前言

随着物联网、大数据、人工智能、5G等信息技术的快速发展，云计算已经无法满足机器人、智能家居、无人驾驶、VR/AR、新媒体、智能安防、远程医疗、可穿戴设备、智能制造等场景对低延迟的高要求。据金准产业研究团队统计，到2022年，超过一半的企业数据将在传统数据中心和云平台之外的边缘产生和处理，目前约为10%。边缘计算的兴起帮助企业近乎实时地分析信息，并围绕物联网(IoT)设备和数据创造新的价值。

在2月底刚刚举办的MWC2019期间，边缘计算也成功地C位出道，和折叠屏手机、5G等，成为了今年MWC最热门的三大领域之一。在这三大热门领域中，折叠手机偏2C端，是用户消费品；5G是新时代的通信基础设施；至于边缘计算，则也不仅仅是一个新行业、新领域，而是新时代的网络、计算、存储、应用等近端整体解决方案的基础设施和基础能力。

一、边缘计算，5G时代的万亿市场

边缘计算成为物理世界与数字世界间的重要桥梁。边缘计算(Edge Computing)是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，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。它可以作为联接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。

参考边缘计算联盟(ECC)与工业互联网联盟(AII)在2018年底发布的白皮书中对边缘计算的定义，作为连接物理世界与数字世界间的桥梁，边缘计算具有连接性、约束性、分布性、融合性和数据第一入口等基本特点与属性，并拥有显著的“CROSS”价值，即联接的海量与异构(Connection)、业务的实时性(Real-time)、数据的优化(Optimization)、应用的智能性(Smart)、安全与隐私保护(Security)。

边缘计算在技术架构上主要分为计算能力与通信单元两大部分。边缘计算的目标主要包括:实现物理世界与数字世界的协作、跨产业的生态协作，以及简化平台移植等。从边缘计算联盟(ECC)提出的模型架构来看，边缘计算主要由基础计算能力与相应的数据通信单元两大部分所构成。

边缘计算标准化与产业化的进程正快速推进。参照Gartner技术成熟度曲线，边缘计算正处于创新触发之后的上升阶段，目前已掀起了产业化的浪潮，各类产业和商业化组织正在积极发起并加速推进边缘计算的研究、标准和产业化活动。

5G低时延、高可靠通信要求，边缘计算成为必然选择。根据ITU(国际电信联盟)的愿景，5G的应用场景应划分为增强型移动宽带(eMBB)、大连接物联网(mMTC)和低时延高可靠通信(uRLLC)三类。同时，ITU在带宽、时延和覆盖范围等方面确立了5G的8项技术要求(表1)。其中，低时延高可靠通信(uRLLC)聚焦对时延极其敏感的业务，例如自动驾驶、工业控制、远程医疗(例如手术)以及云游戏(VR/AR等实时对战要求)等。在5G移动领域，移动边缘计算是ICT融合的大势所趋，是5G网络重构的重要一环。

物联网趋于泛化，为边缘计算提供更多应用场景的可能性。未来物联网应用可涵盖汽车、家居、工业等各个领域。在汽车领域，物联网与汽车网络相结合，形成解放人类双手的自动化驾驶;在家居领域，物联网使各类家居智能化，为人们生活提供便利;在工业领域，物联网广泛应用于工业控制系统中，为生产流程提高效率。随着技术的进步和人们消费水平的提高，物联网的“泛化”有望呈现进一步扩张的态势，从而产生更多的应用领域，这也为边缘计算提供了更多的场景。

金准产业研究团队预计年复合增长超30%，万亿规模市场可期。随着底层技术的进步以及应用的不断丰富，近年来全球物联网产业实现爆发式的增长。参考IDC数据，全球物联网终端设备安装数量有望在2019年达到256亿台，年复合增速高达21%。国内物联网市场的增速更高，据CEDA预测，2020年我国物联网市场规模有望达到18300亿元，年复合增速高达25%。得益于底层物联网设备的激增，参考拓墣产业研究院的预测，2018年至2022年全球边缘计算相关市场规模的年复合增长率(CAGR)将超过30%。另据IDC预测，到2020年将有超过500亿的终端与设备联网，而有50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘分析、处理与储存。边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场。

二、计算能力，正在步入“边云协同”时代

2.1为什么需要边缘计算

在有了云计算的同时，为什么还需要边缘计算?

