边缘计算元年一文看懂云边协同！九大场景带来新一轮信息革命

2019 年边缘计算备受产业关注，一度引起了资本市场的投资热潮，很多人把 2019 年称作边缘计算的元年。理性来看，造成如此火爆局势难免有一些炒作因素在推波助澜，毕竟边缘计算的概念存世也已多年。当然，毋庸置疑的是，工业互联网的大力推动、 5G 大规模商用的持续酝酿等因素，让整个产业对 IT 和 OT 的深度融合充满信心和期待。这种情况下，也许边缘计算不火也难。

本期的智能内参，我们推荐来自 云计算开源产业联盟 的报告， 以理性而乐观的态度，分析云边协同在典型场景下的应用需求和业务模式，为引导产业发展和制定相关标准做铺垫、打基础。

一、 云边协同的新浪潮

1、边缘计算是云计算向边缘侧分布式拓展的新触角

欧洲电信标准化协会认为边缘计算是在移动网络边缘提供 IT 服务环境和计算能力，强调靠近移动用户，以减少网络操作和服务交付的时延，提高用户体验。

Gartner 认为边缘计算描述了一种计算拓扑，在这种拓扑结构中，信息处理、内容采集和分发均被置于距离信息更近的源头处完成。

维基百科认为边缘计算是一种优化云计算系统的方法，在网络边缘执行数据处理，靠近数据的来源。

边缘计算产业联盟认为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。

开放雾计算联盟认为雾计算是一种水平的系统级架构，可以将云到物连续性中的计算、存储、控制、网络功能更接近用户。

上述边缘计算的各种定义虽然表述上各有差异，但基本都在表达一个共识：在更靠近终端的网络边缘上提供服务。

“中心-边缘-端”的形态从电信开始之初就已经形成。电信时代，程控交换中心、程控交换机、电话形成了最初的“中心-边缘-端”形态；互联网时代，数据中心、 CDN、移动电话/PC 延续了这种形态；

到达云计算+物联网时代，云计算中心、小数据中心/网关、传感器则形成了新的“云-边-端”形态。

▲“云-边-端”发展示意图

如果仅从边缘侧本身寻求边缘计算的定义，似乎很难让人完全接受这个似乎有点包罗万象的新事物。 一个比较简单的质疑就是，智能终端、家庭网关或者其他早就存在我们身边的计算设备，难道隐藏了多年的边缘计算身份么。

为了褒扬边缘计算，有些声音把云计算的概念描述的稍显狭隘或者刻意地把云计算放到了边缘计算的对立面。但从技术或商业演进的实际情况来看，边缘计算其实更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸，即便是赋予其独立的概念，也无法做到与云计算切割开，二者本就是相依而生、协同运作的。

在本白皮书中，我们认为， 在面向物联网、大流量等场景下，为了满足更广连接、更低时延、更好控制等需求，云计算在向一种更加全局化的分布式节点组合形态进阶，边缘计算是其向边缘侧分布式拓展的新触角。

2、 边缘计算典型产品和业务模式

主宰云计算市场的巨头公司依托云计算技术先发优势，将云计算技术下沉到边缘侧， 以强化边缘侧人工智能为契机，大力发展边缘计算。 工业企业依托丰富的工业场景，开展边缘计算实践强化现场级控制力。电信运营商正迎接 5G 市场机遇， 全面部署边缘节点，为布局下一代基础设施打下牢牢的根基。

ICT 服务商将云计算能力逐步扩展到边缘设备。 在国际上，云计算巨头亚马逊、微软和谷歌都已经推出了相关边缘计算产品。 亚马逊推出 AWS Greengrass 功能软件，将 AWS 扩展到设备上，在本地处理终端生成的数据，同时仍然可以使用运来进行管理、数据分析和持久的存储； 微软发布 Azure IoT Edge 边缘侧产品，将云分析扩展到边缘设备，支持离线使用，同时聚焦边缘的人工智能应用； 谷歌也在 2018 年推出了硬件芯片 Edge TPU 和软件堆栈Cloud IoT Edge，可将数据处理和机器学习功能扩展到边缘设备，使设备能够对来自其传感器的数据进行实时操作，并在本地进行结果预测。

