（獲取報告請登陸未來智庫www.vzkoo.com）

一、追本溯源，看技術發展與侷限性並存

1.1 雲計算雖然強大，但是存在雙重侷限

數據處理離不開計算機運算。在數據時代，無論是人的活動還是機器的運作都會產生各 種各樣海量的數據。在數據中，有一次性的數據，也存在有價值的數據，數據種類雜亂 無章。對數據梳理和篩選需要投入大量的資源，而計算機運算是必不可少的資源。在本 地計算機算力成本等限制下，越來越多的應用依賴著雲計算，因而對於雲計算算力的需 求也在逐步加大。但云計算提供服務的同時，算力系統的優化也在同步進行中。

雲計算雖強大，但存在侷限性。一般而言，當對數據進行處理時，若只通過雲計算來進 行數據處理，則數據處理存在拖沓的情況。從整個流程來看，所有數據先通過網絡全部 傳輸到中心機房，然後雲計算進行處理，待處理完成後再將結果傳輸到相應位置。對於 這樣數據處理會有兩個較為突出的問題。其一是算力的時效性。數據反饋會出現延遲， 海量數據傳輸是這個問題形成的主要原因，數據在有限的帶寬資源中傳輸會出現阻塞的 情況，進而使得響應時間加長。其二是算力的有效性。所有數據都會傳輸到中心機房， 而其中部分數據是沒有使用價值的，但因為缺少預處理的過程，而這些數據會導致雲計 算算力的浪費。

1.2 CDN 舒緩症狀，但是難除根本

從中心到端的模式應用於各個通信時代。“中心-邊緣-端”這種運作模式是從電信開始 的，中心指的是程控交換中心，邊緣是程控交換機，而電話則是終端。這一種運作模式 在電信網時代的到了充分的應用，也在一定程度上保證整個網絡有序且有效的運作。而

到互聯網時代，這種模式得以延續，“數據中心-CDN-移動電話/PC”是這種其在互聯網 時代的應用。其中 CDN（Content Delivery Network，內容分發網絡）的設計是為了盡 量避免網絡擁擠的情況，為客戶就近提供所需內容，達到提高用戶訪問網站的響應速度 的目的。這種邊緣化的設計能使得在線內容的分發或傳輸的到優化，進而提高網絡效率 和用戶體驗。

傳統 CDN 技術注重於緩存。在互聯網時代，由於網絡流量較少，互聯網上的任何內容都可以通過 CDN 提供，數據流裡包含圖像、文件下載、直播等。當我們從實際應用的層面 來看，大部分互聯網內容都是通過 CDN 傳送。傳統 CDN 除為計算機提供內容外，也為移 動設備提供服務，大部分互聯網設備的交互都需要基於 CDN 進行運作。傳統 CDN 技術更 注重的是緩存，服務器可理解為緩存服務器，它的運行需要中心平臺的操作。

傳統 CDN 存在侷限性，不能滿足雲計算+物聯網時代。在雲計算+物聯網時代，由於數據 大量爆發，所需要傳輸的數據將會以幾何形式增加，對於整個網絡的承載將會是一個極 大的考驗。從傳統 CDN 的運作模式來看，終端所產生的數據將需要回溯到中心雲進行處 理，在海量數據傳輸的情況下，將會出現使用成本和技術實現這兩個較為突出的問題。 首先在傳統 CDN 使用費率上一直居高不下，其中最主要的原因是資費收取不夠靈活，無 法實現按需收取。而技術問題則表現在帶寬上。以移動網為例，傳統 CDN 系統一般部署 在省級 IDC 機房，而非移動網絡內部。因而，數據需要通過較長的傳輸路徑才能到達數 據中心。在流媒體、AR、VR 等應用爆發的情形下，大流量數據將會對傳輸網造成較大的 衝擊，數據傳輸等問題將會日益突出。從客觀因素上來看，傳統 CDN 已不能滿足雲計算 +物聯網時代日益增加海量數據的存儲、計算及交互需求的需求。

二、新技術孕育而生——邊緣計算

2.1 邊緣計算成為雲計算的有力補充

為提升數據處理的時效性與有效性，在此情況下，邊緣計算孕育而生——這將使得數據 處理更為有效。邊緣計算是網絡中最靠近物或數據源頭融合網絡、計算、存儲、應用核 心能力的分佈式開放平臺，就近提供邊緣智能服務。在更靠近終端的網絡邊緣上提供服 務是邊緣計算最大的特點。對於這樣的設計，能滿足各行業在數字化上敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。其所具備的優勢對智 能化具有促進作用，串聯起物理和數字兩個世界。

邊緣計算解決時效性與有效性問題。邊緣計算可以將數據先進行處理，對於需要更深度 分析的數據即傳輸到中心機房，進而進行雲計算。邊緣計算能使數據下沉，促使數據在 最短的距離和時間裡被處理，從而實現更高效的網絡運行。雲計算和邊緣計算在算力網 絡中側重點不盡相同。若以數據源為起點，邊緣計算與雲計算相比較，更接近數據源， 因而對於數據的相應也會更及時。但從算力來看，邊緣計算並不如雲計算強。基於雲計 算和邊緣計算的不同特點，兩者所適用的場景有所不同。因而，雲計算與邊緣計算的組 合應用將會是未來計算機算力發展的趨勢。

邊緣計算將成為雲計算的新觸角。在 CDN 雲邊協同的應用上，無論是本地化+熱點內容 頻繁請求，還是面向物聯網、大流量的應用，邊緣計算分佈式的節點組合形式能更好的 滿足廣鏈接、低時延、好控制的用戶需求。基於邊緣計算都是一個成本較低且效率較高 的選擇，邊緣計算將成為雲計算的新觸角。

