“边缘”大时代

编者按：本文来自微信公众号“鹿鸣财经”（ID:luminglab），作者：庞好，编辑：封成，36氪经授权发布。

回首互联网诞生的50年，中心与边缘间的趋势更迭已经上演了数轮。

1999年，互联网经济爆发。

人们从互联互通以及去中心化的特点中逐渐找到了独特的商业价值，互联网创业的大幕就此拉开。网络应用如雨后春笋，在世界各地的角落生根发芽。

时间推移，网络世界的缔造者们开始在这片数字大陆上逐鹿厮杀，各个领域的幸存势力慢慢壮大直至盘踞一方。

面对空间上“零距离”的选择成本，网络应用的头部效应很快显现，头部公司不断扩张自己的领地，久而久之，信息朝着中心聚拢。

这样的趋势使得大规模的集约运算成为了更好的选择，它带来的是资源复用率的提升以及运算成本的优化，加上网络传输的提速降费，使得一种集中处理，开放共享的信息处理模式成为可能。

2009年，云计算应运而生。

再接下来的十年间，云计算模式蓬勃发展，越来越多的互联网企业选择使用公有云服务器，而公有云供应商之间的竞争与吞并也在不断加剧，这使得无数信息向着屈指可数的几个中心奔涌。

时间来到2019年，网络传输开启了5G纪元，网络带宽的“超级加倍”与极低的响应延迟是其最直观的表现。

一方面，更大的带宽使应用软件的功能不断拓展，从而产出了更多需要被处理的信息；另一方面，高带宽低时延的特征也催生了更多应用场景的出现，随之创造出了更多的需求终端。

无论是源于原有应用带来的需求激增，还是随场景拓展的终端数量，都无疑会给本就极度中心化的云计算模式带来更加沉重的负担。

而这些负担则将转化为云计算模式的运作成本。

从信息处理上看，处理器硬件的摩尔定律已经失效，要想在处理能力上获得更大的提升，就必须付出与收益不成比例的代价。从信息传输上看，传统一对多的中心架构持续增加着传输成本，且难以进行优化。

总体来说，是传输技术的变革打破了云计算原有模式的收支平衡，使得传统的中心计算模式难以为继。

由此，集成了众多前沿技术理论与科技成果的边缘计算模式登上了历史舞台。

它将传统云计算单一的CS（服务器-客户机，即Client-Server）网络架构转化为了在中间有更多边缘模块参与的CES架构（Client-Edge-Server)。

边缘层级的加入不仅为云计算成功释放了中心压力，还使其成功打破了应用范围的瓶颈，向边缘迁徙的算力如同章鱼的触手般吸附到各行各业中。

边缘与中心相结合的云计算架构将成为构筑我们未来生活的基础，一个属于“边缘”的时代已经来临。 

新架构下的云计算首先实现了对物联网应用场景的赋能。

不久以前，浙江移动凭借着新的云计算架构为汽车零部件制造厂商爱柯迪量身定制了首个智慧工厂方案。

7月底，爱柯迪6号5G智慧工厂正式投入使用。

据36氪文章报道，在爱柯迪私有云后端，一个后台“人工智能大脑”能够直接跟前端7个工厂87个车间、2300台设备和约1500个移动终端——近4000个前端点同时进行交互和控制，通过5G信号把数据全部“上云”，然后在云端进行精准总控，满足不同车间个性化应用场景的需求，以往人工一个小时的工作量，在这个智慧工厂约15分钟就可以完成。

那么，如此高效的物联管理究竟是基于怎样的网络架构实现的呢？

其实，能够实现物联方案的不止移动。像华为、百度、阿里等资深公有云玩家都已针对不同的物联网场景给出了十分成熟且标准化的解决方案。

在阿里云官网中，有着这样一套关于综合能源管理的智能方案。它从底层的设备接入，到边缘的容器管理与配套算法模板，再到顶层云端的大数据分析与运程运维，都有着模块化的专项业务。 

以物联网为场景，“云”就是云计算中心；“端”是提供生产或服务的设备终端；“边”是介于云计算中心与设备终端间的“边缘云”，它通常是由小型运算节点或智能网关组成，靠近终端，且数目众多。

当物联网走到今天，其连接的设备大都已经具备了与外界进行简单交互的能力。例如具有机器视觉的分拣装置，能够测温的门禁系统，或是根据光线调节强弱的照明设备。

它们都依靠着高精度的传感器，这就使得每分每秒都有海量的数据被生产出来。

仅仅一台设备，一天就能生产几TB的内容。如果将这些内容全部交给云端处理，势必会造成服务器的负载与反馈决策的延迟。

对此，人为的加处理层级，在架构上寻找优化空间，实现分布式运算，才是行之有效的方法。

正如一台低频多核的电脑，它或许无法流畅运行3A游戏，但却能在渲染出图的工作中出类拔萃。由众多小型计算设备组合成的“边缘云”拥有着多核优势，它能够过滤掉大部分重复却简单的工作，只把关键任务上传，为云端减负。

