邊緣（Edge）是指物理世界的端點設備。邊緣計算（Edge computing）是一種計算拓撲，在這種拓撲結構中，信息處理、內容收集與交付更加靠近這些端點。該結構盡力收集流量並在本地處理，以期減少網絡擁擠與延遲。未來五年，更強大的處理能力的人工智能芯片、存儲及其他高級功能將被添加至更多的邊緣設備中。5G日臻成熟，不斷擴展的邊緣計算環境將為集中式服務帶來更加穩健的通信支持。5G降低了延遲、增加了帶寬、並顯著增加了每平方公里內的節點（邊緣端點）數量，這對邊緣而言非常重要。強大的硬件和軟件功能將集成到邊緣設備中，雲模型擴展到網關、服務器。
>> 雲計算和邊緣計算是互補的概念，而不是競爭性的計算方式，同時使用它們的組織將從集中式和分散式方法中獲益。
>> 人工智能(AI)的計算、存儲和傳感器在邊緣計算的快速擴張中，將獲得更強的能力，邊緣計算將對許多5年、10年或者20年生命週期的設備帶來管理挑戰。
>> 5G有潛力成為邊緣計算的重要推動者，但至少要到2023年才能完全實現。
一
邊緣計算的發展趨勢
邊緣的概念已存在多年。“在何處處理數據”是人們一直關注和搖擺的重點，使用高度集中的方法（如大型機或集中式雲服務），還是使用更加分散的方法（如個人電腦和移動設備），人們一直搖擺不定。連接性和延遲的挑戰、帶寬限制以及嵌入在邊緣的更多功能有利於分佈式部署模型，是人們傾向於邊緣計算的重要理由。但是處理能力的優勢和超尺度運行的低成本，加上管理和協調數千個地理上分散的端點的複雜性，這些因素反而使得人們傾向於集中化模型。
當前對邊緣計算的關注主要來自於物聯網系統，需要為特定行業的嵌入式物聯網世界提供斷開連接或分佈式的功能。拓撲結構的廣泛應用，顯式結構的應用和網絡體系結構尚不普遍。系統和網絡管理平臺將需要關聯包括邊緣位置和特定於邊緣功能的技術。
三個主要趨勢正在推動未來邊緣計算的體系結構模型（參見圖1）進化。
一是工業和消費電子設備中的計算、存儲和傳感器/執行器的顯著擴展，包括專用的人工智能芯片；二是雲計算和邊緣計算概念的互補應用，用於解決邊緣端點、近邊緣網關、遠邊緣服務器和集中式雲服務的混合架構模型；三是5G的出現作為一種潛在的機制來改善帶寬和減少邊緣的等待時間，並且支持邊緣裝備的密度顯著增大。 圖1. 通過先進的功能增強邊緣優勢
I/O = input/output
來源: Gartner ( 2019年3月)
二
邊緣計算的重要性
數字主題的重點是融合數字和物理世界，創造一個自然和沉浸式的數字增強體驗。隨著事物產生的數據量的增加，計算能力轉移到邊緣來處理流數據並將摘要數據發送到中央系統。邊緣計算的功能還支持數字雙胞胎的穩健性和更高級的AI硬件和軟件在邊緣設備的應用程序，使邊緣計算更自治。
數字趨勢以及人工智能帶來的機遇正在推動下一代數字商業和數字商業生態系統的創建，這些生態系統表現為智能空間。邊緣計算不僅僅是物聯網設備的無形後端支持機制，它還支持與這些邊緣設備交互的人員。邊緣計算支持沉浸式體驗，以及使用邊緣端點的人員之間更好的點對點交互。
到2028年，預計嵌入傳感器、存儲、計算和高級人工智能功能的邊緣設備將穩步增長，軟件和安全能力也將得到提高。然而，邊緣是一個異構概念。它的範圍從簡單的傳感器和嵌入式邊緣設備到熟悉的邊緣計算設備，如移動電話，以及高度複雜的邊緣設備，如自動駕駛汽車。除了設備端點之外，邊緣也是一種拓撲 ，包括近端網關、遠端服務器和集中式雲服務。不同情況下使用的不同類型邊緣設備的壽命可能非常不同，從1年到40年不等。這些因素，再加上供應商迅速推動更多功能進入邊緣設備，形成了一個複雜和持續的管理和集成挑戰。按層次分佈處理和數據，需要管理從獨立的不同智能設備到多用途、可能容納大量數據的微數據中心的層次結構。
智能將通過一系列端點設備上靠近邊緣或移向人們，包括:
>> 簡單的嵌入式邊緣設備（例如，電器和工業設備）
>> 邊緣I/O設備（例如揚聲器和屏幕）
>> 邊緣計算設備（例如智能手機和個人電腦）
>> 複雜的嵌入邊緣設備（例如自動駕駛汽車）
這些邊緣設備將能夠直接或通過中間邊緣服務器或網關與基於雲的後端服務連接。邊緣計算幾乎影響到IT領域的方方面面，智能手機現在無處不在，但工業物聯網也處於這一趨勢的前沿。IT和OT正在許多部門和行業中匯聚。這些領域包括醫療、運輸、國防、能源、航空、製造業、礦業、石油和天然氣、自然資源、電信和公用事業。