在国内，阿里、腾讯、百度、华为、中兴通讯、数梦工场、新华三等也推出了相应的边缘计算产品。

阿里推出 Link IoT Edge 平台。通过部署在不同量级的智能设备和端侧计算节点中。通过定义物模型连接不同协议、不同数据格式的设备，提供安全可靠、低延时、低成本、易扩展的本地计算服务； 腾讯针对边缘计算推出了 CDN Edge，将数据中心的服务下沉至 CDN 边缘节点，以最低的延迟相应终端用户，同时降低用户数据中心的计算压力和网络负载。

百度推出智能边缘 BIE，将云计算能力拓展至用户现场，提供临时离线、低延时的计算服务，同时配合智能边缘云端管理套件，形成“云管理，端计算”的端云一体解决方案。

华为在 2018 年推出了 IEF 平台， 通过纳管用户的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案。

中兴通讯推出了边缘计算产品，提供从硬件到软件全套的基础设施， 支持多种边缘计算系统级方案，在边缘计算平台上提供多种高算力的应用的资源； 数梦工场推出统一的 DT 资源管控产品，提供“两领域+三形态”的融合管控能力， 覆盖中心节点领域、 边缘节点领域以及云平台、数据中台、业务中台三种形态的统一管控。

新华三推出了超融合边缘计算产品 UIS-Edge，支持多种硬件形态与部署方式，将云原生能力延伸至边缘，提供完善的设备接入、边缘计算及云边协同能力，为企业提供一站式云边端融合解决方案。

工业企业依托丰富的工业场景发挥现场级应用能力 。海尔专门为物联网企业打造的一站式设备管理平台 COSMOEdge 平台， 提供多源的边缘设备接入能力与强大的边缘计算能力，支持多种工业协议解析，提供可视化流式管道，提供数字化建模与实体映射，提供设备即服务的应用模式，帮助用户快速构建物联网应用，实现数字化生产，助力于企业效益提升； 树根互联提供的开放物联平台，提供物联网关 Gateway、根云 T-Box 车载物联盒、根云连接器、根云物联代理开放平台等一系列覆盖主流工业控制器和工业协议解析，实现全行业各类设备一站式快速接入，提供便捷、便宜、开放的设备接入解决方案。

电信运营商依托 5G 全面部署 MEC 。 移动边缘计算（MEC） 是利用无线接入网络就近提供电信用户 IT所需服务和云端计算功能，实现计算及存储资源的弹性利用。 多接入边缘计算（MAEC） 则是将边缘计算从电信蜂窝网络进一步延伸至其他无线接入网络。

3、 云计算与边缘计算如何协同

以物联网场景举例。物联网中的设备产生大量的数据，数据都上传到云端进行处理， 会对云端造成巨大的压力， 为分担中心云节点的压力，边缘计算节点可以负责自己范围内的数据计算和存储工作。 同时， 大多数的数据并不是一次性数据， 那些经过处理的数据仍需要从边缘节点汇聚集中到中心云， 云计算做大数据分析挖掘、数据共享，同时进行算法模型的训练和升级，升级后的算法推送到前端，使前端设备更新和升级，完成自主学习闭环。同时，这些数据也有备份的需要，当边缘计算过程中出现意外情况，存储在云端的数据也不会丢失。

云计算与边缘计算需要通过紧密协同才能更好地满足各种需求场景的匹配，从而最大化体现云计算与边缘计算的应用价值。同时，从边缘计算的特点出发， 实时或更快速的数据处理和分析、节省网络流量、可离线运行并支持断点续传、本地数据更高安全保护等在应用云边协同的各个场景中都有着充分的体现。

二、 云边协同九大应用场景

本白皮书将对云边协同在 CDN、工业互联网、能源、智能家庭、智慧交通、安防监控、农业生产等场景中的应用进行介绍，同时对云边协同在医疗保健、云游戏等场景中的前景进行分析。

