號稱“雲端計算終結者”的邊緣計算究竟怎麼落地？兩大方向詳解邊緣側業務場景
朱嘯虎套現離場前丟給戴威的最後一句話是“資本只關心回報”。同樣，我們在談論技術的時候，最終都會聚焦到落地。而當一項服務從最開始投入市場，到佔據大部分的市場份額，這之後的目標就是想方設法的將這部分市場轉化為商業價值。這也是為什麼當下大家都在談垂直，談應用，談落地。
IDC曾預測過，未來將會有超過50%的資料在邊緣側處理。大量的業務場景對邊緣智慧已經提出了明確的需求，且開始在應用中落地。萬物互聯的願景雖然還未實現，但業界已經有針對性地規劃未來的業務場景，根據業務場景的需求來設計邊緣智慧的各項支撐性技術和方案，可以說業務場景需求是核心導向。總體來說，驅動邊緣智慧發展的業務場景主要包括兩個方面，即網路傳輸的場景和應用特徵產生的場景，從而形成對邊緣智慧的需求。
01 網路傳輸的場景
眾所周知，物聯網業務對各類有線、無線網路需求和依賴性很強，在很多情況下網路傳輸的場景往往成為業務落地的瓶頸，因此需要針對這些場景部署邊緣智慧平臺和方案。
1）異構網路的場景
面對著複雜的環境，完整的物聯網解決方案往往採用了多種網路通訊技術，來保障業務的連續性。當下，不存在一種網路技術標準可以同時涵蓋各種距離和不同網路效能的要求，即將商用的5G網路具有很強的包容性，融合大量不同的通訊技術標準，但依然難以涵蓋所有物聯網應用需要的通訊場景。
近年來，無線通訊技術的進展為物聯網通訊層帶來了很多活力，我們以網路覆蓋要求和網路效能要求兩個指標來考察網路需求場景，會形成如下矩陣形態：
物聯網無線網路場景矩陣
目前，大量物聯網場景由於業務侷限在小範圍內，採用WiFi、藍芽、Zigbee等短距離通訊的技術，如智慧家居、智慧樓宇、智慧照明、可穿戴裝置等，所有采用短距離通訊的物聯網終端、感測器等節點均需要通過閘道器等樞紐類裝置進行回傳才能到達雲端，這些樞紐裝置就成為邊緣智慧平臺執行的天然載體。而近年來興起的低功耗廣域網路（LPWAN）則是為廣泛分佈、免維護、低頻小包資料傳輸場景而生的，不過也存在基於授權頻譜和非授權頻譜的技術，各類技術構成了傳輸網環節的差異，而相應裝置資料回傳至雲端還是需要通過基站裝置來進行；其他基於授權頻譜的蜂窩網路技術，雖然具有統一的技術標準，但所有節點資料仍然需要基站進行回傳至雲端或伺服器，與LPWAN類似，無線接入網之間或基站側可以作為一個數據計算、處理的初步場所，形成邊緣智慧的載體，這也是移動邊緣計算（MEC）的組成部分。
不僅僅是這些常見的無線通訊，一些特殊場景會採用有線通訊連線，或自身所在行業通訊協議，如工業場景中最為流行的Modbus、HART、Profibus等協議，滿足工業現場資料傳輸的需求，而這些場景中通訊協議更為複雜和碎片化，大量資料需要在現場進行處理後直接執行操作，且回傳至雲端前也需要“中樞”類裝置進行協議轉換，這些中樞類裝置也往往成為邊緣智慧的載體。
異構網路通訊需要“中樞”裝置
從業務需求角度看，有些場景確實融合了多種通訊技術，比如一個園區解決方案中對於園區內部工廠內部採用工業通訊方式，而對於樓宇節能管理採用Zigbee、藍芽等短距離方案，對園區各類資產管理採用LPWAN技術。當需要一個園區整體解決方案時，所有的資料均需彙集到一個平臺上，而在彙集到平臺之前，通過各類通訊技術連線的終端、感測器節點資料之間存在的差異，在靠近資料來源的位置部署智慧化節點就很有意義。另外，根據IHS的資料，當前有80%以上的連線是非IP類連線，需要閘道器等邊緣智慧類裝置與IP類連線進行資料互動。Gartner預計到2020年，90%的物聯網應用都會用到物聯網閘道器。
所以說，不同通訊技術之間需要實現相容性，需要中間裝置、平臺以及相關軟體技術進行“翻譯”。這方面不少工作就放在邊緣側進行，利用邊緣側嵌入式終端的儲存、計算、通訊能力，實現異構通訊技術的資料融合，形成部署邊緣智慧的必要條件。正如前文所述，各類通訊協議資料回傳途中，均有相應的軟硬體節點作為資料的一個“樞紐”，而這個“樞紐”構成天然的邊緣智慧部署載體，形成邊緣智慧的充分條件。因此，物聯網的發展形成異構網路的場景直接驅動邊緣智慧的發展。
2）網路資源受限場景