金准产业研究团队认为主要存在以下几点原因:

1)网络带宽与计算吞吐量均成为云计算的性能瓶颈: 云中心具有强大的处理性能，能够处理海量的数据。但是，如何将海量的数据快速传送到云中心则成为了业内的一个难题。网络带宽和计算吞吐量均是云计算架构的性能瓶颈，用户体验往往与响应时间成反比。5G时代对数据的实时性提出了更高的要求，部分计算能力必须本地化。

2)物联网时代数据量激增，对数据安全提出更高的要求: 不远的将来，绝大部分的电子设备都可以实现网络接入，这些电子设备会产生海量的数据。传统的云计算架构无法及时有效的处理这些海量数据，若将计算臵于边缘结点则会极大缩短响应时间、减轻网络负载。此外，部分数据并不适合上云，留在终端则可以确保私密性与安全性。

3)终端设备产生海量“小数据”，需要实时处理:尽管终端设备大部分时间都在扮演着数据消费者的角色，但如今以智能手机和安防摄像头为例，终端设备也有了生产数据的能力，其角色发生了重大改变。终端设备产生海量“小数据”需要实时处理，云计算并不适用。

从数据流向的对比上，1)在云计算架构下，下图左侧的服务提供者提供数据并上传到云中心，需求侧的终端客户发送数据或计算类请求到云中心，云中心响应相关请求并将需求结果发送给终端客户。2)在边缘计算模式下，如智能手机、前端智能摄像头、智能汽车等边缘节点产生数据，上传到云中心，同时将实时性和安全性要求较高的计算在本地进行处理。

2.2边缘计算是不是对云计算的替代?

边缘计算是云计算的协同和补充，而并非替代关系。边缘计算与云计算各有所长，云计算擅长全局性、非实时、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势。而边缘计算更适用局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。因此，边缘计算与云计算之间并非替代关系，而是互补协同的关系。边缘计算与云计算需要通过紧密协同才能更好的满足各种需求场景的匹配，从而放大边缘计算和云计算的应用价值。边缘计算既靠近执行单元，更是云端所需高价值数据的采集和初步处理单元，可以更好地支撑云端应用。反之，云计算通过大数据分析优化输出的业务规则或模型可以下发到边缘侧，边缘计算基于新的业务规则或模型运行。

百度边缘计算产品BIE成为“边云协同”的典范，并进一步开源化。智能边缘BIE是百度云发布的国内首个边缘计算产品，发布伊始即推行“端云一体”解决方案，它由智能边缘本地运行包、智能边缘云端管理套件组成。在云端进行智能边缘核心设备的建立、身份制定、策略规则制定、函数编写、AI建模，然后生成配臵文件和执行文件，通过端云协同的方式下发至本地运行包，在近设备端的本地运行包里完成数据采集、消息分发、函数计算和AI推断等功能，通过一键发布和无感部署的方式，极大提高智能迭代的速度，使之整体达到“训练、管理、配臵在云端，采集、转发、计算、推断在本地”的效果。2018年12月6日，百度宣布将BIE的核心功能全面开放，同时推出国内首个开源边缘计算平台——OpenEdge，打造一个轻量、安全、可靠、可扩展性强的边缘计算社区。

2.3边云协同之下，边缘侧需求带来服务器市场巨大增量

5G时代的多元化应用催生了边缘计算的快速发展，传统的数据中心将向边缘侧延伸，边缘计算将加速ICT融合落地。目前，电信的核心业务在实时性、稳定性、管理便利性等方面都对服务器提出了更高的要求，传统的标准服务器在通信的核心业务应用场景还将会面临标准化、环境适应性、易维护性等巨大挑战。

2017年6月，中国移动与中国电信、中国联通、Intel、浪潮等公司共同发布《OITT定制服务器参考设计和行动计划书》，形成运营商行业面向电信应用的深度定制、开放标准、统一规范的服务器技术方案及原型产品。

OTII，Open Telecom IT Infrastructure，开放电信IT基础设施，是ODCC组织下发展的一个针对通讯类企业的服务器规格。相对于普通服务器，OTII服务器虽然宽度同为19英寸，但深度却仅为450mm，还不到普通机柜深度的一半，这与很多通讯行业所用到的交换机等设备规格相同。因此，这一规格的服务器将很容易部署在基站附近的设备机架上，可以实现更好的兼容性。另一方面，OTII标准还规定服务器设备必须能够在45摄氏度的环境中持续工作，并具备更好的耐腐蚀、抗潮湿特性，以提升服务器在恶劣环境中的完好率，从而降低通讯服务商对基础设施的维护成本。与通用服务器相比，边缘计算服务器面向5G和边缘计算等场景进行针对性定制，能耗更低、温度适应性更宽、运维管理更加方便。

