号称“云计算终结者”的边缘计算究竟怎么落地？两大方向详解边缘侧业务场景

朱啸虎套现离场前丢给戴威的最后一句话是“资本只关心回报”。同样，我们在谈论技术的时候，最终都会聚焦到落地。而当一项服务从最开始投入市场，到占据大部分的市场份额，这之后的目标就是想方设法的将这部分市场转化为商业价值。这也是为什么当下大家都在谈垂直，谈应用，谈落地。

IDC曾预测过，未来将会有超过50%的数据在边缘侧处理。大量的业务场景对边缘智能已经提出了明确的需求，且开始在应用中落地。万物互联的愿景虽然还未实现，但业界已经有针对性地规划未来的业务场景，根据业务场景的需求来设计边缘智能的各项支撑性技术和方案，可以说业务场景需求是核心导向。总体来说，驱动边缘智能发展的业务场景主要包括两个方面，即网络传输的场景和应用特征产生的场景，从而形成对边缘智能的需求。

网络传输的场景

众所周知，物联网业务对各类有线、无线网络需求和依赖性很强，在很多情况下网络传输的场景往往成为业务落地的瓶颈，因此需要针对这些场景部署边缘智能平台和方案。

1)异构网络的场景

面对着复杂的环境，完整的物联网解决方案往往采用了多种网络通讯技术，来保障业务的连续性。当下，不存在一种网络技术标准可以同时涵盖各种距离和不同网络性能的要求，即将商用的5G网络具有很强的包容性，融合大量不同的通信技术标准，但依然难以涵盖所有物联网应用需要的通信场景。

近年来，无线通信技术的进展为物联网通信层带来了很多活力，我们以网络覆盖要求和网络性能要求两个指标来考察网络需求场景，会形成如下矩阵形态：

物联网无线网络场景矩阵

目前，大量物联网场景由于业务局限在小范围内，采用WiFi、蓝牙、Zigbee等短距离通信的技术，如智能家居、智能楼宇、智能照明、可穿戴设备等，所有采用短距离通信的物联网终端、传感器等节点均需要通过网关等枢纽类设备进行回传才能到达云端，这些枢纽设备就成为边缘智能平台运行的天然载体。而近年来兴起的低功耗广域网络(LPWAN)则是为广泛分布、免维护、低频小包数据传输场景而生的，不过也存在基于授权频谱和非授权频谱的技术，各类技术构成了传输网环节的差异，而相应设备数据回传至云端还是需要通过基站设备来进行;其他基于授权频谱的蜂窝网络技术，虽然具有统一的技术标准，但所有节点数据仍然需要基站进行回传至云端或服务器，与LPWAN类似，无线接入网之间或基站侧可以作为一个数据计算、处理的初步场所，形成边缘智能的载体，这也是移动边缘计算(MEC)的组成部分。

不仅仅是这些常见的无线通信，一些特殊场景会采用有线通讯连接，或自身所在行业通讯协议，如工业场景中最为流行的Modbus、HART、Profibus等协议，满足工业现场数据传输的需求，而这些场景中通讯协议更为复杂和碎片化，大量数据需要在现场进行处理后直接执行操作，且回传至云端前也需要“中枢”类设备进行协议转换，这些中枢类设备也往往成为边缘智能的载体。

异构网络通信需要“中枢”设备

从业务需求角度看，有些场景确实融合了多种通信技术，比如一个园区解决方案中对于园区内部工厂内部采用工业通讯方式，而对于楼宇节能管理采用Zigbee、蓝牙等短距离方案，对园区各类资产管理采用LPWAN技术。当需要一个园区整体解决方案时，所有的数据均需汇集到一个平台上，而在汇集到平台之前，通过各类通信技术连接的终端、传感器节点数据之间存在的差异，在靠近数据源的位置部署智能化节点就很有意义。另外，根据IHS的数据，当前有80%以上的连接是非IP类连接，需要网关等边缘智能类设备与IP类连接进行数据交互。Gartner预计到2020年，90%的物联网应用都会用到物联网网关。

所以说，不同通信技术之间需要实现兼容性，需要中间设备、平台以及相关软件技术进行“翻译”。这方面不少工作就放在边缘侧进行，利用边缘侧嵌入式终端的存储、计算、通信能力，实现异构通信技术的数据融合，形成部署边缘智能的必要条件。正如前文所述，各类通信协议数据回传途中，均有相应的软硬件节点作为数据的一个“枢纽”，而这个“枢纽”构成天然的边缘智能部署载体，形成边缘智能的充分条件。因此，物联网的发展形成异构网络的场景直接驱动边缘智能的发展。

