7月4日，在2019百度AI開發(fā)者大會上，百度攜手三大運營商、浪潮、英特爾等聯(lián)合發(fā)布了百度AI邊緣計算行動計劃和《AI邊緣計算技術(shù)白皮書》，白皮書系統(tǒng)闡述了5G時代邊緣計算與AI結(jié)合的廣闊應(yīng)用場景，以及技術(shù)策略。本文為白皮書的第一部分“邊緣計算的總體思考”。

發(fā)展趨勢和需求

互聯(lián)網(wǎng)服務(wù)市場縱深發(fā)展，帶來了信息流量和計算需求的巨大的變化。根據(jù)多家機構(gòu) 預(yù)測, 5G將進一步刺激視頻類富媒體流量的發(fā)展，移動視頻流量每年增長45%,到2023年占總體移動數(shù)據(jù)流量的73%。全球互聯(lián)網(wǎng)數(shù)據(jù)逐年提升，2020年將達到 40ZB,其中40%流量都將由物聯(lián)網(wǎng)產(chǎn)生，進而帶來了數(shù)據(jù)分析和處理方面的極大需求。

邊緣計算能夠在靠近用戶或數(shù)據(jù)源的位置提供網(wǎng)絡(luò)、計算、存儲服務(wù)，不僅能夠?qū)崿F(xiàn) 流量的本地化處理，降低對傳輸網(wǎng)絡(luò)和遠端數(shù)據(jù)中心的流量沖擊；而且能夠提供低時延和高穩(wěn)定的應(yīng)用運行環(huán)境，有利于計算框架在終端和數(shù)據(jù)中心間的延展，有助于實 現(xiàn)場景需求、算力分布和部署成本的最佳匹配。邊緣計算將滿足消費者和產(chǎn)業(yè)互聯(lián)網(wǎng)市場的如下需求。

一、邊緣計算是更新消費者互聯(lián)網(wǎng)體驗的重要保障。

?視頻消費再升級：一方面，消費者期待更高畫質(zhì)、緩沖零容忍的觀看體驗。從 1080P到4K/8K,從30幀到60/120幀，更高畫質(zhì)和流暢度不斷刷新消費者的觀看習(xí)慣，而畫質(zhì)每一個等級的提升都將帶來流量帶寬3?4倍的增長。另一方面，視頻正朝著沉浸式和強交互服務(wù)方式發(fā)展。360度全景、視頻社交化推進視頻流向多路和實 時性方向演進。邊緣計算能有效避免大流量對長途網(wǎng)絡(luò)的資源搶占，確保從視頻源到 消費者的低吋延、大帶寬和高可靠。

?場景化AI能力普及：AI能力已成為多數(shù)終端的默認配置。從簡單圖片處理到AR 渲染，再到復(fù)雜的媒體編輯，AI能力豐富了應(yīng)用的交互手段，同時也拓寬消費者對于 信息編輯和創(chuàng)造的想象空間。而不受時間、空間、和終端類型限制，為用戶持續(xù)提供充足的AI算力則是智能化應(yīng)用發(fā)展的趨勢。邊緣計算能夠克服終端在功耗、存儲容量 等方面限制，兼具云端強大算力和本地端超低時延的優(yōu)勢，將為AI應(yīng)用加速推廣奠定更堅實的基礎(chǔ)。

?消費者多模交互：物聯(lián)網(wǎng)、5G技術(shù)推進了萬物互聯(lián)，更多兼具計算及存儲功能的設(shè)備聯(lián)網(wǎng)，智能穿戴、網(wǎng)聯(lián)車載娛樂、AR/VR眼鏡、無人機等連接設(shè)備的種類逐年增加。智能手機與消費者間交互時間將被多種終端分?jǐn)?，消費向多模化方向發(fā)展。多模交互 不僅帶來了信息供給多元化，特定終端交互方式也對性能參數(shù)帶來了極致要求，例如VR應(yīng)用20ms以內(nèi)的吋延要求。邊緣計算在滿足多元應(yīng)用性能要求的同吋，也能通過分?jǐn)偨K端計算和存儲能力的方式來實現(xiàn)終端設(shè)計輕量化的要求，進而降低終端成本、 優(yōu)化終端體驗。