1、 云边协同在 CDN 场景中的应用

随着目前 5G 的部署，配合 AI 技术、大数据、云计算、 IoT 等，万物互联的信息时代将让互联网进入一个新的阶段，现阶段的 CDN架构已经无法满足 5G 时代的应用需求， CDN 将迎来以边缘云+AI的新发展，以快速响应需求并实现服务能力、服务状态和服务质量的更加透明。 通过将 CDN 部署到移动网络内部，比如借助边缘云平台将 vCDN（virtual Content Delivery Network，虚拟内容分发网络）下沉到运营商的边缘数据中心中，将大大缓解传统网络的压力，并且提升移动用户视频业务的体验。 基于云边协同构建 CDN，不仅在中心 IDC 的基础上扩大 CDN 资源池，同时还可以有效的利用边缘云进一步提升 CDN 节点满足资源弹性伸缩的能力。

CDN 云边协同适用于本地化+热点内容频繁请求的场景，适用于商超、住宅、办公楼宇、校园等。对于近期热点视频和内容，可能出现本地化频繁请求，通过一次远端内容回源本地建立 vCDN 节点之后，本地区内多次请求热点内容均可从本地节点分发，提高命中率，降低响应时延，可提升 QoS 指标。同理，还可将此类过程应用于 4K、8K、 AR/VR、 3D 全息等场景，本地化快速建立场景和环境，同时提高用户体验，降低眩晕感和延迟卡顿。

2、云边协同在工业互联网场景中的应用

近年来，随着政府部门陆续出台相关政策支持以及生态建设的不断完善，中国工业互联网产业正在迅猛发展。据 IDC 预测，到 2020年全球将有超过 50%的物联网数据将在边缘处理，而工业互联网作为物联网在工业制造领域的延伸，也继承了物联网数据海量异构的特点。在工业互联网场景中， 边缘设备只能处理局部数据，无法形成全局认知， 在实际应用中仍然需要借助云计算平台来实现信息的融合，因此， 云边协同正逐渐成为支撑工业互联网发展的重要支柱。

工业互联网的边缘计算与云计算协同工作,在边缘计算环境中安装和连接的智能设备能够处理关键任务数据并实时响应，而不是通过网络将所有数据发送到云端并等待云端响应。设备本身就像一个迷你数据中心，由于基本分析正在设备上进行，因此延迟几乎为零。利用这种新增功能，数据处理变得分散，网络流量大大减少。云端可以在以后收集这些数据进行第二轮评估，处理和深入分析。

同时，在工业制造领域， 单点故障在工业级应用场景中是绝对不能被接受的，因此除了云端的统一控制外，工业现场的边缘计算节点必须具备一定的计算能力，能够自主判断并解决问题，及时检测异常情况，更好的实现预测性监控，提升工厂运行效率的同时也能预防设备故障问题。 将处理后的数据上传到云端进行存储、管理、态势感知，同时，云端也负责对数据传输监控和边缘设备使用进行管理。

▲工业互联网利用边缘云实现云边协同示意图

3、 云边协同在能源场景中的应用

能源互联网是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产业发展新形态，具有设备智能、多能协同、信息堆成、供需分散、系统扁平、交易开放等主要特征。

在传统能源产业向能源互联网升级的过程中，利用云计算和边缘计算两方的优势，可以加速升级过程。

以石油行业为例，在油气开采、运输、储存等各个关键环节，均会产生大量的生产数据。在传统模式下，需要大量的人力通过人工抄表的方式定期对数据进行收集，并且对设备进行监控检查，以预防安全事故的发生。抄表员定期将收集的数据进行上报，再由数据员对数据进行人工的录入和分析，一来人工成本非常高，二来数据分析效率低、时延大，并且不能实时掌握各关键设备的状态，无法提前预见安全事件防范事故。而边缘计算节点的加入，则可以通过温度、湿度、压力传感器芯片以及具备联网功能的摄像头等设备，实现对油气开采关键环节关键设备的实时自动化数据收集和安全监控，将实时采集的原始数据首先汇集至边缘计算节点中进行初步计算分析，对特定设备的健康状况进行监测并进行相关的控制。此时需要与云端交互的数据仅为经过加工分析后的高价值数据，一方面极大的节省了网络带宽资源，另一方面也为云端后续进一步大数据分析、数据挖掘提供了数据预加工服务，为云端规避了多种采集设备带来的多源异构数据问题。