2.2 邊緣計算將有望加速 CDN 進化

算力需求促使傳統 CDN 迭代。與傳統 CND 技術相比，邊緣計算更著重於計算力。海量數 據是物聯網時代最大的特點，數據的運算時必不可少的環節，傳統 CDN 的架構使得其在 運算上成本巨大，在邊緣側進行運算是最有效的方法。因而，傳統 CDN 已無法適應新時 代的需求，向邊緣計算過渡是勢在必行的趨勢。

應用理念是邊緣計算與傳統 CDN 最大的區別。傳統 CDN 技術核心是藉助緩存數據來實現 節點傳輸數據能力的提升，而邊緣計算則是利用靠近數據源的邊緣來行進數據的計算分 類，雖然在功能上有少量重疊的地方，但兩者應用理念是不盡相同。也正是這樣的理念 差異，使得數據的處理上，兩者也有所差別。對於傳統 CDN 是將數據都回溯到數據中心進行處理，而邊緣計算則不需要。邊緣計算可利用自身資源對數據進行處理，實現為雲 計算中心減負的目的，也能有效的減少兩者之間的數據流量，減少對傳輸網絡的衝擊。 邊緣計算能使整個計算網絡和數據傳輸網絡資源得到優化，也能使終端使用者體驗到較 低的響應時間和延遲。

邊緣計算與傳統 CDN 功能部分相同，資源可複用。傳統 CDN 與邊緣計算都是為了給用戶 創造更快的相應速度和更好的用戶體驗而構建的體系，儘可能的靠近數據源能實現傳輸 能力的有效提升。邊緣計算的計算節點以及應用在靠近終端的數據中心以分佈式的方式 部署，此方式使其在服務響應和可控性等性能上較傳統中心化的雲計算概念都優越。無 論是傳統 CDN 還是邊緣計算，都可以提供儲存服務，為實現快速響應的目標兩者的部署 方式具有相似的地方，都需要靠近網絡邊緣，因而帶寬資源可實現服用。

數據和應用爆發，CDN 以“邊緣雲+AI”新形式發展。數據和應用爆發是當前大數據時代 的標籤，為了實現快速響應需求並實現服務能力、狀態和質量更透明，CDN 將以“邊緣 雲+AI”的新形式進行迭代。以移動網絡為例，目前 CDN 部署不在移動網絡內部，因而 會產生一系列的問題。若通過將 CDN 部署到移動網絡內部，將有效緩解傳統網絡的壓 力，並且提升用戶體驗，而這一目標的實現則需要運用邊緣雲平臺將 vCDN（virtual Content Delivery Network，虛擬內容分發網絡）下沉到運營商的邊緣數據中心。以雲 邊協同的方式來構建 CDN，通過在中心 IDC 上擴大 CDN 資源池和利用邊緣雲能實現資源彈性伸縮的能力，能更好的滿足節點的需求。

總結：在通信結構上隨著時代的更迭沒有發生改變，但在技術的應用上進行了革新。大 數據時代，在傳統 CDN 無法滿足當代通信需求時，邊緣計算所具備的計算能力是其優勢，也是傳統 CDN 所不具備的能力。因而，“邊緣雲+AI”的新模式成為 CDN 發展的新趨勢。 向邊緣計算過渡將會成為新趨勢下的新發展。

三、邊緣計算實現大效益

邊緣計算優勢明顯。邊緣計算作為雲計算的補充，分佈式的部署將有效的解決網絡資源 和信息安全等方面的問題，對於終端的響應也會更及時。這樣的部署方式決定了其具有 雲計算所不具備的優勢，對於雲邊協同效應的產生具有重要的促進作用。

邊緣計算體現 CROSS 價值。聯接的海量與異構 (Connection)、業務的實時性 (Real-time)、數據的優化 (Optimization)、應用的智能性 (Smart)和安全與隱私保護 (Security)是邊緣計算優勢的價值體現。

終端數激增和網絡異構是挑戰也是機遇。系統互聯與數據採集傳輸依賴於網絡系統，系 統的承載和兼容能力是衡量網絡系統的一個重要指標。從互聯網時代開始爆發的互聯網 終端數將會保持增長勢頭，除日常所熟悉的電腦、手機外，隨著 VR/AR 技術的成熟，更 多的設備需要連接互聯網，終端種類和數量將會有進一步的提升。與此同時，工業場景 下的互聯網應用存在著多種制式的系統，對各系統的兼容將會是一個較大的挑戰。對於 海量的終端和數據，邊緣計算提供的服務能有效的緩解傳輸網絡的壓力，為用戶提供更 好的使用體驗。而工業互聯網裡，邊緣計算對各系統的兼容問題的解決將會為企業節省 開支，也能使邊緣計算在工業應用中加速。終端數激增和網絡異構是挑戰也是機遇，解 決這些問題是邊緣計算聯接的海量與異構價值的體現。

為客戶提供實時服務。業務的實時性代表著只要終端端發出需求，邊緣計算就能以最快 的速度完成響應。工業系統檢測、控制、執行，新興的 VR/AR 等應用的實時性高，對於 響應時間都有較為明確的要求。若所有數據都在雲端來完成，延遲將會是一個難以控制 的變量，因而許多應用場景無法落實。而邊緣計算將有效的解決延遲的問題，為實時響 應提供技術支持。

海量數據有效處理。互聯網終端種類和數量激增所帶來的數據種類和數量爆發是無法避 免的情況，邊緣計算能對海量數據進行預處理，這是邊緣計算計算能力的體現，也是實 現低時延的技術基礎。通過對數據的優化，以靈活高效地服務於邊緣應用的智能。

智能是轉型的目標。智能是科技進步的一大目標，智能製造、智能家居等領域智能化將 會成為趨勢。業務流程優化、運維自動化與業務創新驅動應用走向智能，邊緣側智能能 夠帶來顯著的效率與成本優勢。智能化應用場景將推動行業向新的服務模式與商業模式 轉型。