作为5G商用的元年，国内的三大运营商无疑都在加紧部署5G基础设施，这其中就包括大量的基站设备。但由于5G本身信号频率更高，想要覆盖相同的面积，5G基站的密度必须大于传统的4G基站，而这也就意味着更大量的基础设施投入。显然，这一潜在的巨大市场需求也正是浪潮、曙光、华为等一系列设备制造商不遗余力推动OTII标准迅速落地的原因。考虑到除了数据中心之外仍旧存在庞大的边缘计算需求，单纯的整机柜定制服务器显然是无法满足通讯企业全部需求的。因此，OTII标准的诞生也就变得顺理成章。而在有了整机柜服务器的成功定制经验之后，OTII从标准确立到实际产品的出现也仅用了一年半时间;

另一方面，相对于4G，5G定义了eMMB(更高数据速率)、URLLC(更低延迟和更可靠的链接)和mMTC(超大规模设备链接)等三大应用场景。而这些场景化概念的引入无一不对基站的计算性能提出了更高的要求，因此，5G基站背后的服务器产品升级也是势在必行的。

边缘计算服务器有望在2020年实现规模化应用，预计将大幅提升运营商服务器需求量。在2018世界移动大会上海期间，中国移动研究院网络与IT技术研究所技术经理、OTII项目经理唐华斌介绍了OTII首款边缘服务器参考设计方案。与通用服务器相比，这款面向边缘业务和数据中心进行针对性的定制，尺寸更小、能耗更低、温度适应性更宽、运维管理更加方便。根据计划，OTII服务器2018年将重点结合实际业务进行方案验证，并于2019年确定硬件设计方案，以支撑2020年5G业务的规模化应用，预计将大幅提升运营商服务器需求量。

浪潮已经发布首款为5G应用场景设计的OTII边缘计算服务器。2019年2月25日，世界移动通信大会MWC2019在西班牙巴塞罗那举行，浪潮发布首款基于OTII标准的边缘计算服务器NE5260M5，该产品专为5G设计，可承担物联网、MEC和NFV等5G应用场景，适合于边缘机房的物理环境。这款服务器符合服务器和电信两个领域的各类标准，针对边缘机房极端的部署环境和所承载的业务应用，在不同层面进行了大量针对性设计。这款产品机箱尺寸采用了电信设备标准，而非服务器标准，高度为2U，宽19英寸，深度为430mm，仅有传统标准服务器深度的1/2稍多，可以直接与电信设备混合部署在通信中心机架上。同时，NE5260M5针对边缘机房进行了大量的适应性设计，例如壁挂设计wall Mount，可使NE5260M5直接悬挂在墙壁上而不需要机架，适合于环境简陋的边缘数据中心，在耐高温、防尘、耐腐蚀、电磁兼容、抗震等方面，这款产品的技术要求也可以满足极端环境的部署需求。

浪潮作为国内领先的云计算、大数据服务商，同时也是中国移动重要合作伙伴，依托行业经验和产品积累，在边缘计算领域具有先天优势，已经在边缘计算领域进行了全方位的布局:

1、边缘计算硬件体系:面向边缘计算多元化场景需求，浪潮可提供多种类型的计算平台，包含适应大型边缘场景的一体化整机柜产品，适应电信边缘机房的OTII服务器以及适应移动场景的便携一体机。

2、边缘计算云平台:依托浪潮自身的云平台能力和多年通信行业应用开发经验，支撑运营商构建边缘计算云平台，将边缘的网络能力、计算能力、数据能力开放，支撑行业应用开发。

3、边缘计算网关产品:浪潮拥有基于4G架构下MEC本地分流网关产品和基于5G架构MEC下沉GW-UP的方案。

4、边缘计算行业应用:边缘计算应用场景越来越广泛，正在逐渐满足各行业的多样化需求。浪潮在智慧城市、工业互联网等多个领域有所积淀，未来会在这些领域进行边缘计算探索和推进。

三、边缘计算的典型应用场景

欧洲电信标准化协会(ETSI)定义了7类典型的边缘计算应用场景，涵盖了当前最主流的边缘计算产品内涵和垂直行业应用场景。包括监控视频流、增强现实AR、自动驾驶、工业互联等等。