云边协同中，要求终端设备或者传感器具备一定的计算能力，能够对采集到的数据进行实时处理，进行本地优化控制，故障自动处理，负荷识别和建模等操作， 把加工汇集后的高价值数据与云端进行交互，云端进行全网的安全和风险分析，进行大数据和人工智能的模式识别、节能和策略改进等操作。同时，如果遇到网络覆盖不到的地区，可以先在边缘侧进行数据处理，在有网络的情况下将数据上传到云端，云端进行数据存储和分析。

4、 云边协同在智能家庭场景中的应用

随着信息化技术的逐步发展、网络技术的日益完善、可应用网络载体的日益丰富和大带宽室内网络入户战略的逐步推广，智能化信息服务进家入户成为可能。 智慧家庭综合利用互联网技术、计算机技术、遥感控制技术等，将家庭局域网络、家庭设备控制、家庭成员信息交流等家庭生活有效结合，创造出舒适、便捷、安全、高效的现代化家居生活。

在家庭智能化信息服务进家入户的今天，各种异构的家用设备如何简单地接入智能家庭网络，用户如何便捷地使用智能家庭中的各项功能成为关注焦点。

在智能家庭场景中，边缘计算节点（家庭网关、智能终端）具备各种异构接口，包括网线、电力线、同轴电缆、无线等等，同时还可以对大量异构数据进行处理，再将处理后的数据统一上传到云平台。用户不仅仅可以通过网络连接边缘计算节点，对家庭终端进行控制，还可以通过访问云端，对长时间的数据进行访问。

同时， 智能家庭云边协同基于虚拟化技术的云服务基础设施，以多样化的家庭终端为载体，通过整合已有业务系统， 利用边缘计算节点将包括家用电器、照明控制、多媒体终端、计算机等家庭终端组成家庭局域网。边缘计算节点再通过互联网（未来 5G 时代还会通过 5G移动网络）与广域网相连，继而与云端进行数据交互，从而实现电器控制、安全保护、视频监控、定时控制、环境检测、场景控制、可视对讲等功能。

未来，智能家庭场景中云边协同将会越来越得到产业链各方的重视，电信运营商、家电制造商、智能终端制造商等都会在相应的领域进行探索。在不远的将来，家庭智能化信息服务业不仅仅限于对于家用设备的控制，家庭能源、家庭医疗、家庭安防、家庭教育等产业也将于家庭智能化应用紧密结合，成为智能家庭大家族中的一员。

▲云边协同在智慧家庭信息化中的应用示意图

5、 云边协同在智慧交通场景中的应用

车路协同，是智慧交通的重要发展方向。 车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。 据公安部统计，截至 2018 年底，我国汽车保有量已突破 2.4 亿辆，汽车驾驶人达到 3.69 亿人。可以预见， 车路协同在我国有巨大 的市场空间，这为智慧交通在我国的发展和落地提供了得天独厚的“试验场”。

过去各方对于智慧交通的关注点主要集中在车端， 例如自动驾驶，研发投入也主要在车的智能化上， 这对于车的感知能力和计算能力提出了很高的要求， 导致智能汽车的成本居高不下。 另一方面， 在当前的技术条件下， 自动驾驶车辆在传统道路环境中的表现仍然不尽人意。国内外各大厂商逐渐意识到， 路侧智能对于实现智慧交通是不可或缺的， 因此最近两年纷纷投入路侧的智能化，目标是实现人、 车、 路之间高效的互联互通和信息共享。

在实际应用中， 边缘计算可以与云计算配合， 将大部分的计算负载整合到道路边缘层，并且利用 5G、 LTE-V 等通信手段与车辆进行实时的信息交互。未来的道路边缘节点还将集成局部地图系统、交通信号信息、附近移动目标信息和多种传感器接口，为车辆提供协同决策、事故预警、 辅助驾驶等多种服务。与此同时， 汽车本身也将成为边缘计算节点，与云边协同相配合为车辆提供控制和其他增值服务。

汽车将集成激光雷达、 摄像头等感应装置，并将采集到的数据与道路边缘节点和周边车辆进行交互， 从而扩展感知能力， 实现车与车、 车与路的协同。云计算中心则负责收集来自分布广泛的边缘节点的数据，感知交通系统的运行状况， 并通过大数据和人工智能算法，为边缘节点、 交通信号系统和车辆下发合理的调度指令， 从而提高交通系统的运行效率， 最大限度的减少道路拥堵。