這些部門和行業產生了大量數據。對這些數據進行局部篩選、分析和處理更為有效。現有IT和OT系統邊緣的數據聚合、協議轉換、安全和控制為以下方面提供了其他機會:
>> 優化業務流程
>> 增強信息以更好地決策
>> 降低成本
>> 通過增強魯棒性和自主性降低風險
>> 縮短時間線
>> 改善用戶體驗
>> 邊緣處理的地址數據駐留確保敏感數據保留在用戶或來源國
處於邊緣的工業物聯網解決方案需要集成來自不同背景的多個供應商的功能，包括數據中心OEMs和OT、雲計算、分析和通信服務的供應商。工業物聯網的邊緣計算解決方案通常由邊緣設備、網關、I/O模塊、邊緣服務器、微數據中心和分析軟件組成。這些組件的組合可以部署在邊緣處或邊緣附近。這一組合將取決於用例，它還將取決於一些因素，如需要攝取或分析數據的速度，以及對邊緣的響應。例如，戴爾等硬件供應商可以與施耐德電氣或飛利浦醫療等OT供應商合作，共同向垂直市場提供特定的邊緣解決方案。
三
邊緣計算與人工智能
目前，人工智能的計算大多發生在數據中心，但是隨著技術的發展，與硬件緊密結合的嵌入式人工智能正受到越來越多的重視。物聯網擁有海量的終端設備，如果這些設備產生的數據都需要上傳雲端進行智能處理或者深度學習，將會對網絡帶寬帶來相當大的挑戰。而邊緣計算的誕生，就解決了這個問題。
雖然邊緣計算有許多不同的使用場景，但是它的本質與人工智能、物聯網密切相關。目前，人工智能應用更多的是依靠雲端，邊緣計算則是將智能從雲端轉向邊緣。未來，如果沒有邊緣計算的支持，很多應用將可能會無法實現。例如：自動駕駛、遠程醫療以及智慧城市等。這些智能終端產品或解決方案，都是不允許超過數毫秒的時延，並對於抖動或時延變化極其敏感的。
因此，邊緣計算的重要性逐漸凸顯，在終端設備對部分數據進行分析處理，將有效解決網絡擁堵的問題，同時能提高系統運行效率。隨著邊緣計算的進步，本地設備的運算能力將不斷增強，使得人工智能算法能夠在離開雲計算的情況下正常運行。
AI芯片的發展大大促進了邊緣終端設備的發展，推動了數據採集手段的增加以及計算能力的極大提升，進而也帶來應用場景的豐富，並反推AI芯片計算能力和製造工藝的進步。
邊緣計算技術與其所依賴的AI芯片相互促進和迭代發展，在萬物互聯的時代，將帶來更多應用變革和新場景的出現：一是邊緣計算視頻監控，以雲計算和萬物互聯技術為基礎的邊緣計算和視頻監控技術，可以針對新型犯罪及社會管理等公共安全問題提供智能處理方案；二是智能家居，萬物互聯技術的普及將為家居生活帶來越來越智能化的應用，但出於對家庭敏感數據的保護，智能家居系統的數據處理必須依賴邊緣計算來解決；三是自動駕駛技術與智能交通，在自動駕駛領域，邊緣計算至關重要，從安全性的角度考慮，數據必須實時處理，自動駕駛系統必須依賴實時高效的邊緣計算給予決策支持；四是智慧金融，近年來，AI技術在金融領域發展迅速，結合邊緣計算，金融場景的應用變革更多，如智能身份認證，智能化的供應鏈金融等。
四
邊緣計算與雲計算
許多人將雲計算和邊緣計算視為相互競爭的方法，將公共雲部署視為享受超大規模和集中式數據中心的經濟，邊緣計算要求將處理推向邊緣。但這是對這兩個概念的誤解。雲計算是一種計算風格，其中彈性可伸縮的技術功能是作為一種服務使用互聯網技術提供的。雲計算不要求集中或任何指定拓撲。邊緣計算帶來了分佈式計算的拓撲結構來補充雲計算的風格。將雲計算和邊緣計算看作是互補的而不是競爭的概念（參見圖2）。
圖2.雲計算和邊緣計算是互補的概念
Source: Gartner (2019年3月)
在實踐中，邊緣計算為解決方案的部署體系結構帶來了深度。根據所需的自主性、可用帶寬、延遲約束和監管要求等因素，可能需要在多個層中使用計算和數據。例如，服務可能所需:
>> 在端點（例如，汽車）
>> 在端點之間使用對等交互
>> 非常接近端點（例如，流水線上的機器人附近）
>> 在遠程雲/數據中心（例如，遠程超大規模服務）
>> 在這些層的任何組合中
所面臨的挑戰是如何有效地管理數據和處理在這些層之間的分佈。特定的場景（如自動駕駛汽車以及工業、醫療和零售設置）將導致極其不同的實現架構。將雲風格的原則應用於固有複雜的邊緣計算領域可以簡化跨層數據和服務的交付、協調和操作。
