边缘计算技术作为5G网络架构中核心，智能化改造趋势分析[图]

    边缘计算指的是在网络边缘侧即靠近终端的位臵提供业务场景所需的计算服务。边缘计算天生具备分布式特征，根据具体业务场景的个性化需求，边缘计算平台可以灵活部署在网络中的各个位臵，概括起来主要有两种，一种部署在网络的接入侧，即与不同级别的宏基站联合部署；另一种则直接部署于设备现场，就近提供计算服务。边缘计算与云计算相互协同合作，云计算负责全局性、非实时、长周期的大数据处理与分析，而边缘计算则面向网络边缘侧全新业务形态，根据业务需求对局部性、实时、短周期数据的处理与分析。

边缘计算的概念

数据来源：公开资料整理

    近些年来，随着SDN/NFV等先进网络技术的日渐成熟，各大网络标准化组织才逐渐意识到边缘计算对于网络功能的巨大提升；并于2016年4月，将之列为5G网络架构的关键技术。2016年11月，华为、英特尔、ARM、中国科学院沈阳自动化研究所、中国信息通信研究院和软通动力发起成立了边缘计算产业联盟(ECC)，致力于边缘计算在各行业的数字化创新与行业应用落地。

    根据调查数据显示，整个系统被分为三层，即现场层、边缘层、云端。其中边缘层又划分为边缘管理器和边缘节点两部分，边缘节点是具有计算和存储能力的功能模块，包括负责处理和转换网络协议的边缘网关，负责闭环控制业务的边缘控制器，负责大规模数据处理的边缘云以及负责信息采集与简单处理的边缘传感器；而边缘管理器则主要是实现对边缘节点的各项功能进行统一管理和调度。

边缘计算参考框架

数据来源：公开资料整理

    整个框架强调了云—边—端一体化的要求，边缘传感器将设备端基础数据汇集到边缘云平台，在平台上对数据进行分析处理，得到的即时结果反馈到设备端；而边缘管理器则负责数据的统一调配，与云端建立联系，将业务相关数据传输到云端进行更加深入的分析，而后再对边缘侧算法进行优化，从而灵活高效的指导生产实践。

    与边缘计算相比，云计算有诸多劣势。首先是实时性，传感器接收到数据以后，云计算需要通过网络传输到数据中心，经过分析处理后再由网络反馈到终端设备，这样数据来回传传输就造成了较高时延。其次云计算对带宽的要求也越来越大，例如在公共安全领域，每一个高清摄像头都需要2M的带宽来传输视频，这样的一个摄像头一天就可以产生10几个G的数据，如果这样的数据全部传到数据中心进行分析存储的话，对带宽的消耗非常大。第三是能耗方面，现在数据中心的能耗在业界已经占据了非常高的比例，国家也不断对数据中心的能耗指标作出要求。最后是数据安全和隐私方面，数据经由网络上传到云端经历了众多环节，每个环节数据都有可能被泄露。

    而边缘计算则可以完美的解决以上诸多问题，边缘计算就部署在接入网，在网络边缘就可以完成对数据的分析处理，数据甚至都不必上传至云端，这样就大幅降低了数据传输时间，减轻了通信网络的带宽压力，数据在边缘处理存储也更加高效安全。

    实际上，云计算与边缘计算的关系更像是人体的神经网络系统，大脑即为云计算中心，而神经中枢与神经元则代表了下沉到不同程度的边缘计算。传感器从边缘设备对数据进行初始的采集，到边缘层进行一部分实时的处理，再传输到核心层进行深度的计算分析，最后再将分析结果回馈到边缘，对边缘智能进行优化完善。两者构成了一套完整的系统，云计算负责全局性、非实时、长周期的大数据处理与分析，而边缘计算则根据特定的需求对局部性、实时、短周期数据的处理与分析。

    就像人体的神经网络一样，神经中枢与神经元都具有一定程度的“计算”能力，但究竟在什么情况下用哪个还是得依据人体各部分具体的机能来定。同样的，不同的行业具体的业务需求不同，对于边缘计算中“边缘”的位臵理解也不同。典型的如OT领域，有的工业设备可能仅仅需要处理简单的数据，不需要进行复杂的运算，但是机器设备对于加工精度有着比较高的要求，对时间延迟十分敏感；这种情况下，主流公司就采用现场设备智能化升级的方案，通过向现场设备部署SDK的方式来应对具体的业务需求。另一种典型的如自动驾驶，行驶中的汽车需要根据周围复杂的环境信息运算得出下一步的驾驶指令，由于汽车驾驶过程中产生的数据量十分巨大，所进行的复杂运算也需要专业的服务器才能完成，这时就需要借助网络将运算迁移到最近的边缘计算平台上来进行。以上两种场景实际上代表了边缘计算部署的两种模式，一种是将算力直接部署在设备终端旁，最大限度的发挥边缘计算的优势；另一种则是将边缘计算平台部署在终端附近，一个平台负责一片区域内的业务需求。