2)网络资源受限场景

网络资源受限的场景并不陌生，普通用户也常常会碰到类似的情况，比如我们在大型体育比赛、演唱会等场所时，因为小区容量有限，短时间内数据上下行需求过高，手机往往没有信号。在物联网时代，一方面海量的连网设备数量，另一方面不少设备产生数据的速度飞快，对网络资源形成压力。总体来说，网络资源受限的场景包括带宽资源不足和突发的网络中断场景。

带宽资源不足和终端产生数据量剧增往往同步发生，互联网业务范围普及，视频业务由高清向超清演进，未来虚拟现实、增强现实等技术给人们身临其境的业务体验，这些业务将带来流量爆炸式增长，业界不少企业用“数据洪流”来描述这一场景。业内预计，未来每辆自动驾驶汽车每天会产生4TB数据，每架飞机每天会产生40TB数据，而每一家智能工厂每天会产生1PB以上的生产视频数据。由于网络带宽和网络容量并没有实现同步的、连续性的爆炸式增长，从而造成带宽资源不足，这些短时间内产生的海量数据如果实时上传至云端，一定会造成网络拥塞。

带宽资源和海量数据的不同步增长，一方面网络弹性扩容能力有限，另一方面并非所有的数据需要通过网络上传至云端。一些需要短时间处理或存储周期很短的数据，本身无需占用有限带宽资源上传，而在靠近数据源头进行处理后即可，视频原始数据、工厂机器数据等有相当部分是通过边缘平台处理。麦肯锡曾经对一个海上钻井平台进行过调研，发现该平台上3万个传感器采集的数据中，40%没有被存储，剩余的大部分在本地存储，给边缘智能场景提供数据来源。

海上钻井平台数据(来源：麦肯锡)

另一网络资源受限的场景是突发的网络中断。虽然我国2G网络已成为全球精品网络，4G覆盖99%的人口，超过95%行政村都接入宽带，中国电信、中国联通已实现全国超过30万个NB-IoT基站商用，但这些并不能保证物联网所有应用场景中网络没有中断的风险。在很多周边环境复杂的应用场景，突发的事件可能使得传输受到限制，如森林防火、塌方泥石流监控、气象监测等恶劣环境下的物联网应用，一般会考虑到突发网络中断时靠近数据源的缓存、处理来保障业务的连续性。也有一些应用部署在热点区域，在大量设备同时请求上行数据时造成的临时中断。比如，一些共享单车密集区域高峰用车时段可能对该区域的基站形成很大压力，造成上线率低，而运营商除了对这些热点区域的基站设备进行优化外，通过边缘智能的方案对共享单车数据上报形成调节。

3)端到端低时延的场景

低时延高可靠(uRLLC)是国际电信联盟(ITU)确定的5G应用场景之一，标准化组织3GPP也为实现该场景进行了大量的标准化工作，今年6月份冻结的首个独立组网5G标准中就支持大部分uRLLC的场景，这一场景也是移动边缘计算(MEC)实现的主要技术之一。

各类通信技术端到端时延测试(来源：Open Signal)

从网络传输角度看，端到端时延已经成为通信技术供应商为用户提供的服务中关键指标之一。未来智能工业、自动驾驶等应用场景中需要进行监测、控制、执行，往往需要非常低的时延，很多情况下时延要求在10ms以下。现有成熟的网络传输方式并不能实现这一要求，根据独立第三方网络测试机构Open Signal的测试结果，目前4G LTE可以达到100ms以下的端到端时延，而其他方案时延均高于4G LTE，这一结果还不足以支撑智能工厂、自动驾驶的有效应用。而ITU所定义的5G空口时延为1ms，可以满足这方面需求，不过这个1ms的指标需要边缘智能的协助。

Open Signal所测试的端到端时延是指终端——基站——回传——核心网——云端的往返时延。而在云端之前，即终端至核心网之间的时延约为20-30ms，但核心网到云端的物理距离将主要决定了网络时延，由于云端服务器分散在全球各地，物理距离较远，终端数据需要通过光纤连接访问云端，增加了时延。如果需要低时延场景的业务采用终端——云端的往返模式，即使终端——核心网之间的时延降到非常低的程度，也根本无法保障其实时性要求，自动驾驶、智能工业等业务无法开展。

此时，对于边缘智能的需求就非常明显，5G技术通过将存储、计算、智能资源下沉，在基站侧或无线接入网之间的位置，以边缘智能的方案来处理实时性、短周期的数据，即时回馈给终端去执行，达到1ms的时延水平，从而保障业务的正常开展。