網路資源受限的場景並不陌生，普通使用者也常常會碰到類似的情況，比如我們在大型體育比賽、演唱會等場所時，因為小區容量有限，短時間內資料上下行需求過高，手機往往沒有訊號。在物聯網時代，一方面海量的連網裝置數量，另一方面不少裝置產生資料的速度飛快，對網路資源形成壓力。總體來說，網路資源受限的場景包括頻寬資源不足和突發的網路中斷場景。
頻寬資源不足和終端產生資料量劇增往往同步發生，網際網路業務範圍普及，視訊業務由高清向超清演進，未來虛擬現實、增強現實等技術給人們身臨其境的業務體驗，這些業務將帶來流量爆炸式增長，業界不少企業用“資料洪流”來描述這一場景。業內預計，未來每輛自動駕駛汽車每天會產生4TB資料，每架飛機每天會產生40TB資料，而每一家智慧工廠每天會產生1PB以上的生產視訊資料。由於網路頻寬和網路容量並沒有實現同步的、連續性的爆炸式增長，從而造成頻寬資源不足，這些短時間內產生的海量資料如果實時上傳至雲端，一定會造成網路擁塞。
聯網裝置產生海量資料
頻寬資源和海量資料的不同步增長，一方面網路彈性擴容能力有限，另一方面並非所有的資料需要通過網路上傳至雲端。一些需要短時間處理或儲存週期很短的資料，本身無需佔用有限頻寬資源上傳，而在靠近資料來源頭進行處理後即可，視訊原始資料、工廠機器資料等有相當部分是通過邊緣平臺處理。麥肯錫曾經對一個海上鑽井平臺進行過調研，發現該平臺上3萬個感測器採集的資料中，40%沒有被儲存，剩餘的大部分在本地儲存，給邊緣智慧場景提供資料來源。
.
海上鑽井平臺資料（來源：麥肯錫）
另一網路資源受限的場景是突發的網路中斷。雖然我國2G網路已成為全球精品網路，4G覆蓋99%的人口，超過95%行政村都接入寬頻，中國電信、中國聯通已實現全國超過30萬個NB-IoT基站商用，但這些並不能保證物聯網所有應用場景中網路沒有中斷的風險。在很多周邊環境複雜的應用場景，突發的事件可能使得傳輸受到限制，如森林防火、塌方泥石流監控、氣象監測等惡劣環境下的物聯網應用，一般會考慮到突發網路中斷時靠近資料來源的快取、處理來保障業務的連續性。也有一些應用部署在熱點區域，在大量裝置同時請求上行資料時造成的臨時中斷。比如，一些共享單車密集區域高峰用車時段可能對該區域的基站形成很大壓力，造成上線率低，而運營商除了對這些熱點區域的基站裝置進行優化外，通過邊緣智慧的方案對共享單車資料上報形成調節。
3）端到端低時延的場景
低時延高可靠（uRLLC）是國際電信聯盟（ITU）確定的5G應用場景之一，標準化組織3GPP也為實現該場景進行了大量的標準化工作，今年6月份凍結的首個獨立組網5G標準中就支援大部分uRLLC的場景，這一場景也是移動邊緣計算（MEC）實現的主要技術之一。
各類通訊技術端到端時延測試（來源：Open Signal）
從網路傳輸角度看，端到端時延已經成為通訊技術供應商為使用者提供的服務中關鍵指標之一。未來智慧工業、自動駕駛等應用場景中需要進行監測、控制、執行，往往需要非常低的時延，很多情況下時延要求在10ms以下。現有成熟的網路傳輸方式並不能實現這一要求，根據獨立第三方網路測試機構Open Signal的測試結果，目前4G LTE可以達到100ms以下的端到端時延，而其他方案時延均高於4G LTE，這一結果還不足以支撐智慧工廠、自動駕駛的有效應用。而ITU所定義的5G空口時延為1ms，可以滿足這方面需求，不過這個1ms的指標需要邊緣智慧的協助。
端到端時延示例
Open Sig nal所測試的端到端時延是指終端——基站——回傳——核心網——雲端的往返時延。而在雲端之前，即終端至核心網之間的時延約為20-30ms，但核心網到雲端的物理距離將主要決定了網路時延，由於雲端伺服器分散在全球各地，物理距離較遠，終端資料需要通過光纖連線訪問雲端，增加了時延。如果需要低時延場景的業務採用終端——雲端的往返模式，即使終端——核心網之間的時延降到非常低的程度，也根本無法保障其實時性要求，自動駕駛、智慧工業等業務無法開展。
通過邊緣智慧實現毫秒級時延
此時，對於邊緣智慧的需求就非常明顯，5G技術通過將儲存、計算、智慧資源下沉，在基站側或無線接入網之間的位置，以邊緣智慧的方案來處理實時性、短週期的資料，即時回饋給終端去執行，達到1ms的時延水平，從而保障業務的正常開展。