    目前市场上边缘计算的建设主体主要有电信运营商、第三方厂商、OT厂商等，电信运营商采用MEC多接入边缘计算的形式将边缘计算部署在网络的边缘，一般是在宏基站的机房内或者多个宏基站的汇聚点。第三方厂商则需要借助运营商MEC平台开放底层资源来推出自己个性化服务，一般是自身云计算业务的在边缘处的延伸。而OT厂商则聚焦于边缘设备，对其进行智能化改造，让终端设备具备一定的计算能力，用以满足自身业务需求。

    由于以上两类边缘计算应用形式面向的客户场景不同，体现的客户价值也不同，所以各建设主体对于边缘计算的理解、用到的关键技术等都有较大的区别。各参与者根据自己的优劣势，在不同的业务形态中担任不同的角色。需要说明的是，在实际部署的商业用例中，上述两种边缘计算应用可以独立存在，也可以两者相互融合互补并存。

    网络侧的多接入边缘计算MEC是一种基于通信网络的全新分布式计算方式，包含了原先移动边缘计算的核心理念并予以升级，它在新一代通信网络中已经被3GPPSA2列为5G网络架构的关键技术。技术上，通过部署一定的计算存储能力部署在无线接入网端，在接入网端构建一个云服务环境，使得一部分的网络服务与网络功能在脱离核心网的情况下进行，从而大幅度的减少数据传输的时延，节省带宽，降低网络负载，同时还能够保证数据的安全性。

    随着5G时代来临，一方面，5G将会为用户提供4K/8K视频、AR/VR等更加真切的业务体验，人机交互方式面临着再次升级；另一方面，以物联网、智慧城市等为代表的典型应用场景与移动通信网络深度融合，海量的机器设备将会接入5G网络。全新的业务形态在带给用户更好的体验的同时，通信网络的承载负担无疑也被大大加重。

    2018年物联网连接数已经达到了70亿，到2020年，活跃的物联网设备数量预计将增加到100亿个，到2025年将增加到220亿个。

世界物联网设备接入数量预测

数据来源：公开资料整理

    物联网接入设备的爆发性增长无疑会占用大量的网络资源，但是未来增加的也不仅仅是设备数量。近期，工信部等三部门印发的《超高清视频产业发展行动计划（2019-2022年）》中，也将提升网络传输能力，满足4K和8K视频传输的低时延、高宽带、高可靠、高安全应用需求作为其中的重点任务之一。MEC技术通过业务本地化、缓存加速以及本地分流、灵活路由等技术可以有效降低网络回传带宽需求，缓解核心网的数据传输压力，从而进一步避

    免了核心网传输资源的进一步投资。

    对于一些对可靠性要求严格的场景，例如远程医疗、车联网、工业控制等，对网络时延有着严苛的要求。其中，低时延高可靠场景中对空口时延的要求甚至为1ms量级。基于MEC提供的边缘云计算服务，可以将传统的部署在Internet或者远端云计算中心的业务应用，迁移至无线网络边缘部署。此时，特定业务或者将非常受欢迎的内容可以部署或者缓存在靠近无线接入网以及终端用户的位臵，从而可以有效降低网络端到端时延，从而提升用户的服务质量。

    移动互联网打破电信运营商原有的围墙花园模式，OTT多种多样服务类型的快速出现以及相应业务量的急剧增长，促使移动通信网络逐渐管道化，运营商对用户的掌控力度将逐步减弱，沦为数据“哑管道”的趋势加剧，成为移动互联网中产值较低的环节。运营商当前以计数据流量为主的资费模式，相对于OTT灵活的商业模式显得较为单一。

    在互联网应用的替代作用及取消长途漫游资费双重影响下，2018年运营商话音业务收入完成1776亿元，比上年下降25.7%，在电信业务收入中的占比降至13.7%，比上年下降4.2个百分点。受OTT厂商挤占，运营商的传统业务生存空间一再被压缩。

2013-2018年电信收入结构

数据来源：公开资料整理

    电信运营商不仅可以将MEC平台的存储、计算能力开放给应用开发商和内容提供商，为他们提供全新的业务开发环境及用户体验；也可以将无线侧eNB信息封装成各种服务（例如，RNIS、位臵服务、带宽管理服务等），运行在MEC平台之上，开放给企业和垂直行业使用，从而提供更多的增值服务，实现网络价值的最大化。

    未来5G网络的基础设施平台将主要由采用通用架构的数据中心组成，主要包括中心级、汇聚级、边缘级和接入级，其各自的功能划分。

    MEC部署的位臵较为灵活，在基站级、接入级、地市级均可部署，具体部署的位臵还要按照具体的业务需求来确定。考虑到影响MEC部署位臵最主要的是业务要求时延，时延要求越严格，MEC部署的位臵就越接近用户端。

    端级边缘计算在领域的应用

    1、智慧安防

    在智慧安防领域，一个二线以上城市可能就有上百万个监控摄像头，针对产生的海量视频数据，云计算中心服务器计算能力有限。如果我们能够在边缘处能够对视频进行预处理，将部分或全部视频分析迁移到边缘处，就可以大大降低对云中心的计算、存储和网络带宽需求。