二、邊緣計算是產(chǎn)業(yè)互聯(lián)網(wǎng)發(fā)展的必要基礎(chǔ)設(shè)施。

?傳統(tǒng)產(chǎn)業(yè)的數(shù)字化和網(wǎng)絡(luò)化：2019年政府工作報告提出了新舊動能接續(xù)轉(zhuǎn)換，包 括傳統(tǒng)產(chǎn)業(yè)升級、產(chǎn)業(yè)互聯(lián)網(wǎng)構(gòu)建、產(chǎn)業(yè)級的數(shù)字生態(tài)。其一，傳統(tǒng)產(chǎn)業(yè)網(wǎng)絡(luò)化加速了數(shù)據(jù)激增，例如智能交通在路邊鋪設(shè)高精雷達和多組攝像頭，聯(lián)動自動駕駛車輛來 提高交通信息的精準(zhǔn)抓取和高精模型建立，由此將帶來TB級數(shù)據(jù)的產(chǎn)生。算法、算力的就近部署是這類產(chǎn)品規(guī)?；渴鸬幕疽笾弧Ｆ涠?，產(chǎn)業(yè)數(shù)據(jù)的數(shù)字化及傳 播對信息安全提出更高挑戰(zhàn)。私有化數(shù)據(jù)的不出網(wǎng)和安全保障需要邊緣計算設(shè)施作為 防護來達到部署的基本要求。

?基礎(chǔ)設(shè)施共享、產(chǎn)業(yè)中臺：為了最大化實現(xiàn)互聯(lián)網(wǎng)技術(shù)對傳統(tǒng)產(chǎn)業(yè)的賦能和效率提 升，信息技術(shù)需要與行業(yè)訴求進行深度融合。通過數(shù)字化功能內(nèi)嵌和產(chǎn)品軟件化，實現(xiàn)智能化發(fā)展。邊緣計算是產(chǎn)業(yè)互聯(lián)網(wǎng)所依賴的重要資源，邊緣計算平臺帶來的效率 提升也將輻射到產(chǎn)業(yè)互聯(lián)網(wǎng)的生產(chǎn)流程，帶動數(shù)字化、流程化和平臺服務(wù)發(fā)展。當(dāng)前 邊緣計算平臺化開源軟件的持續(xù)升溫，能夠極大促進未來產(chǎn)業(yè)化平臺效能提升。

?數(shù)字產(chǎn)品向傳統(tǒng)產(chǎn)業(yè)滲透和融合：傳統(tǒng)產(chǎn)業(yè)向互聯(lián)網(wǎng)方向的發(fā)展需要維系數(shù)字產(chǎn)品 與生產(chǎn)環(huán)境需求的內(nèi)在聯(lián)系。智慧城市、智慧交通、智慧農(nóng)業(yè)、AI安防等數(shù)字化產(chǎn)品也需要合理部署資源，才能服務(wù)于傳統(tǒng)產(chǎn)業(yè)。邊緣計算既滿足了傳統(tǒng)產(chǎn)業(yè)對部署安全 等諸多方面的要求，通過平臺化技術(shù)又能高效地滿足數(shù)字化產(chǎn)品所需的部署環(huán)境。因 此，邊緣計算將促成數(shù)字世界與物理世界互動、融合，實現(xiàn)技術(shù)和市場的相互促進。

定義及技術(shù)體系

綜合應(yīng)用對于計算能力、時延和穩(wěn)定性的要求，根據(jù)計算所執(zhí)行位置和產(chǎn)品屬性來分類，邊緣計算可分為三類形態(tài)：

?物邊緣：數(shù)據(jù)源自身具備計算能力，如智能手機、計算卡、智能攝像頭等。由于在數(shù)據(jù)源本地處理計算請求，雖然響應(yīng)時延低和穩(wěn)定性能達到最優(yōu)，但受限于功耗、物理資源等因素，一般僅完成簡單計算任務(wù)。

