（文章來源：未來智庫）

5G 是邊緣計算產(chǎn)業(yè)發(fā)展的重要契機。邊緣計算作為數(shù)據(jù)的第一入口，將在智慧園區(qū)、安 卓云與云游戲、CDN、視頻監(jiān)控、工業(yè)互聯(lián)網(wǎng)與 Cloud VR 等場景發(fā)揮重要作用。邊緣計算的崛起，是 5G 應(yīng)用的結(jié)果。我們這篇報告討論的重點是邊緣計算對服務(wù)器需求 的變化。但是在這之前，我們需要討論，邊緣計算與上一代計算場景（云計算）的不同點 在哪里？這樣就更有利于我們對服務(wù)器需求的變化有一定的認知。

邊緣計算，是指一種在網(wǎng)絡(luò)邊緣進行計算的新型計算模式。邊緣計算機靠近終端或者數(shù)據(jù) 源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用等，就近提供邊緣終端智能服務(wù)，滿足 對敏捷連接、實施業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能和安全隱私保護等需求。我們可以將邊緣計 算簡單理解為“終端計算”，區(qū)別于云計算時代的“數(shù)據(jù)中心計算”（云端計算）。

邊緣計算的業(yè)務(wù)本質(zhì)，是云計算在數(shù)據(jù)中心之外匯聚節(jié)點的延伸和演進，主要包括云邊緣、 邊緣云和云化網(wǎng)關(guān)三類落地形態(tài)。根據(jù) IDC 預(yù)測，未來超過 70% 的數(shù)據(jù)需要在邊緣側(cè)分 析、處理和存儲。邊緣計算領(lǐng)域的多樣性計算架構(gòu)、產(chǎn)品與解決方案越發(fā)重要。

從邊緣計算對軟件和硬件的要求來看，軟件平臺需要考慮導(dǎo)入云理念、云架構(gòu)、云技術(shù)， 提供端到端實時、協(xié)同式智能、可信賴、可動態(tài)重置等能力。硬件平臺需要考慮異構(gòu)計算 能力，如鯤鵬、ARM、X86、GPU、NPU、FPGA 等。即邊緣計算軟件平臺采用 Cloud Native 云原生架構(gòu)與關(guān)鍵技術(shù)，硬件平臺支持異構(gòu)計算能力，以邊云協(xié)同和邊緣智能為關(guān)鍵特征。

云邊緣：云邊緣作為公有云的延伸，將云的部分服務(wù)或者能力擴展到邊緣基礎(chǔ)設(shè)施之 上。中心云和云邊緣相互配合，實現(xiàn)全網(wǎng)資源共享、全網(wǎng)統(tǒng)一管控等能力。邊緣云：基于云計算技術(shù)與架構(gòu)構(gòu)建的邊緣分布式開放平臺，可提供集中管理和調(diào)度 的能力，邊緣云內(nèi)及邊緣云之間可以進行資源共享。邊緣網(wǎng)關(guān)：邊緣網(wǎng)關(guān)是企業(yè)/行業(yè)數(shù)據(jù)的接入節(jié)點，是網(wǎng)關(guān)設(shè)備基于云計算技術(shù)的演進， 可實現(xiàn)網(wǎng)關(guān)內(nèi)資源共享。

云計算的特點：計算的中心化（集中化）：在云計算場景下，我們看到的服務(wù)器發(fā)揮作用的形態(tài)是集群 化。云計算中，IT 系統(tǒng)不再是多個系統(tǒng)相互獨立的煙囪模式，而是通過虛擬化技術(shù)將服務(wù) 器、存儲池化，多個系統(tǒng)共享計算資源。在這一 IT 架構(gòu)邏輯下，云計算中單個服務(wù)器的 性能、吞吐量、可靠性等重要性能指標的重要性相對降低，其追求更多的是服務(wù)器集群或 者整個數(shù)據(jù)中心的可用性及性能。

計算的高可靠性。云計算中數(shù)據(jù)中心的集群模式，使得計算的基礎(chǔ)不是單臺服務(wù)器， 而是而整個服務(wù)器集群，這樣使得計算不僅具備高性能，同時具有高可靠性，即使單臺甚 至多臺服務(wù)器同時出現(xiàn)宕機，其計算能夠快速向其它服務(wù)器進行切換。

