù)創(chuàng)造出較高的經(jīng)濟(jì)效益，而在萬物互聯(lián)的背景下，應(yīng)用服務(wù)需要低延時(shí)、高可靠性以及數(shù)據(jù)安全，而傳統(tǒng)云計(jì)算無法滿足這些需求。

首先物聯(lián)網(wǎng)環(huán)境下，邊緣設(shè)備產(chǎn)生大量實(shí)時(shí)數(shù)據(jù)，云計(jì)算性能正逐漸達(dá)到瓶頸，據(jù)IDC預(yù)測(cè)，到2020年，全球數(shù)據(jù)總量將大于40ZB，隨著邊緣設(shè)備數(shù)據(jù)量的增加，網(wǎng)絡(luò)帶寬正逐漸成為云計(jì)算的另一瓶頸。其次當(dāng)用戶使用電子購(gòu)物網(wǎng)站、搜素引擎、社交網(wǎng)絡(luò)等時(shí)，用戶的隱私數(shù)據(jù)將被上傳至云中心，其包含用戶隱私數(shù)據(jù)，如果直接將視頻數(shù)據(jù)上傳至云數(shù)據(jù)中心，視頻數(shù)據(jù)的傳輸不僅會(huì)占用帶寬資源，還增加了泄露用戶隱私數(shù)據(jù)的分風(fēng)險(xiǎn)，邊緣計(jì)算模型恰好為這類敏感數(shù)據(jù)提供了額較好的隱私保護(hù)機(jī)制。最后，針對(duì)云數(shù)據(jù)中心的能耗問題，隨著在云計(jì)算中心運(yùn)行的用戶應(yīng)用程序越來越多，未來大規(guī)模數(shù)據(jù)中心對(duì)能耗的需求將難以滿足，為解決這一能耗難題，邊緣計(jì)算模型提出將原有云數(shù)據(jù)中心上運(yùn)行的一些計(jì)算任務(wù)進(jìn)行分解，然后將分解的計(jì)算任務(wù)遷移到邊緣節(jié)點(diǎn)進(jìn)行處理，以此降低云計(jì)算中心的計(jì)算負(fù)載，以達(dá)到降低能耗的目的。

邊緣計(jì)算的應(yīng)用場(chǎng)景

邊緣計(jì)算的應(yīng)用場(chǎng)景從覆蓋上可以分為全網(wǎng)覆蓋和本地覆蓋兩類。全網(wǎng)覆蓋類應(yīng)用的核心要求是從邊緣節(jié)點(diǎn)在地區(qū)和運(yùn)營(yíng)商網(wǎng)絡(luò)兩個(gè)層面上的覆蓋度，來保證就近計(jì)算(如 CDN、視頻直播、邊緣撥測(cè)/監(jiān)控等業(yè)務(wù))，或者基于足夠多的節(jié)點(diǎn)進(jìn)行網(wǎng)絡(luò)鏈路優(yōu)化。

本地覆蓋類應(yīng)用的核心要求是邊緣節(jié)點(diǎn)的本地化，即邊緣節(jié)點(diǎn)的接入距離要足夠近(<30 公里)，時(shí)延足夠低(<5ms)，來支持本地化服務(wù)的上云需求，例如新零售、醫(yī)療等行業(yè)的監(jiān)控?cái)?shù)據(jù)上云等。這類應(yīng)用的大帶寬需求是最能體現(xiàn)邊緣云計(jì)算時(shí)延和成本優(yōu)化等核心優(yōu)勢(shì)的場(chǎng)景。

視頻直播的媒體流推送到就近的邊緣節(jié)點(diǎn)，在邊緣節(jié)點(diǎn)直接進(jìn)行轉(zhuǎn)碼，轉(zhuǎn)碼后的媒體流分發(fā)到CDN邊緣節(jié)點(diǎn)，當(dāng)有用戶訪問時(shí)就近返回內(nèi)容?；谶吘壒?jié)點(diǎn)上的服務(wù)、直播流的上下行內(nèi)容推送以及轉(zhuǎn)碼處理等都不用再回中心處理，大大降低了業(yè)務(wù)時(shí)延，提升了互動(dòng)體驗(yàn)，同時(shí)邊緣處理架構(gòu)對(duì)帶寬成本的節(jié)省也非常明顯。

小結(jié)：

過去AI必須依靠強(qiáng)大的云端計(jì)算能力來進(jìn)行數(shù)據(jù)分析與算法的運(yùn)作，隨著技術(shù)的成熟以及新應(yīng)用的出現(xiàn)，商業(yè)數(shù)字化概念逐漸深入人們的思想，芯片能力不斷提升、邊緣計(jì)算平臺(tái)成熟，開始賦予了AI更強(qiáng)的能力，協(xié)助數(shù)據(jù)初步篩選分析、裝置設(shè)備實(shí)時(shí)反應(yīng)等，在工業(yè)領(lǐng)域、智慧城市、視頻識(shí)別都能讓服務(wù)有進(jìn)一步的提升。邊緣云計(jì)算技術(shù)將成為人工智能、物聯(lián)網(wǎng)等領(lǐng)域的關(guān)鍵組成部分，也將得到更大的發(fā)展，覆蓋的潛在客戶和場(chǎng)景將不斷出現(xiàn)。隨著邊緣云計(jì)算的應(yīng)用場(chǎng)景越來越多，用戶需求的變化將是未來關(guān)注的重點(diǎn)，如果做得好，未來邊緣云計(jì)算將比傳統(tǒng)云計(jì)算低更多的成本實(shí)現(xiàn)項(xiàng)目。