雲提供商越來越多地將雲服務提供給數據中心或邊緣設備。微軟將Office365服務安裝到邊緣雲上的客戶端設備上，微軟有一個Kubernetes邊緣網關來管理Azure物聯網邊緣部署。在2018年7月，谷歌重點介紹了谷歌Kubernetes引擎服務在Premises上的早期實現。Amazon通過亞馬遜網絡服務（AWS）IoTGreengrass將其服務擴展到物聯網市場。預計，隨著雲供應商進一步進入物聯網市場，以及物聯網解決方案供應商採用雲風格，供應商將更頻繁地使用這種方法來更有效地管理他們的解決方案。雖然物聯網是雲到邊緣方法的強大推動力，但這種方法也將有利於移動和桌面環境。分佈式雲軟件堆棧的長期、邊緣、近邊緣和遠邊緣實現將創建從核心到邊緣的連續解決方案。
儘管需要強大的邊緣和近邊緣功能以及多樣化的邊緣解決方案，但集中式雲服務仍將發揮重要作用。集中式雲服務對於在邊緣設備和近邊緣設備上提供、管理和更新軟件和服務仍然至關重要。集中式雲服務將在協調高度分佈式邊緣設備的操作以及聚合和歸檔來自邊緣或中間網關和服務器的數據方面發揮關鍵作用。集中式雲服務還將提供更加穩健和可伸縮的機器學習和複雜的處理能力，以及與傳統備份處理的連接。
五
邊緣計算與5G
將邊緣設備彼此連接並與後端服務連接是物聯網和數字孿生的一個基本方面。數以百萬計的邊緣端點的擴散和將大量數據從邊緣移動到邊緣的潛在需要使得5G成為邊緣計算的重要通信技術
5G是繼4G之後的下一代蜂窩標準（Long Term Evolution[LTE]、LTE Advanced[LTEA]和LTE Advanced Pro[LTE-A Pro])。幾個全球標準機構對此進行了定義: 國際電信聯盟(ITU)，第三代合作伙伴項目(3GPP)和歐洲電信標準協會(ETSI)。
國際電信聯盟的官方說明，國際移動電信-2020(IMT-2020)”的目標是:
>> 最大下行鏈路吞吐量為20 Gbps
>> 最大上行鏈路吞吐量為10Gbps
>> 延遲低於5毫秒
>> 大規模可擴展性
新的系統架構包括核心網絡切片和邊緣計算。受限容量中只有少數連接具有超低延遲。只有在低帶寬的情況下才有大量的密度可用。超可靠低延遲通信(URLLC)仍是3GPP第16版(R16)標準所指定，因此其特性尚未完全確定。
5G解決了關鍵技術通信方面的問題，每個方面都支持不同的新服務和可能新的業務模型（如作為服務的延遲）:
>> 增強型移動寬帶（eMBB），大多數提供商可能首次實施。
>> URLLC，它解決了許多現有的工業、醫療、無人機和運輸要求，其中可靠性和延遲要求超過帶寬需求。
>> 大規模機器類型通信(mMTC)，解決了物聯網邊緣計算的規模要求。
>> 移動邊緣計算（MobileEdge Computing，MEC），其中應用程序服務託管在網絡組件上諸如基站。這將使5G電信公司網絡成為一個邊緣雲服務。
>> R16，其目標是顯著改進位置感知，使網絡能夠更準確地獲知5G端點的位置。
使用更高的頻率和更大的容量將需要非常密集的部署和更高的頻率重用。因此，預計大多數5G部署最初將集中在部分區域，但不持續覆蓋全國。到2022年，它們將無法達到發達國家目前4G的地理覆蓋範圍。到2020年，4%的基於網絡的移動通信服務提供商（CSPs）將在商業上推出5G網絡。許多CSPs不確定可能驅動5G的用例和商業模式的性質。到2022年，各組織將主要使用5G來支持物聯網通信、高清晰度視頻和固定無線接入。
到2022年，超過50%的企業生成的數據將在數據中心或雲之外創建和處理，而2019年這一比例還不到10%。企業架構(EA)和技術創新領導者通過技術創新推動業務轉型:
>> 利用邊緣計算的趨勢，增加一些功能，使數據能夠在可行的情況下局部集中處理，並在必要的情況下分佈到更接近消費點的地方。
>> 使用雲和邊緣設計開發一個分散的分佈式體系結構。這將提供有關將計算資源放置在最有意義的位置的指導。
>> 建立跨物聯網(IOT)和運營技術(OT)組的策略，以管理日益強大和多樣化的增強功能的邊緣設備集。
>> 將5G整合到您的邊緣計算路線圖中，並確定私有5G網絡與網絡切片的組合位置可以啟用新的邊緣架構和支持新設備。
本文由上海市科學學研究所產業創新研究室副研究員孟海華博士根據Gartner相關報告編譯。文章觀點不代表主辦機構立場。閱讀更多 產業智能官 的文章