02应用特征产生的场景

万物互联会产生多样化、差异化的应用，不少应用本身具备的特征直接决定了需要采用边缘智能的方式，尤其是需要提供差异化服务的场景，包括专网类业务场景、营销类业务场景和体验提升的场景等。

1)专网类业务场景

大量行业、企业因为业务特殊性、数据保密等原因，采用专网方案，主要业务数据在其专用网络中进行计算处理，不使用公共网络服务。在过去的数十年中，专网类业务规模虽然远不如公网类业务那么大，但政务、公安、民航、铁路、交通、工业等大量行业都在采用专网服务，做到物理隔离来保证数据安全。

专网业务中不少场景对边缘智能有天然的需求，虽然专网用户会自建数据中心或私有云，但面对很多业务数据本地产生、本地终结的特征，并不需要所有数据都存放在其自有的服务器上，通过数据源头平台处理能提升效率，同时也减轻自建服务器的容量压力。

比较典型的专网场景就是企业的工业制造场景。上一节中所述，智能工业本身就有低时延、高可靠的通信场景，需要通过边缘智能助力实现。除此之外，工业制造现场每天会产生的海量数据，直接在现场就近进行处理，目前很多企业已能够提供成熟的边缘智能软硬件解决方案，在工厂的局域环境下完成。

另一种典型的专网场景是本地视频，由于很多用户的安装的视频设备采集数据也仅限于其专网内部，作为监测、管理手段提升的方式。不过，很多监控视频的大部分时间都是静止场景，不论是从摄像头终端侧或者服务器侧处理都不是很理想的方式。此时，部署边缘智能平台对于这种专网监控视频就很有意义，通过边缘智能平台筛选出监控画面变化的部分或一些有意义的视频片段，对服务器进行回传，而把价值不高的监控内容就地缓存在边缘智能服务器中，保障专网资源留给关键业务。

专网视频监控边缘智能方案

2)营销提升业务场景

对于很多移动互联网和物联网场景，通过边缘智能可以更为快速地对终端侧数据和缓存数据进行用户画像刻画，提升营销效果。边缘智能服务器和平台的缓存内容给终端用户提供体验业务，促进用户对业务的了解和购买，在用户订购后，通过端、边、管、云融合的方案为其提供服务;一些专门业务的体验厅、营业厅等场所，在边缘智能助力下给潜在用户带来耳目一新的体验。类似的服务方式可以在各行业中落地，通过与拥有垂直行业渠道资源企业合作，开展联合营销，提升业务质量。比如，在零售领域，边缘智能平台将定位与移动设备通信能力结合，向消费者和商场提供更有价值的信息，在网络中的关键点收集的信息可以作为大数据分析的一部分，以更好地为客户提供服务。

3)体验提升的场景

体验提升场景是用户采用边缘智能方案最主要的考虑之一。目前，大部分物联网的业务是以整体解决方案的形式提供给用户，而其中关键部分的优化对于整体方案的体验提升非常重要，在大量场合中，边缘智能的采用会让整体业务体验提升到新的高度。在已成熟的移动互联网场景中，内容分发网络(CDN)已经成为提升业务体验的重要手段，比如很多借助运营商网络提供OTT业务的内容和应用供应商，推出和部署了一些CDN系统，在移动网络承载能力有限的情况下起到分流作用，可以说是一种边缘智能的方式。新的互联网视频直播、游戏等业务体验的提升也需要边缘智能的进一步成熟，同时形成边缘智能产业生态。

物联网各类碎片化场景中面对着比OTT业务更为复杂的情况，新业务的层出不穷也让基于互联网业务的边缘智能系统无法完全承载起来，对新的边缘智能方案的需求就越来越强烈。

VR/AR是典型的需要体验提升的场景。目前，相应的VR/AR已广泛应用于旅游景区、博物馆、体育赛事、演唱会等消费级场所，也有不少行业作业场所借助VR/AR设备来完成。此前不少无线VR/AR采用终端和云端服务器交互方式，但此类设备产生的图像信息量太大，终端和云端之间反馈时延太长影响体验。一般采用的优化方案是将相应服务器部署在网络边缘侧，有效分担VR/AR图像识别运算压力，及时给终端反馈，增强用户体验。类似的体验提升场景非常多，智能物流、智能工业、车联网、智能医疗等需要保证实时性、可靠性的应用都有不断提升用户体验的需求，也是边缘智能能够直接应用的场所。

总体来说，业务场景需求是驱动边缘智能产业发展的最大因素，由边缘计算向边缘智能的发展，也是基于满足业务场景需求而提出新内涵。