6、 云边协同在安防监控场景中的应用

目前安防监控领域， 从部署安装角度，一般传统的监控部署采用有线方式，有线网络覆盖全部的摄像头，布线成本高，效率低，占用大量有线资源。 采用 WiFi 回传的方式， WiFi 稳定性较差，覆盖范围较小，需要补充大量路由节点以保证覆盖和稳定性。传统方式下需要将监控视频通过承载网和核心网传输至云端或服务器进行存储和处理，不仅加重了网络的负载，业务的端到端时延也难以得到有效的保障。

同时， 大量的摄像采集终端都配备较强的数据采集能力，一方面对摄像头的整体架构提出了较高的要求，如何在尺寸体积固定和耗电量较低的情况下，保证处理能力和便捷安装，同时另一方面又尽可能的保障摄像采集端成本较低，是一个比较重要的问题。

基于上述诉求，可以将监控数据分流到边缘计算节点（边缘计算业务平台），从而有效降低网络传输压力和业务端到端时延。此外，视频监控还可以和人工智能相结合，在边缘计算节点上搭载 AI 人工智能视频分析模块，面向智能安防、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前基于 AI 的视频分析中产生的时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。 云端执行 AI 的训练任务， 边缘计算节点执行 AI 的推论，二者协同可实现本地决策、实时响应，可实现表情识别、行为检测、轨迹跟踪、热点管理、体态属性识别等多种本地 AI 典型应用。

7、 云边协同在农业生产场景中的应用

智慧农业是农业生产的高级阶段，是集新兴的互联网、移动互联网、云计算和物联网技术为一体，依托部署在农业生产现场的各种传感节点和无线通信网络实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导，为农业生产提供精准化种植、可视化管理、智能化决策。

以智慧大棚为例：针对条件较好的大棚，安装有电动卷帘，排风机，电动灌溉系统等机电设备， 通过云端可实现远程控制功能。农户可通过手机或电脑登录云端系统，控制温室内的水阀、排风机、卷帘机的开关；也可在云端设定好控制逻辑， 云端将控制逻辑下放到边缘控制设备，边缘控制设备通过传感设备实时采集大棚环境的空气温度、空气湿度、二氧化碳、光照、土壤水分、土壤温度、棚外温度与风速等数据，自动根据内外情况自动开启或关闭卷帘机、水阀、风机等大棚机电设备。

8、云边协同在云游戏场景中的应用分析

随着互联网的发展，以及 5G 网络已经成为现实的今天，“云游戏”这个名词也开始被越来越多的厂商利用，同时也被越来越多的玩家所期待。 所谓“云游戏”，就是所有游戏都在云端服务器中运行，云端将渲染完毕后的游戏画面压缩后通过网络传送给用户发送到终端。在终端，用户的游戏设备不需要任何高端处理器和显卡，只需要具备基本的视频解压和指令转发功能即可。

在 2018 年，已经有 AT&T、 Verizon 等电信巨头以及微软、亚马逊等 IT 巨头先后公布了云游戏相关的测试或者布局。 在 2019 年的 MWC 上，国内手机厂商 OPPO 和一加也分别展示了相关的云游戏服务。 根据第三方机构的预测，全球云游戏市场将从 2018 年的0.66 亿美元增加到 2023 年的 4.5 亿美元，复合年均增长率为 47％。

以 AR 为例，应用程序需要通过相机的视图、定位技术或将两者结合起来，判断用户处于哪个位置以及面向哪个方向。对位置和方向信息加以分析之后，应用程序可以实时向用户提供其他信息。而当用户移动后，需要刷新该信息。边缘计算将计算任务卸到边缘服务器或移动端上，降低平均处理的延时。前景的交互放在云上，背景则交给移动端，最终实现完整的 AR 体验。

有一种声音说边缘计算是云计算的对立面，其实是错误的，边缘计算更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸，即便是赋予其独立的概念，也无法做到与云计算切割开，二者本就是相依而生、协同运作的。云边协同将成为主流模式，这种协同模式下，云计算在向一种更加全局化的分布式节点组合新形态进阶。