    随着“平安城市”建设进程的推进，中国的安防行业保持了快速发展的势头，安防产业链不断完善，市场规模持续增长。据调查数据报告显示，2022年中国安防行业市场规模将会达到9737亿元。

2015-2022年中国安防行业市场规模变化及预测

数据来源：公开资料整理

    基于边缘计算的视频监控、门禁系统等应用场景确实能够大大减少安防领域的开支，随着边缘计算在行业应用的不断深入，应用边缘计算的安防设备将会成为市场主流。如果按照2016年安防行业各子模块业务收入比例测算，视频监控产品收入约占安防行业整体规模的18%，按照60%的边缘计算产品渗透率，2022年基于边缘计算的视频监控产品市场规模将达到1052亿元。

    2、工业互联网

    工业互联网是新工业革命的关键支撑和智能制造的重要基石。构建企业工业互联网系统，核心是平台，工业互联网平台是面向制造业数字化、网络化、智能化需求，构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在连接、弹性供给、高效配臵的工业云平台。工业互联网平台第一层是就是边缘层，在边缘端通过大范围、深层次的数据采集，以及异构数据的协议转换与边缘处理，构建工业互联网平台的数据基础。边缘层对数据的处理主要是三个层次，一是通过各类通信手段接入不同设备、系统和产品，采集海量数据；二是依托协议转换技术实现多源异构数据的归一化和边缘集成；三是利用边缘计算设备实现底层数据的汇聚处理，并实现数据向云端平台的集成。

    边缘层是数据采集与预处理是工业互联网得以实行的基础，边缘的智能化对于某些特定的业务场景来说尤为重要。如在工业制造领域的纺织行业，传统方法是通过人工验布的方式来检验布的瑕疵，受检验员的主观意识、经验、环境、认知等因素的限制，检测结果往往差异性大，一致性差。将边缘计算引入后，在设备边缘直接布臵具备简单计算能力的智能设备，在机器运行时采集相关数据，直接在现场实时处理和分析数据，最大限度的减少因时延而造成产品缺陷。经过对边缘机器的智能化改造后，一台智能验布机的验布效率相当于5-6台人工验布机，并且检测精度更高，误检漏检率更低。

验布机边缘云架构

数据来源：公开资料整理

    在国家政策的推动下，中国的工业互联网在过去几年经历了爆发式的增长，2019年两会政府工作报告中明确提出：打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能。而边缘计算在工业互联网中的应用实际上更多是以边缘设备的智能化改造的概念提出来的，两者的核心理念也较为接近，都是采用在终端安装智能芯片或外接智能设备的方式让设备具备一定计算能力，从而实现对设备自身简单生产流程的把控。根据调查数据显示，2017年，中国智能制造产业规模将近15000亿元，预计到2022年市场规模将超过25300亿元，随着国家对工业智能制造的不断推动，我们预测到2022年基于边缘计算技术的智能制造渗透率至少达到60%，即市场规模将达到15180亿元。边缘智能元器件作为智能制造的重要支撑，必将受益于智能制造的不断深入。

2015-2022年中国智能制造行业市场规模及预测

数据来源：公开资料整理

    在智能家电领域，边缘计算也有着极大的用武之地。这里所说的的智能家电与我们目前生活中的智能家电有一定的区别，目前我们所接触到的智能家电同样也装有传感器及处理芯片，但其感知的对象是其所处的物理环境因素，如感知时间、环境温度等等。这里所说的智能家电更具智能化，家电自身将变成一个拟人智能终端，通过对人的行为习惯的感知为用户提供生活上的指导建议，而物联网的应用又使得其对身边的物具备了感知能力，这样所有家电就构成了一套完善的智能家居系统，为生活提供更多智能化服务。

2016-2022年中国智能家电行业市场规模及预测

数据来源：公开资料整理

    端级边缘计算是各OT厂商争相抢占的战略高地之一。智慧安防、工业互联网、智能家居是目前端级边缘计算主要的应用场景，各厂商在这些应用场景下也都有了完整的解决方案。并且在智慧安防及工业互联网领域，端级边缘计算带来的红利肉眼可见，因而这两个领域会是接下来端级边缘计算应用的主战场；而智能家居带来的好处多是用户体验层面，决定权在用户，其推广势必会相对较慢，但一体化智能家居系统是未来发展的方向。国家层面上，政策也在积极推动传统工业的数字化转型，应用先进的数字通信技术为传统工业赋能。从上面大致的测算来看，端级边缘计算下游应用会是一个超过1.7万亿元(智能安防1052亿+智能制造15180亿+智能家居1522亿)的市场规模，国内的相关芯片厂商及相关元器件供应商也必将从中获益。

    相关报告：智研咨询发布的《2019-2025年中国商业智能化行业市场发展模式调研及投资趋势分析研究报告》