邊緣側能提供更高等級的安全防護。邊緣計算靠近於數據源頭，因而需要實施端對端的 防護。由於分佈式的佈局，對於設備的維護而言，由於設備數量增加所導致的威脅防護 廣度也有所加大。在邊緣側的安全防護主要包含設備、網絡、數據與應用安全，對於數 據的完整性和保密性也是需要重點關注的內容。與此同時，對於侵入者控制訪問的難度 在加大，在某種程度上，邊緣側安全與隱私保護程度更高。

總結：邊緣計算所具備的優勢能為雲計算補短板，在雲邊協作中為終端提供更好的服務。 邊緣計算是適應現代通信需求所發展的解決方案，其優勢都體現在 CROSS 價值，對邊緣 計算的推廣具有促進作用。

四、邊緣計算成就大格局：雲邊協同擴大價值

4.1 雲邊協同是數字時代的選擇

雲計算與邊緣計算是數字化轉型的兩大重要支持。

市場作證集中式雲計算演變。邊緣計算 CROSS 價值日漸突出，促使計算模型從集中式的 雲計算向分佈式的邊緣計算發展，使邊緣計算成為一股熱潮。Gartner《 Top 10 Strategic Technology Trends for2018: Cloud to the Edge》認為到 2022 年，隨著 數字業務的不斷髮展， 75%的企業生成數據將會在傳統的集中式數據中心或雲端之外的 位置創建並得到處理。此外，Gartner IT 基礎架構、運營管理與數據中心大會（ 2017 年 12 月）發佈的調研數據顯示，84%的企業將在四年內將邊緣計算納入企業規劃。從兩組數據上可以看出，邊緣計算的市場需求已經形成，這將推動集中式雲計算的演變，促 進雲邊協同發展。

雲邊協同放大邊緣計算與雲計算價值。從算力架構和功能上來說，邊緣計算和雲計算之間不是替代關係，也不存在競爭關係。基於靠近執行單元而構建的邊緣計算，為雲計算 提供高價值數據的採集和初步處理服務，為其提供一個更好的服務支撐。而云計算通過 對大數據的分析所得出結果或模型會通過下發的方式，對邊緣側進行更新，使邊緣側能 更好的運行。兩者使相輔相成的作用，邊緣計算服務於雲計算，雲計算通過為邊緣側提 供更新來實現反哺，形成一個閉環。

以物聯網為例，雲計算與邊緣計算相互協同效益大。數據是物聯網中最為重要的資料之 一，數據處理水平對物聯網的發展具有限制作用。雲邊協同模式的應用將有助於物聯網 能大規模的應用。從數據產生的角度來看，物聯網中設備眾多，所採集的數據無論是種 類還是數量都是繁多，數據傳輸和處理對於傳輸網絡和算力網絡都是一種挑戰。在缺少 邊緣計算的情況下，數據需要全部上傳到雲端進行處理，在這種情況下，雲端所面臨的 壓力將會十分巨大。在雲邊協同的情況下，邊緣計算節點能自己範圍內的數據計算和存 儲工作，這對分擔雲計算壓力起到積極的作用。在數據應用上，大部分數據並非一次性 數據，在邊緣計算節點經過處理後仍要匯聚到中心雲，在中心雲進行進一步的處理。雲 計算在進行大數據分析挖掘、數據共享的同時會進行算法模型的訓練和升級，並將結果 傳輸到前端，是前端設備得以升級和更新，完成自主學習閉環。在數據傳輸到中心雲後， 會進行備份以防邊緣計算節點出現意外而造成數據丟失的情況。在雲邊協同下，物聯網 實現自主學習閉環，達到最佳的效益。

總結：邊緣計算與雲計算使一個相互協同的關係，從而形成一個閉環，更好的服務於整 個網絡。雲邊協同下，兩者的優勢都將得到展現，價值將會有所放大。隨著實踐應用場 景逐步落地，雲邊協同能力將會提升。

4.2 雲邊協同造就多場景應用升級

4.2.1 流媒體場景

eMBB 傳統模式無法滿足帶寬需求。eMBB 場景如 AR、VR、4K/8K 視頻以及雲遊戲業務對 於帶寬的需求較高，若按照傳統傳輸方式，由於無邊緣側參與，數據流需流至匯聚層和 核心網。由於數據流較大，在帶寬有限的情況下必定會產生延時，無法達到預定效果從而導致體驗較差。通過引入邊緣側，將有效解決流媒體時延問題。在本地部署 MEC 邊緣 業務平臺，使得相關數據處理能在本地儘可能的完成而不需要上傳至匯聚層與核心網， 在減少時延和提高客戶使用感受的同時，將會大幅度降低數據流對傳輸網絡的衝擊。與 此同時，MEC 邊緣服務平臺具有良好的兼容性，各類流媒體業務 APP 無需進行定製開發 即可接入服務，這將有助於平臺的快速部署和迭代。此外，對於 MEC 平臺管理的部署也 具備靈活性，可本地或區域 DC 部署，這一部署方式能對更大範圍內的業務平臺進行資 源和業務有效的管理和調用。

4.2.1.1 雲遊戲

遊戲市場火爆，市場規模日漸加大。根據 Newzoo 2018 全球遊戲市場報告顯示， 2018 年 全球遊戲市場達到 1379 億美元的市場規模，其中中國達到 379 億美元，佔全球遊戲收 入的 28%，從 2017 年至 2021 年，全球遊戲市場將以 10.3％的複合年增長率增長，到 2021 年將達到 1801 億美元。同時， Newzoo 還指出到 2021 年，移動遊戲將佔據全球遊戲市 場 59％的份額，並將本身成為一個價值千億美元的市場。

