一、什么是邊緣計算?

邊緣計算被定義為“一種新的計算方式，這種模式將計算與存儲資源部署在更貼近移動設備或傳感器的網絡邊緣”，其核心在于“貼近”終端，因此在實時、快速響應是邊緣計算產生的核心痛點所在。帶寬、延遲與抖動等不穩(wěn)定因素都更易于控制和改進。

邊緣計算時代設備連接數(shù)有望達到千億量級。麥肯錫在去年11 月報告中指出，隨著連接設備的激增和功能的擴展，對不受延遲和網絡影響的實時決策的需求也在增加，算力從云端到邊緣的移動會使得邊緣計算產業(yè)價值量持續(xù)快速提升，麥肯錫預計在2025 年，邊緣計算的價值將會提升至1750–2150 億美元。

借用一個形象比喻，邊緣計算類似于人類的神經末梢，對于簡單的信息可以直接處理; 對于復雜的信息則傳輸給云端(即大腦)。邊緣計算可能的形式或者說載體:從當前來看，我們對邊緣計算的載體進行大膽預測——微基站、智能安防攝像頭、車載電腦、智能網關、路由器和微型數(shù)據(jù)中心/代理服務器最有可能成為邊緣計算可能的載體。

二、邊緣計算的本質:在物聯(lián)網、大數(shù)據(jù)時代提升數(shù)據(jù)處理的效率

我們認為邊緣計算的本質在于，讓物聯(lián)網時代大量傳感器捕捉的海量數(shù)據(jù)得以在最合適的位置進行處理分析。純粹的企業(yè)內部部署方案會催生數(shù)據(jù)孤島，而純粹的云方案則面臨高延時、高傳輸成本以及海量數(shù)據(jù)的篩選難度。在這一情景下，邊緣側啟用處理分析+重要數(shù)據(jù)云端運算分析/算法優(yōu)化回傳的混合方案成為最優(yōu)解，大量邊緣計算需求應運而生。

邊緣計算的核心是邊緣計算單元，但其位置到底在哪并沒有絕對答案。

邊緣計算的部署跟它的應用場景有著緊密的關系，總的來說，邊緣計算可以按需部署于無線接入云、邊緣云或者匯聚云。對于低時延場景，邊緣計算需要部署于靠近基站側的無線接入云甚至終端自身處(如安防攝像頭、智能汽車);對于高帶寬要求的大流量熱點地區(qū)，邊緣計算可以部署于邊緣云;對于海量連接的場景，邊緣計算可部署于位置更高一些的匯聚云，以便覆蓋更大區(qū)域的業(yè)務需求。

三、邊緣計算中的芯片機遇

要尋找邊緣計算中的芯片機遇，首先必須了解邊緣計算的核心需求和特性:

1)多種連接和數(shù)據(jù)移動性。邊緣技術可以在受限或需要斷斷續(xù)續(xù)連接至云端以完成計算，存儲，備份和分析等工作。

2)需要實時決策。邊緣使用案例通常需要立即處理數(shù)據(jù)，例如，用于自動駕駛汽車或自動揀選機器。這些設備和平臺需要能夠在本地進行分析，而無需先將數(shù)據(jù)發(fā)送到云，因此可以快速做出決策。

3)本地化計算能力。邊緣計算機需要是輕量級設備，可以在不支持更大計算能力的情況下快速，安全地做出決策。

4)新的存儲和安全需求。隨著在遠程和移動設備上生成數(shù)據(jù)的傳感器數(shù)量的增長，對可以在各種環(huán)境中受到保護的高效存儲需求也在增長。即分別對應處理、存儲、通信連接和傳感四個核心環(huán)節(jié)。

要具體理解邊緣計算對于芯片產業(yè)的機遇，我們選取目前最成熟的邊緣計算方案之一、也是未來有望看到的最大應用領域——智能駕駛為例，即通過特斯拉autopilot 輔助駕駛系統(tǒng)的拆解來分析。

智能駕駛時代，“車載電腦”、“車載服務器”大勢所趨。建立“感應-融合-決策-執(zhí)行”大閉環(huán)。智能駕駛，在監(jiān)測到障礙物時，如果無法及時進行智能化決策，控制方向避開障礙物，而是先傳入云端再下發(fā)指令到車載終端的話，因信號傳輸?shù)仍蛏杂醒舆t就會導致事故的發(fā)生。因此需要本地具備高性能運算能力的輔助駕駛/自動駕駛控制系統(tǒng)來對傳感器接收數(shù)據(jù)進行融合、處理，“車載電腦”、“車載服務器”將是大勢所趨，形成“感應-融合-決策-執(zhí)行”大閉環(huán)?；谏鲜隹蚣?，我們進一步對車用傳感器、微控制器、存儲器進行分析:

拆解下來可以發(fā)現(xiàn)主要芯片包括主控芯片、內存、GPU 以及閃存，此外還有英飛凌的MCU、marvell的以太網收發(fā)器/交換芯片、德州儀器的攝像頭輸入接口與Codec 芯片。其中占比量價值最大的毫無疑問是主控和GPU 兩大高性能運算芯片，而車載存儲的占比——內存、閃存(包括NAND和NOR)我們認為僅次于運算處理芯片。從目前車載存儲主流方案來看，整體呈現(xiàn)存儲使用顆數(shù)、單顆容量、單顆價值量三項齊升的趨勢。麥肯錫今年報告對車載存儲整體產值進行預測，預計到2020 年車載存儲整體產值將達到28.32 億美元，其中DRAM 和NAND占比分別為51%、36%。

傳感器方面，以特斯拉model 3 為例，其使用了一顆雷達與8 顆攝像頭，僅能實現(xiàn)2級自動/輔助駕駛水平，保守估計單車至少需要安裝30 顆以上傳感器才有可能實現(xiàn)L5 自動駕駛。預計2021 年，車用傳感器出貨量將達18 億顆，以單顆1美元計算，對應市場空間保守估計將接近18 億美金。

鑒于目前可得資料，我們主要從智能駕駛這一邊緣計算的典型場景進行了拆解分析。我們繼續(xù)強調泛物聯(lián)網時代來臨，邊緣計算爆發(fā)在即，數(shù)據(jù)呈指數(shù)級別增長!智能駕駛、智能安防對數(shù)據(jù)樣本進行訓練推斷、物聯(lián)網對感應數(shù)據(jù)進行處理等大幅催生內存性能與存儲需求，數(shù)據(jù)為王!

根據(jù)DRAMeXchange與集邦咨詢預計，5G、數(shù)據(jù)中心與邊緣計算將成為服務器DRAM需求增加的主要驅動力，并預計將在2021年后超越目前占主流的移動DRAM應用。