?移動邊緣：伴隨5G網(wǎng)絡(luò)發(fā)展而產(chǎn)生的新興邊緣計算資源，服務(wù)能配合5G終端、無線基站實現(xiàn)最佳邊緣位置的布放，并結(jié)合5G能力開放可獲得、定義無線帶寬、 網(wǎng)絡(luò)切片、終端位置等增強功能。

?云邊緣：在現(xiàn)有云服務(wù)中的CDN節(jié)點資源上，通過增加計算型服務(wù)器資源，在原有的流量加速服務(wù)上開展函數(shù)計算、AI智能服務(wù)等功能。

圖1 邊緣計算資源形態(tài)

以上三類邊緣計算資源在場景設(shè)計、計算任務(wù)、產(chǎn)品屬性和資源就緒程度上各不相同。在處理復(fù)雜AI計算任務(wù)上，需要能夠集中各自資源優(yōu)勢，實現(xiàn)計算任務(wù)和相應(yīng)資源匹配，才能取得總體最優(yōu)的效果。

圖2 邊緣計算技術(shù)棧

為了達到這樣的效果，邊緣計算技術(shù)體系需要兼具物理資源屬性調(diào)優(yōu)、平臺邏輯資源 優(yōu)化和高效計算任務(wù)框架，實現(xiàn)硬件和軟件層最佳融合。如圖2所示，技術(shù)體系分為物理資源及加速、laaS平臺資源管理、PaaS服務(wù)、AI算法框架和應(yīng)用服務(wù)五部分內(nèi)容。

?邊緣計算物理資源：物理資源分為智能終端、移動邊緣計算站點和云邊緣站點，根 據(jù)不同資源程度來分配計算任務(wù)。三類資源通過接入側(cè)或廣域側(cè)網(wǎng)絡(luò)技術(shù)完成節(jié)點資源的連接。接入側(cè)網(wǎng)絡(luò)包括4G/5G、固定接入、物聯(lián)網(wǎng)或LAN技術(shù)，完成端計算到 其他邊緣站點資源的連接。廣域側(cè)通過P〇P點完成數(shù)據(jù)中心云端到移動邊緣/云邊緣站點的連接，保障邊緣與云端的網(wǎng)絡(luò)質(zhì)量。

?物理資源加速：完成了以上邊緣節(jié)點本地計算、存儲、I/O優(yōu)化和節(jié)點連接的加速 優(yōu)化。端節(jié)點通過FPGA等硬件加速技術(shù)為AI推理計算提供良好的性能環(huán)境。移動邊 緣和云邊緣站點在適應(yīng)功耗要求下通過AI芯片、存儲優(yōu)化、高速I/O框架實現(xiàn)加速和 效果提升。此外，邊緣節(jié)點間連接加速可通過5G切片、QoS調(diào)優(yōu)或SDN-WAN等 完成節(jié)點間連接的加速功能。

?平臺資源管理：資源管理實現(xiàn)對CPU/GPU、存儲和網(wǎng)絡(luò)的虛擬化、容器化和池化 功能，滿足資源的彈性調(diào)度和集群管理要求。同時，平臺將完成租戶隔離、安全保障、鏡像倉庫、日志存儲等資源層面服務(wù)的供給。

?PaaS服務(wù)：面向服務(wù)提供三個階段功能，一是應(yīng)用設(shè)計及開發(fā)階段的微服務(wù)化，通過微服務(wù)框架完成微服務(wù)模塊間依賴關(guān)系繪制和模塊到邊緣計算資源的服務(wù)編排。二是提供服務(wù)的運行態(tài)環(huán)境和通信框架，例如業(yè)務(wù)發(fā)現(xiàn)、MQTT、RPC等為服務(wù)運行 提供框架性的功能支持。三是對于服務(wù)CI/CD和運行狀態(tài)監(jiān)控等管理面服務(wù)支持。