設備將成為遊戲產業需要面臨的最大問題之一。在火爆的遊戲市場背後，存在一個遊戲 廠商無法逃避的問題，即遊戲對設備的要求越來越高。產生這個問題的根部原因是遊戲 畫面越來越豐富和逼真，對於內存和處理器的性能有了更高的要求。以遊戲《最終幻想 15》為例，若玩家想要達到最佳的遊戲感受，需要配備一張價格近萬的顯卡。面對這樣的硬件需求，許多玩家是無法達到的。因而，在玩家側實現全面硬件的自主更新以達到 遊戲效果是難以實現的。而對於遊戲廠商而言，他們所需要面對的是流量的問題。由於 遊戲開發具備快速開發、用戶爆發、生命週期短等行業特點，若按照傳統方式，對服務 器進行預部署，到實際應用階段所面臨的變數是廠商無法接受的。無論是玩家還是遊戲 廠商，設備都是他們所要迫切解決的問題，這也是遊戲行業發展的一個瓶頸。

“雲遊戲”將有望成為打破發張瓶頸的利器。通信網絡的升級和換代，帶來了更快的傳 輸速度，為遊戲“雲化”打開了想象空間。“雲遊戲”即把所有的程序都放在雲端服務 器中運行，而玩家只通過相關設備接收經過壓縮處理且在雲端已經渲染完畢的遊戲畫 面。這一改變使得玩家只需要一個具備基本的視頻解壓和指令轉發功能的設備即可，不 需要配置高端處理器和顯卡。AT&T、Verizon 等電信巨頭以及微軟、亞馬遜等 IT 巨頭 於 2018 年進入行業，對雲遊戲進行測試和佈局。而國內手機廠商 OPPO 和一加在 2019 年 MWC 上也展示了相關服務。根據第三方機構的預測，全球雲遊戲市場將從 2018 年的0.66 億美元增加到 2023 年的 4.5 億美元， 複合年均增長率為 47％。

雲邊協同助力雲遊戲實現升級。以 AR 為例，用戶在使用的過程中設備需要對於其所處 方位及面向的方向作出判斷，這是應用程序通過結合相機的視圖和定位技術得以實現。 而當相對位置確定後，更多的數據將會提供到玩家的終端中。玩家每一個動作都意味著 數據的改變，數據的發送和接收頻率都會處於高位。若引入邊緣計算的構建，將大部分 的計算任務都放在邊緣服務和移動端進行，將會減低響應時間，使得平均時延降低。前 景的交互放在雲上，背景則交給移動端，最終實現完整的 AR 體驗。對於多人遊戲而言， 帶寬和延遲的要求更高，雲邊協同將能更有效的解決問題，同一區域玩家通過連接同一 邊緣節點實現延遲降低。遊戲雲端運行也能使得遊戲在本地數據變少，遊戲的接入速度將會有所提升。

4.2.2 工業互聯網場景

工業互聯網助力工業企業智能化轉型。在供給側改革巨輪初見成果的背景下，工業領域 的需求在持續復甦。然而，無論是人力成本，還是原材料成本在持續上升，都使得公司 的利潤在逐步下降。企業的生存環境面臨進一步的惡化，而智能化工廠模式將有助於企 業打破困局。憑藉其新一代信息技術與工業系統全方位深度融合的特點，工業互聯網成 為工業企業向智能化轉型的關鍵綜合信息基礎設施。

4.2.2.1 雲邊協同是工業互聯網的重要支柱

雲邊協同正逐漸成為支撐工業互聯網發展的重要支柱。在我國相關政策支持以及生態建 設不斷完善的背景下，中國工業物聯網產業在迅速發展。據 IDC 預測，到 2020 年全球 將有超過 50%的物聯網數據將在邊緣處理。作為物聯網在工業製造領域的延伸，工業物聯網也需要面對海量異構的問題，各異的海量數據將在邊緣端進行處理。從控制的角度 看，邊緣端只處理其覆蓋範圍內的數據計算任務，對區域內具有一定的控制能力。然而， 若需要控制全局還需要藉助雲計算平臺來實現全部信息的匹配和交融。因而，雲邊協同 正逐漸成為支撐工業互聯網發展的重要支柱。

邊緣側設備本身就像一個迷你數據中心。雲邊協同在工業物聯網中的應用是在邊緣計算 環境中安裝和連接智能設備，這些設備能處理關鍵任務數據並實時響應，而不需要將數 據上傳到雲端處理。由於邊緣側設備本身就像一個迷你數據中心，數據近乎為本地處理， 因而延遲幾乎為零。基於邊緣側設備的佈局，數據運算會被分散，數據流量將會下降。 雲計算將對二次加工的數據信息進行評估，並進行更深入的處理和分析。

計算能力解決工業物聯網中單點故障困局。單點故障對於工業物聯網來說是無法接受 的，因而極端情況是系統設計中必須考慮的因素。工業現場的邊緣計算節點具備一定的 計算能力會使得其具備一定的自主判斷及解決問題的能力。另一方面，邊緣側設備對於異常情況識別及實現預測性的監控將有助於預防設備故障，這一功能的實現也需要設備 具備一定的計算能力。在邊緣側的運算力能儘量保持工廠運行的平穩。對於後期數據的 進一步處理則需要邊緣側設備上傳相關數據至雲端進行存儲、管理、態勢感知。同時， 雲端也負責對數據傳輸監控和邊緣設備使用進行管理。

4.2.2.2 經典案例

雲端-邊緣協同化生產管理體系是工業智能化的一大應用。對於工業物聯網的應用，四 川愛聯科技有限公司所搭建的雲端-邊緣協同化生產管理體系是一個較完善的系統模 型。通過在工廠的網絡邊緣層部署邊緣計算設備及配套設備，邊緣計算設備通過數據採 集模塊從所有 PLC 設備採集實時數據，存儲於實時數據庫內，供 MES、ERP 等其他功能 模塊、系統調用處理，建立起工單、物料、設備、人員、工具、質量、產品之間的關聯 關係，保證信息的繼承性與可追溯性，在邊緣層快速建立一體化和實時化的信息體系， 滿足工業現場對實時性要求，實現工業現場的傳感器、自動化設備、機器人的數據接入， 提供數據採集、數據分析、人工智能（推理階段）等服務。雲邊協同使得大量、異地分 布的數據得以接入到同一平臺中，對於決策數據的應用提供了一個較為便利的方式。生 產管理部門可以通過系統瞭解車間作業和設備的實際情況，也可以為業務部門提供訂單 生產情況信息。對於成本控制，能提供直接物料的成本、產量、設備故障、消耗等一系 列與成本相關的數據，為決策提供相應的支持。雲端-邊緣協同化生產管理體系將會是 工業物聯網中較為重要的應用，也是推動工業轉型的強大推手。