首先，边缘节点会依靠特定的算法模板对相关数据进行一次预处理，精简过后，再通过“云边”之间搭设的专用网络，以最快的速度传递到云端，实现远程运维与大数据分析。

除了为云端减负，边缘还能充当了一个地面指挥中心的角色。靠近数据源头带来的低延时优势，使其能够根据上级命令，对自己管辖的终端进行更加及时有效管理。

而更多智能模块的嵌入，还能使边缘获得自治效果，即便是与云端失联，也能在短期时间内保证各终端的协同与稳定。

总体来说，边缘层级的使命就是优化信息处理的结构，以及分区管理底层终端。

如今，有越来越多的IoT与AIoT（AI+物联网）方案，在云端与边缘节点之间加设了一个虚拟层级——管理控制平台。其目的就是进一步切分云端任务，使云端下放监管职能，专心负责大数据的存储与分析。

另外，这一模式的变数还可能发生在终端层级。

移动芯片设计公司ARM，在刚刚过去的2月发布了Cortex M55架构芯片和Ethos-U55架构的“神经处理单元”，旨在将人工智能功能植入诸如用于检测人类语音或其他数据流的传感器等微型设备。

这将为未来的AIoT方案带来更多的变数。

所以，“云边端”模式并非是有着某种固定形态的万金油方案，它呈现出的是一种用组织形态换取工作效率的变革趋势。

物联网外，还有许许多多的应用场景因为5G迎来落地，类似的架构思路也必然同样适用。由此，“云边端”模式便开始了多线作战的本土化进程。

受到5G影响，以互动直播与在线教育为首的新兴流媒体产业进入了高速发展的快车道。而产业的快速变革也为旧网络架构带来了诸多挑战。

对于互动直播与在线教育而言，网络波动与延时一直是在传统架构下始终无法大幅改善的问题。

例如在大型赛事直播的开局与高潮时段，骤然激增的视频流量以及海量发出的弹幕互动，通常都会使服务器突发超额负载，造成严重的网络波动。

在延时这个问题上，远距离传输是最大的难点。例如在线上教育的场景中，某些外教课程就是在万里之外跨海进行的，这必然会带来课程质量的下滑。

面对上述挑战，“云边端”的思路再次得到了应用。

同样是对云端职能进行拆分：数据流的合并转发，视频解码，以及弹幕分发等功能都被下放到了离用户更近的边缘节点进行，再由CDN（内容分发网络）分区下放到每个用户；在整个架构中，云端则退居二线，扮演中心调度与统筹管理的角色。

视频处理能力与弹幕分发功能的下放使得在CDN周围产生了一个动态的算力池，它既能够在峰值时段前预留出水位，有效提高系统应对高并发压力时的弹性，又能临时充当分布式的计算节点，从而快速消解瞬时流量激增造成的负载压力，把网络波动降到最低。

而针对远距离的传输场景，边缘节点能够优先对零散的地面用户进行整合，进而通过专用的高速回云网络，大幅提高云边之间的传输效率，降低网络低延时。

再看云游戏与虚拟现实。

相较于直播，其延迟误差是用毫秒计算的，短短一秒钟就可能从用户终端发出数个有效指令，且在指令到达的瞬间，基于指令产生的渲染画面就必须实时完成，这都使得在整个系统架构中，边缘节点需要承载更多算力。

基于云游戏的要求，其解决方案则是在边缘搭建大量的集群服务器，将短期交互全权交由边缘处理，而云端只负责存储与管理用户的长期数据。

作为我国网吧业龙头的顺网科技，更是做出了将云游戏的边缘节点与网吧结合的创新。

顺网依据自己的网吧业务为分区搭建边缘机房，利用在机房与网吧间搭设数据专线构建独特的互助生态。

利用在终端设备上监控到的网吧运营状况，边缘可以按需实现资源调配，为网吧提供最廉价的云主机服务。

这不仅能帮助网吧业主摆脱重资产困境，也为顺网价格高昂的GPU算力分摊了成本。对于游戏与网吧收入五五入账的顺网来说，这绝对是一步一石二鸟的好棋。 

不只是流媒体，5G+“云边端”的组合还同样激活了智能交通。

“以前，智能交通领域寄希望于让前端单个设备提升算力，而5G时代，广泛的前端设备实现了算力的全面连接与覆盖，场景感知力的综合提升让智能交通系统变得更加及时、智能，这时我们知道，新一代智慧路网正在形成。”千方副总裁、技术研究院院长孙亚夫在云栖大会现场如是说。