?AI算法框架：從延遲、內(nèi)存占用量和能效等方面，進行邊緣計算節(jié)點上AI推理加速和多節(jié)點間AI訓(xùn)練算法的聯(lián)動，完成輕量級、低時延、高效的AI計算框架。邊緣設(shè)備需要執(zhí)行越來越多的智能任務(wù)，例如智能駕駛需要街道目標(biāo)檢測識別，語音助手需要自然語言的理解。針對實時信息輸入，AI算法需要執(zhí)行預(yù)測處理、及時響應(yīng)輸入。此外，針對信息安全、數(shù)據(jù)不出網(wǎng)等要求，邊緣節(jié)點需要完成數(shù)據(jù)安全預(yù)處理，邊緣 -云數(shù)據(jù)中心協(xié)同才能開展完整的AI模型訓(xùn)練。以上操作配合CV、NLP等AI算法模 型庫和強化學(xué)習(xí)、遷移學(xué)習(xí)等工具組件，形成完整的AI算法框架。

?AI應(yīng)用：邊緣節(jié)點應(yīng)用對計算和流量帶寬處理存在較強依賴。計算方面，應(yīng)用需要AI算法框架完成人機交互、編解碼/加解密等算法框架進行信息預(yù)處理、交通/醫(yī)療 等建模算法構(gòu)建專業(yè)領(lǐng)域信息框架，同時PaaS提供了“writeonce, run everywhere”的友好環(huán)境。流量方面，邊緣節(jié)點需要數(shù)據(jù)源帶寬低收斂比、低時延響應(yīng)的物理資源環(huán)境，以滿足數(shù)據(jù)傳輸和交互需求。

邊緣計算技術(shù)特性

從物理特性和邏輯特性來總結(jié)邊緣計算的技術(shù)特性。

物理上，邊緣節(jié)點具有近源端、安全親和、結(jié)構(gòu)扁平和基礎(chǔ)設(shè)施規(guī)格化特征。

?低時延和流量本地化：靠近數(shù)據(jù)源所帶來的低時延和高帶寬是邊緣計算節(jié)點的本質(zhì)優(yōu)勢，具備多接入（Multi-access)特性的邊緣計算會將這種技術(shù)優(yōu)勢惠及到不同類型的數(shù)據(jù)源上。

?安全親和：在工業(yè)、交通、醫(yī)療等行業(yè)應(yīng)用上，對數(shù)據(jù)安全、網(wǎng)絡(luò)安全、信息安全的保障是邊緣計算開展的必要條件和服務(wù)場景，邊緣節(jié)點資源安全布放是相關(guān)場景開展的基礎(chǔ)。

?計算扁平化：邊緣計算使智能化進一步普及，算力可隨著邊緣節(jié)點資源得以延伸， 實現(xiàn)了計算的去中心化和無邊界化。

?基礎(chǔ)設(shè)施規(guī)格化：不同的應(yīng)用場景，對基礎(chǔ)設(shè)施的要求也不相同。為提高應(yīng)用部署效率，需對基礎(chǔ)設(shè)施部署統(tǒng)一規(guī)格。規(guī)格化的定義可從部署安裝環(huán)境、I/O及加速部件可擴展性、高溫/高濕環(huán)境適應(yīng)性、故障管理和設(shè)備易維護等幾個方面來定義。規(guī)格化定義有助于從設(shè)備供應(yīng)、安裝部署、運營維護和故障恢復(fù)等形成一系列產(chǎn)業(yè)建 議，促進生產(chǎn)鏈成熟。

邏輯上，邊緣節(jié)點具有場景化、軟件友好和服務(wù)標(biāo)準(zhǔn)化特征。

?場景化和智能化：邊緣計算由于所覆蓋人群和區(qū)域的定向性，由此也衍生了服務(wù)場景化，例如服務(wù)于工業(yè)、園區(qū)、交通等邊緣在服務(wù)開展上具有鮮明的行業(yè)特征，智能化也可以根據(jù)服務(wù)場景做定向算法優(yōu)化和AI賦能。

?軟件友好：邊緣服務(wù)是云服務(wù)的延伸，是現(xiàn)場服務(wù)的擴展，是整體軟件服務(wù)一環(huán)。通過邊緣計算PaaS框架屏蔽底層硬件差異和資源平臺差異，實現(xiàn)云-邊-端服務(wù)軟件 統(tǒng)一部署。