02 應用特徵產生的場景
萬物互聯會產生多樣化、差異化的應用，不少應用本身具備的特徵直接決定了需要採用邊緣智慧的方式，尤其是需要提供差異化服務的場景，包括專網類業務場景、營銷類業務場景和體驗提升的場景等。
1）專網類業務場景
大量行業、企業因為業務特殊性、資料保密等原因，採用專網方案，主要業務資料在其專用網路中進行計算處理，不使用公共網路服務。在過去的數十年中，專網類業務規模雖然遠不如公網類業務那麼大，但政務、公安、民航、鐵路、交通、工業等大量行業都在採用專網服務，做到物理隔離來保證資料安全。
專網業務中不少場景對邊緣智慧有天然的需求，雖然專網使用者會自建資料中心或私有云，但面對很多業務資料本地產生、本地終結的特徵，並不需要所有資料都存放在其自有的伺服器上，通過資料來源頭平臺處理能提升效率，同時也減輕自建伺服器的容量壓力。
比較典型的專網場景就是企業的工業製造場景。上一節中所述，智慧工業本身就有低時延、高可靠的通訊場景，需要通過邊緣智慧助力實現。除此之外，工業製造現場每天會產生的海量資料，直接在現場就近進行處理，目前很多企業已能夠提供成熟的邊緣智慧軟硬體解決方案，在工廠的局域環境下完成。
另一種典型的專網場景是本地視訊，由於很多使用者的安裝的視訊裝置採集資料也僅限於其專網內部，作為監測、管理手段提升的方式。不過，很多監控視訊的大部分時間都是靜止場景，不論是從攝像頭終端側或者伺服器側處理都不是很理想的方式。此時，部署邊緣智慧平臺對於這種專網監控視訊就很有意義，通過邊緣智慧平臺篩選出監控畫面變化的部分或一些有意義的視訊片段，對伺服器進行回傳，而把價值不高的監控內容就地快取在邊緣智慧伺服器中，保障專網資源留給關鍵業務。
專網視訊監控邊緣智慧方案
2）營銷提升業務場景
對於很多移動網際網路和物聯網場景，通過邊緣智慧可以更為快速地對終端側資料和快取資料進行使用者畫像刻畫，提升營銷效果。邊緣智慧伺服器和平臺的快取內容給終端使用者提供體驗業務，促進使用者對業務的瞭解和購買，在使用者訂購後，通過端、邊、管、雲融合的方案為其提供服務；一些專門業務的體驗廳、營業廳等場所，在邊緣智慧助力下給潛在使用者帶來耳目一新的體驗。類似的服務方式可以在各行業中落地，通過與擁有垂直行業渠道資源企業合作，開展聯合營銷，提升業務質量。比如，在零售領域，邊緣智慧平臺將定位與移動裝置通訊能力結合，向消費者和商場提供更有價值的資訊，在網路中的關鍵點收集的資訊可以作為大資料分析的一部分，以更好地為客戶提供服務。
3）體驗提升的場景
體驗提升場景是使用者採用邊緣智慧方案最主要的考慮之一。目前，大部分物聯網的業務是以整體解決方案的形式提供給使用者，而其中關鍵部分的優化對於整體方案的體驗提升非常重要，在大量場合中，邊緣智慧的採用會讓整體業務體驗提升到新的高度。在已成熟的移動網際網路場景中，內容分發網路（CDN）已經成為提升業務體驗的重要手段，比如很多借助運營商網路提供OTT業務的內容和應用供應商，推出和部署了一些CDN系統，在行動網路承載能力有限的情況下起到分流作用，可以說是一種邊緣智慧的方式。新的網際網路視訊直播、遊戲等業務體驗的提升也需要邊緣智慧的進一步成熟，同時形成邊緣智慧產業生態。
物聯網各類碎片化場景中面對著比OTT業務更為複雜的情況，新業務的層出不窮也讓基於網際網路業務的邊緣智慧系統無法完全承載起來，對新的邊緣智慧方案的需求就越來越強烈。
VR/AR是典型的需要體驗提升的場景。目前，相應的VR/AR已廣泛應用於旅遊景區、博物館、體育賽事、演唱會等消費級場所，也有不少行業作業場所藉助VR/AR裝置來完成。此前不少無線VR/AR採用終端和雲端伺服器互動方式，但此類裝置產生的影象資訊量太大，終端和雲端之間反饋時延太長影響體驗。一般採用的優化方案是將相應伺服器部署在網路邊緣側，有效分擔VR/AR影象識別運算壓力，及時給終端反饋，增強使用者體驗。類似的體驗提升場景非常多，智慧物流、智慧工業、車聯網、智慧醫療等需要保證實時性、可靠性的應用都有不斷提升使用者體驗的需求，也是邊緣智慧能夠直接應用的場所。
總體來說，業務場景需求是驅動邊緣智慧產業發展的最大因素，由邊緣計算向邊緣智慧的發展，也是基於滿足業務場景需求而提出新內涵。