邊緣計算怎么落地?兩大方向詳解邊緣側業(yè)務場景

朱嘯虎套現(xiàn)離場前丟給戴威的最后一句話是“資本只關心回報”。同樣，我們在談論技術的時候，最終都會聚焦到落地。而當一項服務從最開始投入市場，到占據大部分的市場份額，這之后的目標就是想方設法的將這部分市場轉化為商業(yè)價值。這也是為什么當下大家都在談垂直，談應用，談落地。

IDC曾預測過，未來將會有超過50%的數據在邊緣側處理。大量的業(yè)務場景對邊緣智能已經提出了明確的需求，且開始在應用中落地。萬物互聯(lián)的愿景雖然還未實現(xiàn)，但業(yè)界已經有針對性地規(guī)劃未來的業(yè)務場景，根據業(yè)務場景的需求來設計邊緣智能的各項支撐性技術和方案，可以說業(yè)務場景需求是核心導向?？傮w來說，驅動邊緣智能發(fā)展的業(yè)務場景主要包括兩個方面，即網絡傳輸的場景和應用特征產生的場景，從而形成對邊緣智能的需求。

網絡傳輸的場景

眾所周知，物聯(lián)網業(yè)務對各類有線、無線網絡需求和依賴性很強，在很多情況下網絡傳輸的場景往往成為業(yè)務落地的瓶頸，因此需要針對這些場景部署邊緣智能平臺和方案。

1)異構網絡的場景

面對著復雜的環(huán)境，完整的物聯(lián)網解決方案往往采用了多種網絡通訊技術，來保障業(yè)務的連續(xù)性。當下，不存在一種網絡技術標準可以同時涵蓋各種距離和不同網絡性能的要求，即將商用的5G網絡具有很強的包容性，融合大量不同的通信技術標準，但依然難以涵蓋所有物聯(lián)網應用需要的通信場景。

近年來，無線通信技術的進展為物聯(lián)網通信層帶來了很多活力，我們以網絡覆蓋要求和網絡性能要求兩個指標來考察網絡需求場景，會形成如下矩陣形態(tài)：

物聯(lián)網無線網絡場景矩陣

目前，大量物聯(lián)網場景由于業(yè)務局限在小范圍內，采用WiFi、藍牙、Zigbee等短距離通信的技術，如智能家居、智能樓宇、智能照明、可穿戴設備等，所有采用短距離通信的物聯(lián)網終端、傳感器等節(jié)點均需要通過網關等樞紐類設備進行回傳才能到達云端，這些樞紐設備就成為邊緣智能平臺運行的天然載體。而近年來興起的低功耗廣域網絡(LPWAN)則是為廣泛分布、免維護、低頻小包數據傳輸場景而生的，不過也存在基于授權頻譜和非授權頻譜的技術，各類技術構成了傳輸網環(huán)節(jié)的差異，而相應設備數據回傳至云端還是需要通過基站設備來進行;其他基于授權頻譜的蜂窩網絡技術，雖然具有統(tǒng)一的技術標準，但所有節(jié)點數據仍然需要基站進行回傳至云端或服務器，與LPWAN類似，無線接入網之間或基站側可以作為一個數據計算、處理的初步場所，形成邊緣智能的載體，這也是移動邊緣計算(MEC)的組成部分。

不僅僅是這些常見的無線通信，一些特殊場景會采用有線通訊連接，或自身所在行業(yè)通訊協(xié)議，如工業(yè)場景中最為流行的Modbus、HART、Profibus等協(xié)議，滿足工業(yè)現(xiàn)場數據傳輸的需求，而這些場景中通訊協(xié)議更為復雜和碎片化，大量數據需要在現(xiàn)場進行處理后直接執(zhí)行操作，且回傳至云端前也需要“中樞”類設備進行協(xié)議轉換，這些中樞類設備也往往成為邊緣智能的載體。