五、梳理邊緣計算的架構與核心要素

5.1 邊緣計算的基本結構

邊緣計算允許存儲和計算任務遷移。在邊緣計算中，終端設備可在邊緣節點完成儲存和 計算任務。這一改變會產生兩個較大的優勢。其一，由於計算任務可在邊緣端進行，借 助外部算力能有效延伸終端設備的計算能力。其二，節約由於計算任務在網絡中傳遞的 帶寬資源。核心設施層、邊緣計算中心、邊緣網絡和邊緣設備是邊緣計算基本構架的四 層功能結構，此構架能實現“雲-邊-端”協同效應。

核心基礎設施為邊緣計算提供保障。核心基礎設施提供核心網絡接入（例如互聯網、移 動核心網絡）和用於移動邊緣設備的集中式雲計算服務和管理功能。通信網絡的暢通無阻是確保各項任務能順利完成的基礎。對於核心網絡而言，其所包含的互聯網絡、移動 核心網絡、集中式雲服務和數據中心等設施承載著各個子系統所產生的數據流。基礎設 施即服務（IaaS）、平臺即服務（PaaS）和軟件即服務（SaaS）三種服務模式是雲計算 所提供的核心服務。通過邊雲計算架構能實現多個雲計算提供商同時為用戶提供集中式 的存儲和計算服務，達成多層次異構服務器部署目標，緩解由集中式雲業務大規模計算 遷移帶來的壓力。此外，通過核心網絡，雲計算提供商能為不同位置的用戶提供實時服 務和移動代理。

邊緣計算中心是邊緣側功能實現的核心設備。邊緣計算中心提供計算、存儲、網絡轉發 資源服務，也被稱為邊緣雲，是雲邊協同中核心組件之一。通過在邊緣計算所搭建的多 租戶虛擬化基礎設備，無論是第三方服務商或基礎設施提供商，還是終端用戶，各邊緣 中心既能實現自主運行，又能相互協同，也能連接雲端進行必要的交互。邊緣計算中心 是邊緣側功能實現的有利保障，也是整個邊緣側溝通的橋樑。

邊緣網絡追求系統兼容。數據來源於各種物聯網設備和傳感器，每種設備所使用的通信 網絡制式不盡相同。邊緣網絡通過串聯無線網絡，數據中心網絡和互聯網實現邊緣設備、 邊緣服務器和核心設施之間的連接，進而實現系統兼容的目標。

邊緣設備是數據生產者也是數據消費者。邊緣設備所包含的類型較多，自身在運行中會 產生數據流，而這些數據通過邊緣網絡傳輸至邊緣雲進行處理，這時邊緣設備作為數據生產者。當邊緣雲對邊緣設備傳輸數據時，邊緣設備就轉換為數據消費者。生產者和消 費者兩者可能同時存在於同一邊緣設備中，這也是網絡交互的一種體現。

總結：核心基礎設備、邊緣計算中心、邊緣網絡和邊緣設備是邊緣計算的四層功能結構。 對於邊緣側功能的實現，四者之間相會協同，從而實現“雲-邊-端”的協同。

5.2 從巨頭公司尋找我國邊緣計算架構關鍵元素

各巨頭依託自身資源佈局邊緣計算市場。主宰雲計算市場的巨頭公司依託雲計算技術先 發優勢，將雲計算技術下沉到邊緣側，以強化邊緣側人工智能為契機，大力發展邊緣計 算。工業企業依託豐富的工業場景，開展邊緣計算實踐強化現場級控制力。電信運營商 正迎接 5G 市場機遇，全面部署邊緣節點，為佈局下一代基礎設施打下牢牢的根基。從 各巨頭的策略來看，基礎設備、計算機平臺和 CDN 將會成為邊緣計算發展的三大要素。

5.2.1 邊緣計算要素之一：基礎設備

研發是邊緣基礎設施經典案例。研華 2017 年推出新一代 IoT 邊緣智能服務器（EIS）， 它能把不同工業協議收集起來的數據轉換成 MQTT 協議並傳輸到雲端，然後做一些數據 分析或應用處理。EIS 目前正是研華主打的產品，EIS=物聯網網關+小型數據庫+輕量計 算與分析。內建 WISE-Paas 設置管理，集中央管理，交互式多媒體內容編輯、監控及數 據此埃及，人機界面等軟件，在滿足不同應用之餘，為傳感器及其他設備提供全面的開發工具及服務標準協議。

中興通訊已擁有完整邊緣計算解決方案。中興通訊在邊緣計算的設備層領域進行了佈局，中興通訊已擁有完整的 MEC 解決方案，以及包括虛擬化技術，容器技術，高精度定 位技術，分流技術，CDN 下城等核心技術和專利。相關解決方案覆蓋業務本地化，本地 緩存，車聯網，物聯網等各大場景，且滿足 ETSI 標準定義的 MEC HOST 架構，並根據實 際應用落地需求，綜合考慮 MEC 管理系統，MEC 集中控制系統等方案的制定。2019 年 2 月，中興通訊發佈業界收個《OLT 內置刀片技術白皮書》。中興通訊首創在其旗艦 OLT 平臺 TITAN 內設置 300mm 申請量級刀片服務器，並採用基於英特爾突破性的數據中心處 理器架構 Xeon D 服務器，無須改造接入機房即可打造低成本，低功耗，業務靈活組合 的輕量級邊緣計算基礎設施，為固移融合場景下大流量、底誓言業務提供存儲。計算等 能力，極大提升體驗敏感性業務的用戶體驗。

