边缘（Edge）是指物理世界的端点设备。边缘计算（Edge computing）是一种计算拓扑，在这种拓扑结构中，信息处理、内容收集与交付更加靠近这些端点。该结构尽力收集流量并在本地处理，以期减少网络拥挤与延迟。未来五年，更强大的处理能力的人工智能芯片、存储及其他高级功能将被添加至更多的边缘设备中。5G日臻成熟，不断扩展的边缘计算环境将为集中式服务带来更加稳健的通信支持。5G降低了延迟、增加了带宽、并显著增加了每平方公里内的节点（边缘端点）数量，这对边缘而言非常重要。强大的硬件和软件功能将集成到边缘设备中，云模型扩展到网关、服务器。
>> 云计算和边缘计算是互补的概念，而不是竞争性的计算方式，同时使用它们的组织将从集中式和分散式方法中获益。
>> 人工智能(AI)的计算、存储和传感器在边缘计算的快速扩张中，将获得更强的能力，边缘计算将对许多5年、10年或者20年生命周期的设备带来管理挑战。
>> 5G有潜力成为边缘计算的重要推动者，但至少要到2023年才能完全实现。
一
边缘计算的发展趋势
边缘的概念已存在多年。“在何处处理数据”是人们一直关注和摇摆的重点，使用高度集中的方法（如大型机或集中式云服务），还是使用更加分散的方法（如个人电脑和移动设备），人们一直摇摆不定。连接性和延迟的挑战、带宽限制以及嵌入在边缘的更多功能有利于分布式部署模型，是人们倾向于边缘计算的重要理由。但是处理能力的优势和超尺度运行的低成本，加上管理和协调数千个地理上分散的端点的复杂性，这些因素反而使得人们倾向于集中化模型。
当前对边缘计算的关注主要来自于物联网系统，需要为特定行业的嵌入式物联网世界提供断开连接或分布式的功能。拓扑结构的广泛应用，显式结构的应用和网络体系结构尚不普遍。系统和网络管理平台将需要关联包括边缘位置和特定于边缘功能的技术。
三个主要趋势正在推动未来边缘计算的体系结构模型（参见图1）进化。
一是工业和消费电子设备中的计算、存储和传感器/执行器的显著扩展，包括专用的人工智能芯片；二是云计算和边缘计算概念的互补应用，用于解决边缘端点、近边缘网关、远边缘服务器和集中式云服务的混合架构模型；三是5G的出现作为一种潜在的机制来改善带宽和减少边缘的等待时间，并且支持边缘装备的密度显著增大。 图1. 通过先进的功能增强边缘优势
I/O = input/output
来源: Gartner ( 2019年3月)
二
边缘计算的重要性
数字主题的重点是融合数字和物理世界，创造一个自然和沉浸式的数字增强体验。随着事物产生的数据量的增加，计算能力转移到边缘来处理流数据并将摘要数据发送到中央系统。边缘计算的功能还支持数字双胞胎的稳健性和更高级的AI硬件和软件在边缘设备的应用程序，使边缘计算更自治。
数字趋势以及人工智能带来的机遇正在推动下一代数字商业和数字商业生态系统的创建，这些生态系统表现为智能空间。边缘计算不仅仅是物联网设备的无形后端支持机制，它还支持与这些边缘设备交互的人员。边缘计算支持沉浸式体验，以及使用边缘端点的人员之间更好的点对点交互。
到2028年，预计嵌入传感器、存储、计算和高级人工智能功能的边缘设备将稳步增长，软件和安全能力也将得到提高。然而，边缘是一个异构概念。它的范围从简单的传感器和嵌入式边缘设备到熟悉的边缘计算设备，如移动电话，以及高度复杂的边缘设备，如自动驾驶汽车。除了设备端点之外，边缘也是一种拓扑 ，包括近端网关、远端服务器和集中式云服务。不同情况下使用的不同类型边缘设备的寿命可能非常不同，从1年到40年不等。这些因素，再加上供应商迅速推动更多功能进入边缘设备，形成了一个复杂和持续的管理和集成挑战。按层次分布处理和数据，需要管理从独立的不同智能设备到多用途、可能容纳大量数据的微数据中心的层次结构。
智能将通过一系列端点设备上靠近边缘或移向人们，包括:
>> 简单的嵌入式边缘设备（例如，电器和工业设备）
>> 边缘I/O设备（例如扬声器和屏幕）
>> 边缘计算设备（例如智能手机和个人电脑）
>> 复杂的嵌入边缘设备（例如自动驾驶汽车）
这些边缘设备将能够直接或通过中间边缘服务器或网关与基于云的后端服务连接。边缘计算几乎影响到IT领域的方方面面，智能手机现在无处不在，但工业物联网也处于这一趋势的前沿。IT和OT正在许多部门和行业中汇聚。这些领域包括医疗、运输、国防、能源、航空、制造业、矿业、石油和天然气、自然资源、电信和公用事业。