異構網絡通信需要“中樞”設備

從業(yè)務需求角度看，有些場景確實融合了多種通信技術，比如一個園區(qū)解決方案中對于園區(qū)內部工廠內部采用工業(yè)通訊方式，而對于樓宇節(jié)能管理采用Zigbee、藍牙等短距離方案，對園區(qū)各類資產管理采用LPWAN技術。當需要一個園區(qū)整體解決方案時，所有的數據均需匯集到一個平臺上，而在匯集到平臺之前，通過各類通信技術連接的終端、傳感器節(jié)點數據之間存在的差異，在靠近數據源的位置部署智能化節(jié)點就很有意義。另外，根據IHS的數據，當前有80%以上的連接是非IP類連接，需要網關等邊緣智能類設備與IP類連接進行數據交互。Gartner預計到2020年，90%的物聯(lián)網應用都會用到物聯(lián)網網關。

所以說，不同通信技術之間需要實現(xiàn)兼容性，需要中間設備、平臺以及相關軟件技術進行“翻譯”。這方面不少工作就放在邊緣側進行，利用邊緣側嵌入式終端的存儲、計算、通信能力，實現(xiàn)異構通信技術的數據融合，形成部署邊緣智能的必要條件。正如前文所述，各類通信協(xié)議數據回傳途中，均有相應的軟硬件節(jié)點作為數據的一個“樞紐”，而這個“樞紐”構成天然的邊緣智能部署載體，形成邊緣智能的充分條件。因此，物聯(lián)網的發(fā)展形成異構網絡的場景直接驅動邊緣智能的發(fā)展。

2)網絡資源受限場景

網絡資源受限的場景并不陌生，普通用戶也常常會碰到類似的情況，比如我們在大型體育比賽、演唱會等場所時，因為小區(qū)容量有限，短時間內數據上下行需求過高，手機往往沒有信號。在物聯(lián)網時代，一方面海量的連網設備數量，另一方面不少設備產生數據的速度飛快，對網絡資源形成壓力?？傮w來說，網絡資源受限的場景包括帶寬資源不足和突發(fā)的網絡中斷場景。

帶寬資源不足和終端產生數據量劇增往往同步發(fā)生，互聯(lián)網業(yè)務范圍普及，視頻業(yè)務由高清向超清演進，未來虛擬現(xiàn)實、增強現(xiàn)實等技術給人們身臨其境的業(yè)務體驗，這些業(yè)務將帶來流量爆炸式增長，業(yè)界不少企業(yè)用“數據洪流”來描述這一場景。業(yè)內預計，未來每輛自動駕駛汽車每天會產生4TB數據，每架飛機每天會產生40TB數據，而每一家智能工廠每天會產生1PB以上的生產視頻數據。由于網絡帶寬和網絡容量并沒有實現(xiàn)同步的、連續(xù)性的爆炸式增長，從而造成帶寬資源不足，這些短時間內產生的海量數據如果實時上傳至云端，一定會造成網絡擁塞。

帶寬資源和海量數據的不同步增長，一方面網絡彈性擴容能力有限，另一方面并非所有的數據需要通過網絡上傳至云端。一些需要短時間處理或存儲周期很短的數據，本身無需占用有限帶寬資源上傳，而在靠近數據源頭進行處理后即可，視頻原始數據、工廠機器數據等有相當部分是通過邊緣平臺處理。麥肯錫曾經對一個海上鉆井平臺進行過調研，發(fā)現(xiàn)該平臺上3萬個傳感器采集的數據中，40%沒有被存儲，剩余的大部分在本地存儲，給邊緣智能場景提供數據來源。

另一網絡資源受限的場景是突發(fā)的網絡中斷。雖然我國2G網絡已成為全球精品網絡，4G覆蓋99%的人口，超過95%行政村都接入寬帶，中國電信、中國聯(lián)通已實現(xiàn)全國超過30萬個NB-IoT基站商用，但這些并不能保證物聯(lián)網所有應用場景中網絡沒有中斷的風險。在很多周邊環(huán)境復雜的應用場景，突發(fā)的事件可能使得傳輸受到限制，如森林防火、塌方泥石流監(jiān)控、氣象監(jiān)測等惡劣環(huán)境下的物聯(lián)網應用，一般會考慮到突發(fā)網絡中斷時靠近數據源的緩存、處理來保障業(yè)務的連續(xù)性。也有一些應用部署在熱點區(qū)域，在大量設備同時請求上行數據時造成的臨時中斷。比如，一些共享單車密集區(qū)域高峰用車時段可能對該區(qū)域的基站形成很大壓力，造成上線率低，而運營商除了對這些熱點區(qū)域的基站設備進行優(yōu)化外，通過邊緣智能的方案對共享單車數據上報形成調節(jié)。