金准产业研究团队认为，自动驾驶、安防前端智能化、工业控制、远程操控(如医疗手术等)等场景在实际应用中需要不超过10ms的网络时延，此类场景5G业务的终结点不可能依赖在核心网后端的云平台，因此边缘计算的发展最迫切，也最必要;同时，边缘云也促进部分即使社交应用爆发，例如即时对战VR/AR游戏等。

3.1自动驾驶

自动驾驶就是“四个轮子上的数据中心”，车载边缘计算平台成为刚需。随着汽车自动驾驶程度的提高，汽车自身所产生的数据将越来越庞大。根据英特尔CEO测算，假设一辆自动驾驶汽车配臵了GPS、摄像头、雷达和激光雷达等传感器，则上述一辆自动驾驶汽车每天将产生约4000GB待处理的传感器数据。不夸张的讲，自动驾驶就是“四个轮子上的数据中心”，而如何使自动驾驶汽车能够实时处理如此海量的数据，并在提炼出的信息的基础上，得出合乎逻辑且形成安全驾驶行为的决策，需要强大的计算能力做支持。考虑到自动驾驶对延迟要求很高，传统的云计算面临着延迟明显、连接不稳定等问题，这意味着一个强大的车载边缘计算平台(芯片)成为了刚需。事实上，如果我们打开现阶段展示的自动驾驶测试汽车的后备箱，会明显发现其与传统汽车的不同之处，都会装载一个“计算平台”，用于处理传感器输入的信号数据并输出决策及控制信号。

高等级自动驾驶的本质是AI计算问题，车载边缘计算平台的计算力需求至少在20T以上。从最终实现功能来看，边缘计算平台在自动驾驶中主要负责解决两个主要的问题。1)处理输入的信号(雷达、激光雷达、摄像头等);2)做出决策判断、给出控制信号:该加速还是刹车?该左转还是右转?英伟达CEO黄仁勋的观点是“自动驾驶本质是AI计算问题，需求的计算力取决于希望实现的功能。”，其认为自动驾驶汽车需要对周边的环境进行判断之后还作出决策，到底要采取什么样的行动，其本质上是一个AI计算的问题，车端必须配备一台AI超级处理器，然后基于AI算法能够进行认知、推理以及驾驶。根据国内领先的自动驾驶芯片设计初创公司地平线的观点，要实现L3级的自动驾驶起码需要20个teraflops(每秒万亿次浮点运算)以上的的计算力级别，而在L4级、L5级，计算力的要求则将继续以数量级形式上升。

3.2安防前端智能化

前端智能化的必要性——实现实时性解析和解决传输带宽瓶颈。安防产业智能化升级是行业发展的大趋势，后端智能化以及前端智能化是厂商针对智能化升级的两种并存的解决方案。其中，前端智能化的核心功能是为后端提供高质量、初步结构化的图像数据，其主要作用有两点:1、提升部分智能分析应用的实时性;2、节省带宽和后端计算资源。典型的前端智能摄像头内臵深度学习算法，一方面可以在前端完成人脸定位和质量判断，有效解决漏抓误报问题，同时拥有较好的图像效果，即使周围环境光线不佳，人员戴帽子或一定角度下低头、侧脸，仍然可以做到准确识别，并自动截取视频中的人脸输出给后端;另一方面可以输出编码后的网络视频，还支持输出非压缩、无损无延时的视频流图像。这样可以为大型用户节省服务器成本和带宽，因为在同等服务器数量和计算能力的情况下能够接入更多路摄像头。后端智能化产品的核心功能则是利用计算能力对视频数据进行结构化分析。

智能前臵的趋势下，前端的价值将大幅提升。我们在行业深度报告《人工智能+安防:天眼时代智识万物》中详细比较了前端升级和后端升级两种方案的优劣以及发展趋势，最终的结论是:出于满足实时性处理的需求，以及缓解后台存储的压力，厂商们会越来越将计算力前臵，即智能前臵。以人脸识别为例，传统的人脸识别产品都是采用前端摄像机抓拍图片，后端服务器计算比对的模式，而前端智能的模式下，智能化的摄像机可以不依托服务器而实时进行图像处理、人脸识别，极大提高了识别效率以及后端存储的效率。前端智能化的趋势实际上即意味着产业链上下游将发生价值转移。整个安防智能化系统对于后端系统的依赖程度将进一步降低，后端价值将部分转移到前端，前端的价值将大幅提升。