在智能交通这个未来产业上，我国给出的答案是打造智能网联车，即“智能车+车联网”。

智能车就是我们常说的能够达到L5级别，完全实现自动驾驶的汽车。而车联网就是将智能汽车无缝接入网络，利用网络为车辆提供辅助信息，进一步保障行车安全，提高出行效率。

在自动驾驶技术中，位于核心地位，且消耗最多算力的，是单车智能系统。

单车智能系统通过配置大量内部和外部传感器，从而获取自身状态及周边环境信息，并通过获取的环境信息对周边环境进行融合建模，再结合自身状态作出决策。

就拿主流的外部传感器来说，像激光雷达，毫米波雷达等仪器都是极为精密的，其产生出的数据也会非常庞大。

据英特尔公司在今年的估算，自动驾驶车一天就会产生4TB的数据。据了解，通信航空器一天产生的数据量有也只有5TB，相比之下，可以看出自动驾驶车的数据量之大。

面对如此庞大且集中的数据，虽然在表象上与云计算有着天然的契合，但由于自动驾驶场景对于延迟和脱网风险有着天生的“零容忍”，所以在单车智能系统中，所有的计算都必须在隐患最小的本地进行。

在完全采用本地计算的工控机方案上，其具体实施出现了整体体积占用大，功耗高，不易量产等特点。

取而代之的便是域控制器嵌入式方案 ：即将各个传感器的原始数据接入到 Sensor Box （一种无线数据采集器）中，完成数据的融合，再由Sensor Box将融合后的数据传输到车载计算平台上进行算法处理。

简言之，这就是一种微观视角下的边端架构。

其本质是把涉及单车智能的传感器数据整体打包，再发送到车载边缘处理，只不过边缘节点与终端几乎是零距离的。

虽然，单车智能的高低是衡量自动驾驶技术的主要标准，但面对我国极其复杂路的道路状况，仅仅凭借单车智能是无法确保行车安全的。

将车辆接入网络，依靠配套的路侧系统与中心管控平台便能整合所有的车辆状态与路况信息，实现对车辆的统筹调度，才能发挥车辆的群体智能，从而构建完整的智能交通生态。

在百度Apollo自动驾驶平台给出的V2X（vehicle to everything，即车对外界的信息交换）车路协同方案中，我们得以大致看到了智能网联车的全貌。

在整个架构中，车载系统就相当于每辆汽车所代表的一个基本单元，既能够上传车辆状态及运动信息，又能够接收来自路侧和管控平台的反馈指令。

路侧系统——既是物理层面上的信控设施，又是系统层面上的信息枢纽。

作为信控设施，其行为逻辑并不固定，而是能够根据云端指令随时进行调整；作为信息枢纽，它一方面接收来自车辆的个性状态，一方面向车辆与云端汇报周边的路侧信息。

在整个架构里位于云端的是网联云平台。

它将来自车辆与路侧的信息进行融合计算，利用宏观视角产出综合决策，并按照自己的预期规划对信息分流，将不同路的路线规划建议下发给不同车辆，将配套的调整策略下发给路侧系统。

在终端一层，“端”的概念不再是由一体集成的设备构成，而是将车辆视作了一个整体终端，且在终端之中形成了微缩版的边端架构。

在边缘上，不再是简单的服务器加网关组合，它兼备了物理功能与信息枢纽的特性。

整体架构上，“云边端”的三层结构变得不再严谨，三端互联互通，形成了一个更加灵活立体的复合型结构。

在实现自动驾驶的车路协调协中，我们再次看到了“云边端”的架构模式的应用，且在具体方案中得到了进一步的拓展。

在产业互联网凭借着5G加速发展的过程里，“云边端”模式正是充当着一个底层的衔接思路，努力调和着新场景与旧架构之间的矛盾。

而在模式与场景结合的过程中，无论是局部架构的创新还是人工智能的介入，场景也在倒逼着模式不停“进化”，“云边端”的含义与范畴也随之不断扩大。

5G，AI，与边缘计算的融合逐渐在当下形成了一股合力，它拉动着云端向人们头顶迫近，用智能织成了一张包裹万物的网。

参考资料：

《最全科普：为什么说边缘计算的冷饭要变盛宴了》DBAplus社群，201910

《边缘计算与云边端网络的融合与挑战》边缘计算社区，201912

《详解边缘计算的潜在价值：谷歌、亚马逊、阿里纷纷入局》钛媒体，201810

《当S8遇上边缘计算：谈阿里云ENS对直播业务场景的支撑》阿里云云栖号，201811

《对话顺网科技：依托网吧行业搭建算力池，愿为云游戏厂商提供算力》竞核，201909

《5G边缘计算将全面赋能自动驾驶和智慧交通》电子发烧友，201910