壹点方圆:互联网产品大本营，运营集，商业模式与战略；创业内参。

壹点方圆产品派: 产品全流程，解决方案，产品运营，商业化。

导读：

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。

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。毋庸置疑的是，工业互联网的大M & j 4 {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。

云边协同的新浪潮

1、边缘计算是云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e , 7 l c ` H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P G 3 P 3 Q Y F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! T N G m统4 j _ S Q =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[ 9 [ }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K - i ( ^ :缘q 2 . I N ]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3 - 0 t m/PC延续了这种形态；

到云计w [ r 2 0 -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T . @ 2 f物。一. t 6 D个比较简单的质疑就是，智能t Y W g . [ & t g终端、家庭网关或者其他早就存在我们身边的B / Y ( ` h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。` $ V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~ 8 3 Y S ? l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z 1 U L 0 j & 2量等场景下，为了h 6 W z U + B ~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。

▲分布式云示意图k ; r 4 r 6

2、边缘计算典型产品和业务~ ( F ,模式

主q 9 6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B B [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* y n。

ICT服务商将云计算能力逐步6 V s %扩展到边c n ! ~ [ A缘设备。在国际上，云计算巨头亚马逊、微& Z ] 8 3 p } S J软、谷歌和美国容错都已经推出了相关边缘计q Z $ j h V 2算产品。在国内，F a : k t l J阿里、腾讯、百度、华为、中兴通讯等也推出了) B | r {相应的边缘计算产品。

此外，工业企业依托丰富J i c ) Z @ L ,的工业场景发挥现场级应用能力。而电信运营商依托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p I #边缘计算如何协同

以物联网场景举例。物联网6 # i N @中的设备产生大量的数据，数据都上传到/ N + 0 * 9 :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，7 0 4 ]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T + o闭环。e G # H x T _ R T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1 H S j Z云端的数据也不会丢失。

▲物联网场景下云边协同示意图

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_ s B ; V P R 8价值。同时，从边缘计算的特_ P / V Q Q点出发，实时或更快速的数据处理和分析、节省网络V b ( S 3 Y j B *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$ K s用云边协同的各个场景中都有着充分的体现。

云边协同八大应用场景

我们将对云边协同在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m W :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S 6 v O =，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J ` + /代的应用需求，CDN将迎来以l 9 l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vCD5 ` * A b t s ;N（virtual Content Delivery Network，? j E -虚拟内容分发网络）下沉到运营商的边缘数据中@ C #心中，将| P g c s N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z Y H t . S *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。

▲基于边缘 ] m g P + q m云的vCDN实现场景

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M j m 5 楼宇、校园等。对于近期热点视, j U频和内容，可能出现本地化频繁请求，通过一次远0 t f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k U N 0，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。_ u e ! a X

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+ L c J ) & C r !不断完善，中国工业互联网产业正在迅猛发展。s K E u d ? 5 {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C : - ~ : Q ) q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; g 0 W { b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D G z Y X D A `逐渐成为支撑工业互联网发展的重要t m V N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c F d深入分析。

同时，在工业制造@ 1 S R I #领域，单点故障在工业级应用场景中是绝对* f S u l , ?不能被接受的，因此除了云端的统一控制外，[ X p . ?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u 3 ^ C Z ! j上传到云端进行存储、管理、态势感知，同时，云端也负责对数T 5 1 W 6 * v % w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b & .网是一种w 7 $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l . ~ N S ^ * Y气开采、运输、储} I P ! y t M c 0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$ , 1 t 2 s P (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p i [ 6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f @ } V 9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? ) Q a M Z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h 4 A D h B #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。

▲云边协同在石油行业的应用

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X j . j W优化控制，故障自动处理，负荷识别和建模等操作，把加工汇, O B z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- m P m Q R M、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- g l [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、A ) W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- D K * a t、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% V / e T w - k R、遥感控制技术等，将家庭局域网络X U $ , m } W 3 9、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Q N d . [ ^ (舒适、便捷、安全、高效的现代化家居生活$ x ? M s。

在Q P 4 ` A . &家庭智能化信息服务进家入户的今Z } = e t % v ?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N L t Z P ; P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Z 9 t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f u u U A { N d家庭_ E l 0云边协同基于虚拟化技术的云服务基= j { F s 8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r B K E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S e 5 7 K # 0 n n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0 L ) ^ b o u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9 ` D O . H ) p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 # 8 r 4 3、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N | c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P i _ a - Z : & R有巨大的市Z _ u 0 y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n I P U投入也主要在车( * 4 [ W w b m的智能化上，f m @ C L + a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f i 2 9 U - ?道路环境中的表现} I f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V W T A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V m {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| P & = i @ P q V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E w E E h R v I 9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。

▲云边协同与车路协同参考框架

6、云边协同在安防监控场景中的应用

目前安防监控领a E 7 ) f -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m w F z V D x，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Z Z [ ) ` I 7 G积固v y %定和耗电量较低的情况下，保证处理能力和便- o l : h - ,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: k p I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L : W # E q m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6 % [ b + b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D h z 0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。

▲智能安防系统云边协同应O g G用示意图

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] ? p L 0产现场的各种传感节点和无线通信网络实现农] T S . * . d O ^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+ M s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6 k V温室内的水阀、排n r i f L h ! 3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。

▲云边协同在智慧大棚应用示意s % . J U [ d R图

8、云边协同在云游戏场景中的应用分析

随着互联网m Y ! h ] t / z Z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q d + x u [户的游戏设备不需要任何高端处! W S { g n ,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。

以AR为例，应用程序P F B E 7 !需要通过相机的视图、定# 5 : M M ; d { T位技术或将两者结合起来，判断用户处于哪个位置以及面w s 4 J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% % i - [ W y s处理的延时。前景的交互放在云上，背景则交给移动端x D 6 C k，最终实现完整的AR体验。

▲云边协同在云游戏中应用框图

我们认为，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] + f c W Z p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。

来源:美国容错