3)端到端低時延的場景

低時延高可靠(uRLLC)是國際電信聯(lián)盟(ITU)確定的5G應用場景之一，標準化組織3GPP也為實現(xiàn)該場景進行了大量的標準化工作，今年6月份凍結的首個獨立組網5G標準中就支持大部分uRLLC的場景，這一場景也是移動邊緣計算(MEC)實現(xiàn)的主要技術之一。

各類通信技術端到端時延測試

從網絡傳輸角度看，端到端時延已經成為通信技術供應商為用戶提供的服務中關鍵指標之一。未來智能工業(yè)、自動駕駛等應用場景中需要進行監(jiān)測、控制、執(zhí)行，往往需要非常低的時延，很多情況下時延要求在10ms以下。現(xiàn)有成熟的網絡傳輸方式并不能實現(xiàn)這一要求，根據獨立第三方網絡測試機構Open Signal的測試結果，目前4G LTE可以達到100ms以下的端到端時延，而其他方案時延均高于4G LTE，這一結果還不足以支撐智能工廠、自動駕駛的有效應用。而ITU所定義的5G空口時延為1ms，可以滿足這方面需求，不過這個1ms的指標需要邊緣智能的協(xié)助。

Open Signal所測試的端到端時延是指終端——基站——回傳——核心網——云端的往返時延。而在云端之前，即終端至核心網之間的時延約為20-30ms，但核心網到云端的物理距離將主要決定了網絡時延，由于云端服務器分散在全球各地，物理距離較遠，終端數據需要通過光纖連接訪問云端，增加了時延。如果需要低時延場景的業(yè)務采用終端——云端的往返模式，即使終端——核心網之間的時延降到非常低的程度，也根本無法保障其實時性要求，自動駕駛、智能工業(yè)等業(yè)務無法開展。

此時，對于邊緣智能的需求就非常明顯，5G技術通過將存儲、計算、智能資源下沉，在基站側或無線接入網之間的位置，以邊緣智能的方案來處理實時性、短周期的數據，即時回饋給終端去執(zhí)行，達到1ms的時延水平，從而保障業(yè)務的正常開展。

應用特征產生的場景

萬物互聯(lián)會產生多樣化、差異化的應用，不少應用本身具備的特征直接決定了需要采用邊緣智能的方式，尤其是需要提供差異化服務的場景，包括專網類業(yè)務場景、營銷類業(yè)務場景和體驗提升的場景等。

1)專網類業(yè)務場景

大量行業(yè)、企業(yè)因為業(yè)務特殊性、數據保密等原因，采用專網方案，主要業(yè)務數據在其專用網絡中進行計算處理，不使用公共網絡服務。在過去的數十年中，專網類業(yè)務規(guī)模雖然遠不如公網類業(yè)務那么大，但政務、公安、民航、鐵路、交通、工業(yè)等大量行業(yè)都在采用專網服務，做到物理隔離來保證數據安全。

專網業(yè)務中不少場景對邊緣智能有天然的需求，雖然專網用戶會自建數據中心或私有云，但面對很多業(yè)務數據本地產生、本地終結的特征，并不需要所有數據都存放在其自有的服務器上，通過數據源頭平臺處理能提升效率，同時也減輕自建服務器的容量壓力。

比較典型的專網場景就是企業(yè)的工業(yè)制造場景。上一節(jié)中所述，智能工業(yè)本身就有低時延、高可靠的通信場景，需要通過邊緣智能助力實現(xiàn)。除此之外，工業(yè)制造現(xiàn)場每天會產生的海量數據，直接在現(xiàn)場就近進行處理，目前很多企業(yè)已能夠提供成熟的邊緣智能軟硬件解決方案，在工廠的局域環(huán)境下完成。

