边缘计算介绍
什么是边缘计算
边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
为什么需要边缘计算
网络边缘侧的数据处理需求激增
智能世界带来了丰富的应用，产生了海量的连接和数据。据IDC 预测，2015 年全球物联网连接数约60 亿个，预计2025 年全球物联网连接数将增长至270 亿个，物联网设备数量将达到1000 亿台，连接数的急速增长意味着海量数据的产生，全球数据总量预计2020年达到47 个ZB，2025 年达到163 个ZB。
边缘计算兴起，未来超过70% 的数据和应用将在边缘产生和处理。边缘和移动端设备受场景约束，处理能力和性能的提升受到限制，需要与云协同。
丰富的应用和海量的数据对算力产生了极大的需求。摩尔定律逐渐失效，带来了算力供应的稀缺和昂贵，严重制约着行业数字化和智能化的发展。
5G使能边缘计算
随着5G 的规模部署，网络传输时延、带宽、连接密度均得到数量级的提升，给端-边-云协同提供了基础保障。
边缘计算的应用场景
智慧园区
智慧园区建设是利用新一代信息与通信技术来感知、监测、分析、控制、整合园区各个关键环节的资源，在此基础上实现对各种需求做出智慧的响应，使园区整体的运行具备自我组织、自我运行、自我优化的能力，为园区企业创造一个绿色、和谐的发展环境，提供高效、便捷、个性化的发展空间。
2018 年中国园区信息化市场规模达到2688 亿元左右，同比增长20%。全国智慧园区存量市场超过10000 家，复合年均增长率超过10%。
智慧园区场景中，边缘计算主要功能包括海量网络联接与管理、实时数据采集与处理和本地业务自治（智能协同应用离线后，能够实现本地业务自治，网络联接恢复后，完成数据与状态同步。）
云游戏
云游戏通常指将原本运行在手机等终端上的游戏应用程序集中在边缘数据中心里运行，原本由手机等终端进行的游戏加速、视频渲染等对芯片有高要求的任务，现在可以由边缘服务器代替运行。边缘服务器与终端之间传输的信息包括两类，一类是从边缘服务器向终端发送的游戏视频流信息，另一类是从终端向边缘服务器发送的操作指令信息。
云游戏场景下，终端只是相当于一个视频播放设备，完全不需要高端的系统和芯片支持，就可以得到很好的游戏体验。云游戏场景的优势包括：游戏免安装、免升级、免修复、即点即玩，以及终端成本降低，具有很好的推广性。
云游戏场景中，边缘计算主要功能包括： ● 安卓全栈能力云化，匹配游戏运行环境； ● 云端视频的渲染、压缩传输，支持终端良好呈现； ● 端到端低时延响应，支撑游戏操作体验。
内容分发网络CDN
CDN极大提升了用户访问内容的体验，降低了内容提供商的带宽成本压力。
● 2020 年超高清用户数达到1 亿，4K 电视占电视总销量比例超过40%； ● 2023 年超高清用户达到2 亿，4K 电视终端全面普及。4K 超高清视频的快速发展将会进一步提升对网络带宽的要求。现有模式的建网成本将快速上升。
CDN 场景中，边缘计算主要功能包括：异构计算（匹配边缘视频转码、压缩等需求）、高性能存储、轻量化非标机柜。
安防监控
视频监控正在从“看得见”、“看得清”向“看得懂”发展。基于边缘计算的视频分析能力，使得部分或全部视频分析迁移到边缘处，由此降低对云中心的计算、存储和网络带宽需求，提高视频图像分析的效率。
视频监控场景中，边缘计算主要功能包括： ● 边缘节点图像识别与视频分析，支撑边缘视频监控智能化； ● 边缘节点智能存储机制，可根据视频分析结果，联动视频数据存储策略，既高效保留价值视频数据，同时提高 边缘节点存储空间利用率； ● 边云协同，云端AI 模型训练，边缘快速部署与推理，支持视频监控多点布控与多机联动。
工业物联网
工业物联网场景中，边缘计算主要功能包括： ● 基于OPC UA over TSN 构建的统一工业现场网络，实现数据的互联互通与互操作； ● 基于边缘计算虚拟化平台构建的vPLC，支持生产工艺与流程的柔性； ● 图像识别与视频分析，实现产品质量缺陷检测； ● 适配制造场景的边缘计算安全机制与方案。
Cloud VR
VR（Virtual Reality, 虚拟现实）指对真实或虚拟环境的模拟或复制，通过深度感知与交互实现用户的沉浸式体验。VR 不仅用于娱乐领域，在社交、通信、房产、旅游、教育等行业也有广泛应用。
Cloud VR 场景中，边缘计算主要功能包括： ● 5G+MEC 协同构建的低时延、大带宽交互环境； ● 异构计算能力，GPU 支撑VR 近端渲染、FOV 转码服务； ● GPU 虚拟化技术的发展加速了VR 业务摆脱硬件限制。
边缘计算的发展趋势
异构计算
应用越来越场景化和多样化，计算密集型应用需要计算平台执行逻辑复杂的调度任务，而数据密集型应用则需要高效率地完成海量数据并发处理，使得单一计算平台难以适应业务场景化与多样化要求。异构计算可以满足边缘业务对多样性计算的需求。
各类边缘计算场景中，不同的计算任务对于硬件资源的需求是不同的，从计算模式、并发数、迭代深度等多方面考虑，可能需要x86、ARM、GPU、NPU 等多种类型的芯片支持。
多核并发优势：边缘计算需要接入海量终端。每路终端的数据量不大，但是路数比较多。边缘应用不需要特别强的单核处理性能，但是需要较高的多核并发能力。
绿色节能优势：ARM 芯片的功耗相比其他同等档次芯片功耗低20%~30%。
云、边、端协同优势：端、数据中心和边缘用不同的计算架构。
边缘智能
边缘智能利用AI 技术为边缘侧赋能, 是AI 的一种应用与表现形式。