計算的可擴展性。我們知道，云計算底層計算資源的核心邏輯，就是通過虛擬化技術(shù)， 將計算和存儲資源進行池化，將原來物理隔離的單臺計算資源進行虛擬化和集中化。最終 以集群化處理來達到單臺服務(wù)器所難以實現(xiàn)的高性能計算。服務(wù)器集群的計算能力，可以 通過不斷增加虛擬化服務(wù)器的數(shù)量來進行擴展。

邊緣計算的特點：異構(gòu)計算，5G 驅(qū)動的計算革命的升級，將進一步拓寬計算的邊界。云游戲、VR/AR、超高清視頻、 物聯(lián)網(wǎng)、視頻、直播等應(yīng)用的推廣，使得計算的場景和計算數(shù)據(jù)格式更加多樣、更加復(fù)雜。 從原來的結(jié)構(gòu)化數(shù)據(jù)，演化為更多的非結(jié)構(gòu)化數(shù)據(jù)（語音、文本、圖片、視頻等）。這就 需要邊緣計算能夠解決異構(gòu)計算的問題。

對于邊緣智能，我們可以從以下兩個方面來理解：未來的物聯(lián)網(wǎng)終端將更加智能；利用AI技術(shù)為物聯(lián)網(wǎng)終端的計算進行升級。邊緣智能利用AI 技術(shù)為邊緣側(cè)賦能, 是AI 的 一種應(yīng)用與表現(xiàn)形式。AI 通過邊緣節(jié)點能夠獲得更豐富的數(shù)據(jù)，并針對不同應(yīng)用場景實 現(xiàn)個性化和泛在化，極大地擴展人工智能的應(yīng)用場景。邊緣節(jié)點可以借助 AI 技術(shù)更好地 提供高級數(shù)據(jù)分析、場景感知、實時決策、自組織與協(xié)同等智能化服務(wù)。邊緣側(cè)輕量級、 低延時、高效的 AI 計算框架顯得尤為重要。

邊云協(xié)同就是要平衡邊緣和云端之間的計算資源利用。在邊緣計算之前，大部分的核心 計算都是集中在云端，未來計算資源將在邊緣端和云端進行更合理分配，來滿足不同應(yīng)用 場景對計算的需求。

比如，對于應(yīng)用的開發(fā)和部署，開發(fā)部分可以放在云端來完成，能夠充分發(fā)揮云端算力重 組、多語言、多工具的優(yōu)勢，部署部分可以根據(jù)不同場景的需求，放在邊緣節(jié)點。對于云 游戲，渲染部分可以放在云端，呈現(xiàn)部分放在邊緣側(cè)。對于 AI 的應(yīng)用，深度學(xué)習(xí)相關(guān)的 模型訓(xùn)練放在云端執(zhí)行，與之對應(yīng)的推理部分放在邊緣節(jié)點來執(zhí)行。

在傳統(tǒng)軟件架構(gòu)下，主要的模式都是 CS 模式，服務(wù)端大多是單機處理幾千個輕量請求。 而在邊緣計算場景下，需要數(shù)萬臺服務(wù)器處理上億個重負載請求。邊緣計算機本質(zhì)上是用 CES 模式取代 CS 模式，當(dāng)前的互聯(lián)網(wǎng) IT 架構(gòu)已經(jīng)從 CS 模式，逐步向 CDN 服務(wù)為核心 的 CES 模式轉(zhuǎn)變。但當(dāng)前的 CDN 模式比較大的局限性在于缺乏靈活性，不能解決邊緣上 非結(jié)構(gòu)化數(shù)據(jù)存儲和處理的需求，引入 Edge 端（邊緣端）就是為了解決 CS 模式下無法 處理的業(yè)務(wù)。

在 4G 時代，算力的提升已經(jīng)將硬件的升級和軟件的優(yōu)化所帶來潛力進行了充分挖掘，5G 時代，必須引入邊緣端（Edge 端）來平衡云端和終端的算力，來承載更多的 5G 業(yè)務(wù)。

有了 5G 低時延的支撐，邊緣端（Edge 端）可以承擔(dān)原來本機客戶端的計算需求。這樣 對服務(wù)器端和客戶端都帶來一定好處。對于服務(wù)器端而言，邊緣端會將訪問請教在本地進 行預(yù)處理，能夠分散大流量的訪問和計算壓力。對于客戶端而言，邊緣端的計算環(huán)境可控， 算力不依賴于云端服務(wù)器。
（責(zé)任編輯：fqj）