?服務(wù)標(biāo)準(zhǔn)化和模板化：服務(wù)快速部署和彈性運維是開展規(guī)模化邊緣計算服務(wù)的前提，這也要求對典型邊緣計算場景和算力、帶寬等資源進行標(biāo)準(zhǔn)化和模板化設(shè)計，實現(xiàn)快速復(fù)制和拓展的效果。

邊緣計算網(wǎng)絡(luò)部署模式

為了適應(yīng)不同行業(yè)差異化訴求，邊緣計算在行業(yè)中的落地會存在多種部署形式，每一 個最終落地的邊緣網(wǎng)絡(luò)的組網(wǎng)架構(gòu)與所覆蓋的業(yè)務(wù)/網(wǎng)絡(luò)需求、管理和運營模式以及商業(yè)模式相對應(yīng)。下面歸納出了三大類典型的邊緣計算網(wǎng)絡(luò)部署模式。

?企業(yè)私網(wǎng)：此模式針對有很強的對網(wǎng)絡(luò)自主可控的企業(yè)訴求，將完整網(wǎng)絡(luò)數(shù)據(jù)面和 控制面完全部署在企業(yè)私有環(huán)境中并交由企業(yè)自己管理。例如，在企業(yè)內(nèi)部提供端到端的無線網(wǎng)絡(luò)及其完整的控制面部署。專用網(wǎng)絡(luò)與公共網(wǎng)絡(luò)之間完全相互隔離，這樣 最大程度上保證了企業(yè)數(shù)據(jù)和網(wǎng)絡(luò)環(huán)境的隔離和獨立性，但是同時對企業(yè)自身的網(wǎng)絡(luò) 管理能力也提出了較高的要求。

?園區(qū)專網(wǎng)：在數(shù)據(jù)面上滿足企業(yè)私有化部署要求，控制面復(fù)用公共部署資源。例如，5G部署時，可以將用戶面網(wǎng)關(guān)（SGW-U/UPF)部署在臨近企業(yè)現(xiàn)場位置，而 5G控制面功能（AMF/SMF/PCF等）[2]仍使用網(wǎng)絡(luò)運營商資源。又或者，云服務(wù)提 供商為企業(yè)部署現(xiàn)場數(shù)據(jù)面處理功能，滿足數(shù)據(jù)不出網(wǎng)等安全需求，而AI模型訓(xùn)練等離線控制功能仍使用云服務(wù)提供商資源。此模式既能確保企業(yè)的安全訴求，又能最大 化復(fù)用公共運營商在資源管理和編排方面的能力，對技術(shù)輕量化運營的企業(yè)（如以園 區(qū)為單位的一定數(shù)量的中小企業(yè)單位）不會產(chǎn)生過高的維護能力的要求。此外，該模式下公共服務(wù)運營商可以同時兼顧園區(qū)內(nèi)邊緣計算特定需求又能保證公網(wǎng)業(yè)務(wù)不受影 響，這種模式很可能會成為邊緣計算網(wǎng)絡(luò)面向園區(qū)類市場的典型部署模式。

?切片組網(wǎng)：數(shù)據(jù)面和控制面均使用公共服務(wù)運營商的資源，通過劃分專有的網(wǎng)絡(luò)或 資源隔離來實現(xiàn)專用化資源的供給。例如，5G采用網(wǎng)絡(luò)切片技術(shù)提供資源隔離的邏輯 網(wǎng)絡(luò)。根據(jù)業(yè)務(wù)需求結(jié)合邊緣計算來提供差異化的切片服務(wù)，構(gòu)造邏輯上專用的網(wǎng)絡(luò)，而物理資源則完全納入公共運營商的統(tǒng)一調(diào)度。對于地域跨度大、且需要特定 SLA保障的服務(wù)場景，切片組網(wǎng)是一個理想的解決方案。當(dāng)然這種模式需要公共服務(wù)運營商對目標(biāo)市場的判斷和相應(yīng)邊緣計算網(wǎng)絡(luò)資源的部署規(guī)劃都提出了極高的要求，

這也需要服務(wù)供需雙方、設(shè)備提供商等產(chǎn)業(yè)各方共同探索來得出最佳實踐。