这些部门和行业产生了大量数据。对这些数据进行局部筛选、分析和处理更为有效。现有IT和OT系统边缘的数据聚合、协议转换、安全和控制为以下方面提供了其他机会:
>> 优化业务流程
>> 增强信息以更好地决策
>> 降低成本
>> 通过增强鲁棒性和自主性降低风险
>> 缩短时间线
>> 改善用户体验
>> 边缘处理的地址数据驻留确保敏感数据保留在用户或来源国
处于边缘的工业物联网解决方案需要集成来自不同背景的多个供应商的功能，包括数据中心OEMs和OT、云计算、分析和通信服务的供应商。工业物联网的边缘计算解决方案通常由边缘设备、网关、I/O模块、边缘服务器、微数据中心和分析软件组成。这些组件的组合可以部署在边缘处或边缘附近。这一组合将取决于用例，它还将取决于一些因素，如需要摄取或分析数据的速度，以及对边缘的响应。例如，戴尔等硬件供应商可以与施耐德电气或飞利浦医疗等OT供应商合作，共同向垂直市场提供特定的边缘解决方案。
三
边缘计算与人工智能
目前，人工智能的计算大多发生在数据中心，但是随着技术的发展，与硬件紧密结合的嵌入式人工智能正受到越来越多的重视。物联网拥有海量的终端设备，如果这些设备产生的数据都需要上传云端进行智能处理或者深度学习，将会对网络带宽带来相当大的挑战。而边缘计算的诞生，就解决了这个问题。
虽然边缘计算有许多不同的使用场景，但是它的本质与人工智能、物联网密切相关。目前，人工智能应用更多的是依靠云端，边缘计算则是将智能从云端转向边缘。未来，如果没有边缘计算的支持，很多应用将可能会无法实现。例如：自动驾驶、远程医疗以及智慧城市等。这些智能终端产品或解决方案，都是不允许超过数毫秒的时延，并对于抖动或时延变化极其敏感的。
因此，边缘计算的重要性逐渐凸显，在终端设备对部分数据进行分析处理，将有效解决网络拥堵的问题，同时能提高系统运行效率。随着边缘计算的进步，本地设备的运算能力将不断增强，使得人工智能算法能够在离开云计算的情况下正常运行。
AI芯片的发展大大促进了边缘终端设备的发展，推动了数据采集手段的增加以及计算能力的极大提升，进而也带来应用场景的丰富，并反推AI芯片计算能力和制造工艺的进步。
边缘计算技术与其所依赖的AI芯片相互促进和迭代发展，在万物互联的时代，将带来更多应用变革和新场景的出现：一是边缘计算视频监控，以云计算和万物互联技术为基础的边缘计算和视频监控技术，可以针对新型犯罪及社会管理等公共安全问题提供智能处理方案；二是智能家居，万物互联技术的普及将为家居生活带来越来越智能化的应用，但出于对家庭敏感数据的保护，智能家居系统的数据处理必须依赖边缘计算来解决；三是自动驾驶技术与智能交通，在自动驾驶领域，边缘计算至关重要，从安全性的角度考虑，数据必须实时处理，自动驾驶系统必须依赖实时高效的边缘计算给予决策支持；四是智慧金融，近年来，AI技术在金融领域发展迅速，结合边缘计算，金融场景的应用变革更多，如智能身份认证，智能化的供应链金融等。
四
边缘计算与云计算
许多人将云计算和边缘计算视为相互竞争的方法，将公共云部署视为享受超大规模和集中式数据中心的经济，边缘计算要求将处理推向边缘。但这是对这两个概念的误解。云计算是一种计算风格，其中弹性可伸缩的技术功能是作为一种服务使用互联网技术提供的。云计算不要求集中或任何指定拓扑。边缘计算带来了分布式计算的拓扑结构来补充云计算的风格。将云计算和边缘计算看作是互补的而不是竞争的概念（参见图2）。
图2.云计算和边缘计算是互补的概念
Source: Gartner (2019年3月)
在实践中，边缘计算为解决方案的部署体系结构带来了深度。根据所需的自主性、可用带宽、延迟约束和监管要求等因素，可能需要在多个层中使用计算和数据。例如，服务可能所需:
>> 在端点（例如，汽车）
>> 在端点之间使用对等交互
>> 非常接近端点（例如，流水线上的机器人附近）
>> 在远程云/数据中心（例如，远程超大规模服务）
>> 在这些层的任何组合中
所面临的挑战是如何有效地管理数据和处理在这些层之间的分布。特定的场景（如自动驾驶汽车以及工业、医疗和零售设置）将导致极其不同的实现架构。将云风格的原则应用于固有复杂的边缘计算领域可以简化跨层数据和服务的交付、协调和操作。