国内安防智能前端的市场规模有望突破1500亿。从产业调研结果来看，2018年以来，主流深度学习摄像头芯片开始成熟量产，有效解决目前限制前端智能摄像头放量的计算芯片瓶颈。按照2021年智能摄像头渗透率达到45%测算，我们预测国内智能安防前端硬件产品空间在2021年预计将超过1500亿元。

3.3低时延工业级应用

工业高精度控制对时延和可靠性的敏感度极高，无论是中国、韩国和日本的运营商，都非常关注5G新业务中工业级客户(2B)的价值。这些行业市场包括运输、物流、能源/公共设施监测、金融、医疗和农业。实现工业国产自动化、无线化和智能化，典型场景包括视频监控、机器人控制、自动巡查安防等。

机器人控制:参考华为5G白皮书，同步实时协作机器人要求小于1毫秒的网络延迟。到2025年，预计全球状态监测连接将上升到8,800万，全球工业机器人的出货量也将从36万台增加到105万台。

馈线自动化:当通信网络的延迟小于10ms时，馈线自动化系统可以在100ms内隔离故障区域，这将大幅度降低发电厂的能源浪费。参考华为5G白皮书，从2022年到2026年，预计5GIIoT的平均年复合增长率(CAGR)将达到464%。ABI Research的预测数据，全球配电自动化市场将从2015年的130亿美元增加到2025年的360亿美元。

视频监控和无人机巡检:配备无人机进行基础设施、电力线和环境的密集巡检是一项新兴业务，LiDAR扫描所产生巨大的实时数据量将需要>200Mbps的传输带宽。ABI Research的估计，小型无人机市场将从2016年的53亿美元迅速增长到2026年的339亿美元，包括来自软件、硬件、服务和应用服务的收入。

3.4 VR/AR即时对战类游戏

现阶段VR游戏体验不佳:其中游戏类VR应用基本以本地重度游戏为主，设备典型盘根错节，用户容易绊倒。假如联网游戏时延高达50ms，导致用户眩晕问题，体验仍然不佳。因此，现阶段VR较多应用在营销场景，如远程看房、看二手车等营销场景较多，并且依赖于Wifi及4G网络为主。

未来5G设备实现直接边缘云端访问，VR/AR时延问题解决:实时CG类云渲染VR/AR需要低于5ms的网络时延和高达100Mbps至9.4Gbps的大带宽。同时，5G可以支持多用户近距离连线。

云VR/AR将大大降低设备成本，从而提供人人都能负担得起的价格。5G将显著改善这些云服务的访问速度云市场以18%的速度快速增长。家庭和办公室对桌面主机和笔记本电脑的需求将越来越小，直接连接到云端的各种人机界面，并引入语音和触摸等多种交互方式。

3.5视频云:远程医疗、4K/8K高清视频

远程诊断:远程诊断依赖5G网络的低延迟和高QoS保障特性，例如无线内窥镜和超声波这样的远程诊断依赖于设备终端和患者之间的交互。力反馈的敏感性决定低延迟网络才能满足要求。其它应用场景包括医疗机器人和医疗认知计算，这些应用对连接提出了不间断保障的要求(如生物遥测，基于VR的医疗培训，救护车无人机，生物信息的实时数据传输等)。ABI Research预测，智慧医疗市场的投资预计将在2025年将超过2,300亿美元，智慧医疗市场将在2025年超过2,300亿美元

高清视频:5G的高速率特性将是用户不仅能观看当下各类视频内容，还将随时随地体验4K以上的超高清视频。参考intel的《5G娱乐经济报告》,金准产业研究团队预计未来10年内5G用户的月平均流量将有望增长7倍，而其中90%将被视频消耗，预计到2028年，仅凭消费者在视频、音乐和游戏上的支出就会增加近一倍，全球总体量将达到近1500亿美元。

结语

大数据是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。边缘计算和大数据相结合有助于解决云计算所无法解决的问题和挑战。

随着时间的推移，大数据正在滚雪球，全球的云存储和其他类似的服务，正承受着大量复杂数据处理请求的压力。数据服务中心存在于远离其连接的数据密集型应用程序的地方，需要费力地完成它们的请求。边缘计算的出现一定程度上缓解了大数据带来的负荷，边缘计算发挥着举足轻重的作用，受到了那些注重大数据应用的零售、安防监控、交通运输、医疗制造等各行业客户的青睐。