新華三產品與方案覆蓋 MEC 主要場景。新華三（紫光股份）作為業類領先的 IT+CT 融合 的數字化轉型領導者，新華三開發了一系列面向雲化的 MEC 端對端的產品與方案，完整 的覆蓋 MEC 主要應用場景。在基礎設施方面，新華三能夠提供業內最為齊全的 x86 架構 的服務器、存儲及交換路由設備。此外新華三首屈一指的 Edgeline “邊緣 IT 系統” EL1000/EL4000 服務器，專為關鍵性行業及物聯網場景需求打造，能夠有機融合運營商 網絡綜合接入站點機房的環境，實現 IT+CT 的融合需求。

日海智能 AI 設備佈局完備。日海智能是一家從綜合通信服務業務積極、快速向智能物 聯網轉型的新興 AI 物聯網（AIoT）企業。公司先後通過併購國內領先的通信模組廠商 芯訊通、龍尚科技，具備了深厚的模組研發經驗積累和優勢模組市場份額，同時通過投 資全球領先的物聯網雲平臺企業美國艾拉並與其在國內成立合資公司，快速擁有了領先 的物聯網雲平臺技術和運營能力。公司在“雲+端”的優勢佈局基礎上，同時引進大量 AIoT 軟件及銷售人才，率先推出智能套件、5G 模組、雲模組、移動邊緣計算終端等 AIoT 產品，並實現智慧城市、智慧物流等多項物聯網綜合解決方案的落地，進一步完善了 AIoT 業務鏈。智能設備是 AIOT 的實現載體，IoT 賦予物生命，AI 技術則給予物會思考的大 腦，在萬物互聯的基礎上，公司聚焦智慧賦能，將人工智能與物聯網技術相結合，推出一系列自主研發終端設備產品。公司在 2019 世界移動大會上海站（MWCS）展會上正式 發佈了 AI 智盒、AI 視頻邊緣計算終端和 AI 車載邊緣計算終端等設備，同時，公司致力 於將 AI 邊緣計算的技術應用到物聯網解決方案中，以 AI 智盒為核心基礎，收集處理大量數據信息，上傳至雲平臺數據庫結合 AI 機器學習，完善行為特徵庫，提供更好的服 務。

5.2.2 邊緣計算要素之二：計算平臺

海外雲計算巨頭紛紛推動平臺向邊緣側發展。亞馬遜推出 AWS Greengrass 功能軟件， 將 AWS 擴展到設備上，在本地處理終端生成的數據，同時仍然可以使用運來進行管理、 數據分析和持久的存儲；微軟發佈 Azure IoT Edge 邊緣側產品，將雲分析擴展到邊緣 設備，支持離線使用，同時聚焦邊緣的人工智能應用；谷歌也在 2018 年推出了硬件芯 片 Edge TPU 和軟件堆棧 Cloud IoT Edge，可將數據處理和機器學習功能擴展到邊緣設 備，使設備能夠對來自其傳感器的數據進行實時操作，並在本地進行結果預測。

國內雲服務提供商緊隨步伐推出平臺以適應發展。阿里推出 Link IoT Edge 平臺。通過部署在不同量級的智能設備和端側計算節點中。通過定義物模型連接不同協議、不同數 據格式的設備，提供安全可靠、低延時、低成本、易擴展的本地計算服務；百度推出智 能邊緣 BIE，將雲計算能力拓展至用戶現場，提供臨時離線、低延時的計算服務，同時 配合智能邊緣雲端管理套件，形成“雲管理，端計算”的端雲一體解決方案；華為在 2018 年推出了 IEF 平臺， 通過納管用戶的邊緣節點，提供將雲上應用延伸到邊緣的能力， 聯動邊緣和雲端的數據，為企業提供完整的邊緣和雲協同的一體化服務的邊緣計算解決 方案。

5.2.3 邊緣計算要素之三：CDN

CDN 節點優化是實現延遲下降的有效途徑。思科和 Reliance Jio 現在正在共同利用多接 入邊緣計算的強大功能，從一個用例開始，通過開發移動內容分發網絡（CDN）進一步 優化和增強網絡視頻體驗。在該概念中，CDN 被集成到移動 LTE 網絡中，藉助移動 CDN， 移動運營商可以通過邊緣 cloudlet 提供內容，從而以更低的延遲和更高的性能提供更好的用戶體驗。愛立信表示在邊緣計算興起之前，CDN 一直都是邊緣網絡的代表，但是 CDN 的主要目的是本地化存儲，而不是進行本地化計算。現在，愛立信希望將兩者結合 起來。在世界移動大會上，愛立信的 CDN 業務開發總監理 Richard Dawson 展示了該公 司的統一分發網絡解決方案。騰訊針對邊緣計算推出了 CDN Edge，將數據中心的服務 下沉至 CDN 邊緣節點，以最低的延遲相應終端用戶，同時降低用戶數據中心的計算壓 力和網絡負載。

網宿科技升級 CDN 節點為邊緣計算節點以滿足互聯需求。作為國內 CDN 的龍頭企業，網 宿科技甚至網絡擁塞概率最大的是大帶寬的視頻內容，例如視頻點播，4K 電視和視頻流， 為減輕顯示和未來的網絡擁塞，改善大帶寬內容傳輸能力，CDN 服務提供商要將緩存內 容在更接近用戶的邊緣計算網絡系統中進行交互，從而實現在多個服務器上覆制內容別 情基於靠近程度將內容快速部署給多個用戶。網速科技正在構建一張龐大的智能計算網 路，將現有 CDN 節點升級為具備存儲、計算、傳輸、安全功能的邊緣計算節點，以滿足萬物互聯時代的需求。