另一種典型的專網場景是本地視頻，由于很多用戶的安裝的視頻設備采集數據也僅限于其專網內部，作為監(jiān)測、管理手段提升的方式。不過，很多監(jiān)控視頻的大部分時間都是靜止場景，不論是從攝像頭終端側或者服務器側處理都不是很理想的方式。此時，部署邊緣智能平臺對于這種專網監(jiān)控視頻就很有意義，通過邊緣智能平臺篩選出監(jiān)控畫面變化的部分或一些有意義的視頻片段，對服務器進行回傳，而把價值不高的監(jiān)控內容就地緩存在邊緣智能服務器中，保障專網資源留給關鍵業(yè)務。

專網視頻監(jiān)控邊緣智能方案

2)營銷提升業(yè)務場景

對于很多移動互聯(lián)網和物聯(lián)網場景，通過邊緣智能可以更為快速地對終端側數據和緩存數據進行用戶畫像刻畫，提升營銷效果。邊緣智能服務器和平臺的緩存內容給終端用戶提供體驗業(yè)務，促進用戶對業(yè)務的了解和購買，在用戶訂購后，通過端、邊、管、云融合的方案為其提供服務;一些專門業(yè)務的體驗廳、營業(yè)廳等場所，在邊緣智能助力下給潛在用戶帶來耳目一新的體驗。類似的服務方式可以在各行業(yè)中落地，通過與擁有垂直行業(yè)渠道資源企業(yè)合作，開展聯(lián)合營銷，提升業(yè)務質量。比如，在零售領域，邊緣智能平臺將定位與移動設備通信能力結合，向消費者和商場提供更有價值的信息，在網絡中的關鍵點收集的信息可以作為大數據分析的一部分，以更好地為客戶提供服務。

3)體驗提升的場景

體驗提升場景是用戶采用邊緣智能方案最主要的考慮之一。目前，大部分物聯(lián)網的業(yè)務是以整體解決方案的形式提供給用戶，而其中關鍵部分的優(yōu)化對于整體方案的體驗提升非常重要，在大量場合中，邊緣智能的采用會讓整體業(yè)務體驗提升到新的高度。在已成熟的移動互聯(lián)網場景中，內容分發(fā)網絡(CDN)已經成為提升業(yè)務體驗的重要手段，比如很多借助運營商網絡提供OTT業(yè)務的內容和應用供應商，推出和部署了一些CDN系統(tǒng)，在移動網絡承載能力有限的情況下起到分流作用，可以說是一種邊緣智能的方式。新的互聯(lián)網視頻直播、游戲等業(yè)務體驗的提升也需要邊緣智能的進一步成熟，同時形成邊緣智能產業(yè)生態(tài)。

物聯(lián)網各類碎片化場景中面對著比OTT業(yè)務更為復雜的情況，新業(yè)務的層出不窮也讓基于互聯(lián)網業(yè)務的邊緣智能系統(tǒng)無法完全承載起來，對新的邊緣智能方案的需求就越來越強烈。

VR/AR是典型的需要體驗提升的場景。目前，相應的VR/AR已廣泛應用于旅游景區(qū)、博物館、體育賽事、演唱會等消費級場所，也有不少行業(yè)作業(yè)場所借助VR/AR設備來完成。此前不少無線VR/AR采用終端和云端服務器交互方式，但此類設備產生的圖像信息量太大，終端和云端之間反饋時延太長影響體驗。一般采用的優(yōu)化方案是將相應服務器部署在網絡邊緣側，有效分擔VR/AR圖像識別運算壓力，及時給終端反饋，增強用戶體驗。類似的體驗提升場景非常多，智能物流、智能工業(yè)、車聯(lián)網、智能醫(yī)療等需要保證實時性、可靠性的應用都有不斷提升用戶體驗的需求，也是邊緣智能能夠直接應用的場所。

總體來說，業(yè)務場景需求是驅動邊緣智能產業(yè)發(fā)展的最大因素，由邊緣計算向邊緣智能的發(fā)展，也是基于滿足業(yè)務場景需求而提出新內涵。(原標題：號稱“云計算終結者”的邊緣計算究竟怎么落地?兩大方向詳解邊緣側業(yè)務場景)