云提供商越来越多地将云服务提供给数据中心或边缘设备。微软将Office365服务安装到边缘云上的客户端设备上，微软有一个Kubernetes边缘网关来管理Azure物联网边缘部署。在2018年7月，谷歌重点介绍了谷歌Kubernetes引擎服务在Premises上的早期实现。Amazon通过亚马逊网络服务（AWS）IoTGreengrass将其服务扩展到物联网市场。预计，随着云供应商进一步进入物联网市场，以及物联网解决方案供应商采用云风格，供应商将更频繁地使用这种方法来更有效地管理他们的解决方案。虽然物联网是云到边缘方法的强大推动力，但这种方法也将有利于移动和桌面环境。分布式云软件堆栈的长期、边缘、近边缘和远边缘实现将创建从核心到边缘的连续解决方案。
尽管需要强大的边缘和近边缘功能以及多样化的边缘解决方案，但集中式云服务仍将发挥重要作用。集中式云服务对于在边缘设备和近边缘设备上提供、管理和更新软件和服务仍然至关重要。集中式云服务将在协调高度分布式边缘设备的操作以及聚合和归档来自边缘或中间网关和服务器的数据方面发挥关键作用。集中式云服务还将提供更加稳健和可伸缩的机器学习和复杂的处理能力，以及与传统备份处理的连接。
五
边缘计算与5G
将边缘设备彼此连接并与后端服务连接是物联网和数字孪生的一个基本方面。数以百万计的边缘端点的扩散和将大量数据从边缘移动到边缘的潜在需要使得5G成为边缘计算的重要通信技术
5G是继4G之后的下一代蜂窝标准（Long Term Evolution[LTE]、LTE Advanced[LTEA]和LTE Advanced Pro[LTE-A Pro])。几个全球标准机构对此进行了定义: 国际电信联盟(ITU)，第三代合作伙伴项目(3GPP)和欧洲电信标准协会(ETSI)。
国际电信联盟的官方说明，国际移动电信-2020(IMT-2020)”的目标是:
>> 最大下行链路吞吐量为20 Gbps
>> 最大上行链路吞吐量为10Gbps
>> 延迟低于5毫秒
>> 大规模可扩展性
新的系统架构包括核心网络切片和边缘计算。受限容量中只有少数连接具有超低延迟。只有在低带宽的情况下才有大量的密度可用。超可靠低延迟通信(URLLC)仍是3GPP第16版(R16)标准所指定，因此其特性尚未完全确定。
5G解决了关键技术通信方面的问题，每个方面都支持不同的新服务和可能新的业务模型（如作为服务的延迟）:
>> 增强型移动宽带（eMBB），大多数提供商可能首次实施。
>> URLLC，它解决了许多现有的工业、医疗、无人机和运输要求，其中可靠性和延迟要求超过带宽需求。
>> 大规模机器类型通信(mMTC)，解决了物联网边缘计算的规模要求。
>> 移动边缘计算（MobileEdge Computing，MEC），其中应用程序服务托管在网络组件上诸如基站。这将使5G电信公司网络成为一个边缘云服务。
>> R16，其目标是显著改进位置感知，使网络能够更准确地获知5G端点的位置。
使用更高的频率和更大的容量将需要非常密集的部署和更高的频率重用。因此，预计大多数5G部署最初将集中在部分区域，但不持续覆盖全国。到2022年，它们将无法达到发达国家目前4G的地理覆盖范围。到2020年，4%的基于网络的移动通信服务提供商（CSPs）将在商业上推出5G网络。许多CSPs不确定可能驱动5G的用例和商业模式的性质。到2022年，各组织将主要使用5G来支持物联网通信、高清晰度视频和固定无线接入。
到2022年，超过50%的企业生成的数据将在数据中心或云之外创建和处理，而2019年这一比例还不到10%。企业架构(EA)和技术创新领导者通过技术创新推动业务转型:
>> 利用边缘计算的趋势，增加一些功能，使数据能够在可行的情况下局部集中处理，并在必要的情况下分布到更接近消费点的地方。
>> 使用云和边缘设计开发一个分散的分布式体系结构。这将提供有关将计算资源放置在最有意义的位置的指导。
>> 建立跨物联网(IOT)和运营技术(OT)组的策略，以管理日益强大和多样化的增强功能的边缘设备集。
>> 将5G整合到您的边缘计算路线图中，并确定私有5G网络与网络切片的组合位置可以启用新的边缘架构和支持新设备。
本文由上海市科学学研究所产业创新研究室副研究员孟海华博士根据Gartner相关报告编译。文章观点不代表主办机构立场。閱讀更多 產業智能官 的文章