總結：在雲計算的佈局上，國外廠商較國內早，而在邊緣計算的佈局和發展也比國內企 業快。目前，雲邊協同是雲計算發展的趨勢。對於邊緣計算，已形成基礎設備、計算機平臺和 CDN 三大要素。雲邊協同市場具有較大潛力，隨著協同效應的產生，更大的發展 空間將會出現。對於國內企業在相關產在追趕國外領先巨頭的腳步，未來在雲邊應用上 有望得到收益。

六、透析邊緣計算基礎資源架構核心技術

邊緣計算將數據或任務放在靠近數據的網絡邊緣側進行處理是一種新型的服務模型。在 數據源和雲計算中心之間的任意功能實體都可以成為網絡邊緣側。實體通過搭載具備網 絡、計算、存儲、應用核心能力的邊緣計算平臺，為終端客戶提供實時、動態和智能的 服務計算。由於設備以就近分佈式原則對數據進行處理，因而提供了更好的結構來支持 數據安全和隱私保護。邊緣計算模型的主體架構主要包括核心基礎設施、邊緣數據中心、 邊緣網絡和邊緣設備。從架構功能角度劃分，邊緣計算包括基礎資源、邊緣管理、邊緣 安全以及邊緣計算業務應用。其中邊緣計算包括基礎資源以計算、存儲、網絡所包含的 技術為主。

6.1 網絡

通信網絡是邊緣計算的業務基礎。通信網絡作為基礎設施存在於邊緣計算體系中，網絡 需要在滿足與控制相關業務傳輸實踐的確定性與數據的完整性的同時，也要能夠支持業務的靈活部署和實時傳輸。時間敏感網絡（TSN）和軟件定義網絡（SDN）技術是邊緣計 算網絡部分的重要基礎資源。

分離是 SDN 最大的特點。網絡的控制平面和數據轉發平面的分離是 SDN 的設計理念，而 如今這樣的技術也逐漸成為網絡技術發展的主流。這項技術是為應對傳統網絡構架在實 際應用中所造成的不便而產生。在傳統網絡構架中，傳統的網絡設備是通過硬件來實現 功能，如交換機和路由器。這些硬件使得數據交換面和控制管裡面集成在一起，在控制上通過命令行來實現。因為功能集成在一起，所以配置部署較為繁瑣且對維護人員要求 較高。此外，就設備本身而言，部署完成後系統改裝難度高，且發生問題時排查難度大，在維護上造成不便。SDN 就是在這一背景下出現的革新網絡技術，其核心思想是將網絡 的控制面板和數據面分離，形成三層結構：網絡基礎設施層、控制層和應用層。在網絡 基礎設施層數據面的轉發交由專用硬件的交換機運作，在降低硬件交換機設計難度和提 高數據寬帶的同時，促使網絡成本減低。得益於硬件交換機的功能一致，網絡可拓展性 達到較高水平。對於控制策略的轉發則在控制層完成，策略可集中運行在通用的服務器 上，通過改變控制面板即可實現對網絡部署的改變，操作上具有簡便性。對於不同業務 和應用的支持，則是應用層提供支援，其通過提供開放 API 接口，實現資源的靈活調配。

SDN 助力邊緣計算。SDN 技術的理念與邊緣計算的設計有相似之處，將 SDN 技術導入到 邊緣計算，可實現百萬級別海量設備的接入與靈活擴張。從而實現自動化運維管理進入 高效低成本的模式，實現網絡與安全的策略協同與融合。

6.2 計算

邊緣計算催生內存解決方案。存儲是計算運行的基礎。出於成本和體積的考量，在物聯 網節點端不能使用 DRAM，而採用 FLASH 作為系統存儲器，並使其可同時用於存儲操作系 統等。基於客觀條件的限制，FLASH 存儲模型權重信息是可選擇的方案之一。由於 FLASH 的寫入速度較慢，因而緩存需要在處理芯片上完成。 模型的大小由緩存的大小而決定， 而目前緩存從數百 KB 到 1MB 不等，因而算法必須將模型做到很小，這就是“模型壓縮” 的方法。除用“模型壓縮”這一方案解決目前 IoT 節點終端內存不夠的問題外，還可使 用新存儲技術來解決內存問題。基於實現高密度片上內存或加速片外非易失性存儲器的 讀寫速度，並降低讀寫功耗的理論，實現存儲器技術的突破。目前，邊緣計算催生的 MRAM、ReRAM 等新存儲器件即是在這一領域的新嘗試。

具備可重構能力的 AI 芯片是發展方向。目前，雲服務提供商已實現部署雲上 AI 模型訓 練和推理預測的功能服務，並被業界引用為經典案例。 從推理預測放置的位置來看， 將其放於邊緣計算工程應用的熱點，在滿足實時需求的同時，大幅度減少佔用雲端資源 的無效數據。對於芯片的處理，低精準度是 AI 芯片發展的方向，在推斷芯片的應用上 這一趨勢更為突出。此外，針對特定領域，具有可重構能力的 AI 芯片在應用中具有便 捷性，對於非特定應用的 AI 芯片將是未來設計的一個知道原則。

芯片是計算的關鍵技術。芯片的性能決定著計算能力。NVDIA 系列 GPU 在深度網絡神經 網絡訓練和推理被廣泛應用，這是通用 GPU 在雲端應用的一個經典案例。Tesla V100 是其最新的產品，能夠提供 120 TFLOPS（每秒 120 萬億次浮點指令）的處理能力。此外， 也有不少公司加入專用芯片的研發隊伍，其中 Google TPU 是這方面的代表。谷歌公司 通過雲服務把 TPU 開放商用，使性能得到提升，處理能力達到 180TFLOPS，提供 64GB 的 高帶寬內存（HBM）、2400GB/s 的存儲帶寬。雲端芯片的競爭日漸激烈，除芯片巨頭爭 先佈局外，許多初創公司也在此行業開展業務，如 Graphcore、 Cerebers、WaveComputing、 寒武紀及比特大陸等公司。

AI 應用對 FPGA 具有多種選擇。 FPGA 在 AI 應用上具有兩種模式，一種是 FPGA 硬件， 而另一種是雲端 FPGA。Xilinx、英特爾是 FPGA 硬件方案的代表公司，他們為 AI 應用 推出過具有針對性的產品。而科技類公司如亞馬遜、微軟及阿里雲等公司則偏向於雲端 FPGA，他們通過雲端技術來實現 FPGA 在 AI 應用上的功能。除巨頭在此行業爭奪外， 一些初創企業如深鑑科技等也在開發專門支持 FPGA 的 AI 工具。

6.3 存儲

非結構化數據量劇增。隨著邊緣端在智能工廠、智能物流、安防等領域應用成熟，基於 視覺的 AI 應用越來越多，對於圖片和視頻等非結構化數據進行分析和存儲的需求也越 來越強。在智能工廠的應用情景中，攝像頭所採集的圖像數據需要通過邊緣計算節點進 行實時分析並反饋結果；而物流倉儲中心中，邊緣計算節點則需要判別包裹信息是否準 確；在安防上的應用則更為複雜，NVR 通過實時深度學習和算法推理將攝像頭所採集的 視頻信息進行分析，而後將原視頻內容（包含元數據）和分析結果進行儲存。根據 Gartner 預測，到 2020 年，全球非結構化數據量將達到 35ZB，等於 80 億塊 4TB 硬盤，非結構化 數據在存儲系統中所佔據的比例已接近 80%，數據結構變化給存儲系統帶來新的挑戰。

時序數據是邊緣計算節點中保存和處理最多的數據類型。智能製造、交通、能源、智慧 城市、自動駕駛、人工智能等行業都產生巨量的時序數據。以自動駕駛汽車為例，在汽 車運行期間，會有多個監控器和監控系統在同時運行記錄著各種數據。這些數據會包含 主標、速度、方向、溫度等，一些列數據會隨時間改變而變動。在一天的運行中，每輛汽車都會產生約8TB的時序數據。對於這些數據邊緣計算節點需要提供快速儲存的服務， 同時對於數據縫隙和多維度的查詢也需要能夠即時響應。從運作模式上可以體現出邊緣 計算節點的趨勢性、規律性、異常性等，甚至需要通過大數據分析、機器學習等實現預 測和預警。邊緣存儲以時序數據庫（包含數據的時間戳等信息）等分佈式存儲技術為支 撐，按照時間序列存儲完整的歷史數據，需要支持記錄物聯網時序數據的快遞寫入、持 久化、多維度的聚合等查詢功能。

機械硬盤和固態硬盤是邊緣存儲的兩種介質。刺頭尋址是機械硬盤的一大特色，但也這 是這個特色，使得機械硬盤性能一般，SATA 硬盤和 SAS 硬盤是機械硬盤的兩種類型。在性能上隨機 IOPS 一般在 200 左右，順序帶寬在 150Mb/s 左右。另外一種介質固態硬盤 是指採用“Flash/DRAM 芯片+控制器”組成的設備，根據協議的不同，又分為 SATA SSD、 SAS SSD、PCIe SSD 和 NVMe SSD。介質的區別將會在數據存儲和讀取上存在一定的差異

存儲性質決定存儲方式。對於數據應用需求可將邊緣計算節點數據儲存分為非持久性和 持久性數據存儲。對於非持久性數據存儲，在存儲設備上具有一定要求。因為使用 32GB 以上 DRAM 能確保在高級分析功能的需求下，內存頁面不會在分析過程中被調度到持久 性存儲介質中，因而較為合適。而對於持久性數據存儲，需要加入對不同應用環境需求 的考慮。以邊緣服務器或部署在中心機房的計價服務器為例，為確保 IOPS、吞吐量等讀 寫性能，並增加存儲密度，一般會選用基於 PCIe NVMe 協議的 U.2 SSD 或 EDSFF SSD。 對於數據保存時限是基於對數據處理的需求而產生的結果，對於存儲上也會有不同的處 理。

七、投資策略

7.1 投資建議

首次覆蓋給予推薦評級。2019 年 6 月，工信部發布 5G 牌照。在政策、運營商、設備商 的大力推動之下，我國 5G 進程不斷加速。5G 商用在即，基於 5G 三大特性：高速率、低時延、海量連接等要素，5G 將會在多場景獲得應用。在新技術的引領下，我們社會將向 信息化邁進，數據量將呈現指數式爆發的情況。面對如此的海量的數據，以雲計算為代 表的數據處理技術，在時效性與有效性的問題上將會面臨一定的侷限性。為解決數據處 理與傳輸的本質問題，引入 CDN 技術後，情況雖有所緩解，但未能根治。邊緣計算作為 新興的技術，是網絡中最靠近物或數據源頭融合網絡、計算、存儲、應用核心能力的分 布式開放平臺，就近提供邊緣智能服務。因此邊緣計算將實現低時延數據傳輸，以及有

效數據傳輸，減輕雲計算作為指揮中心的負擔，成為雲計算技術的有力補充，推動工業 互聯網、物聯網、車聯網、以及多種新型終端的應用，邊緣計算將有望得到廣泛的使用。 因此，對邊緣計算產業首次覆蓋給予推薦評級。

7.2 投資策略

建議關注以下兩條投資主線：

（1）邊緣計算架構關鍵要素為導向的供應商

1) 基礎設備供應商：浪潮信息（000977）、紫光股份（000938）

2) 算法平臺供應商：用友網絡（600588）、浪潮信息（000977）、寶信軟件（600845）

3) CDN 節點供應商：網宿科技（300017）

（2）以核心技術為為導向的供應商

1) 掌握網絡 SDN 技術的標的：中興通訊（000063）

2) 掌握芯片技術的標的：中科曙光（603019）、紫光國微（002049）

3) 掌握存儲芯片技術標的：兆易創新（603986）

獲取報告請登陸未來智庫www.vzkoo.com。

閱讀更多 未來智庫 的文章

關鍵字: 美好，一直在身邊 雲計算 電信