2018-边缘智能白皮书_64页-4mb

边缘智能白皮书总结

核心内容

边缘智能是边缘计算发展的新阶段，通过将人工智能部署在业务层和终端侧，实现数据的本地化处理与决策，从而提升物联网应用的实时性、可靠性与安全性。它不仅是对云计算的一种补充，更是物联网应用落地的重要使能者。

主要观点

1. 边缘智能的必要性：

   • 随着物联网连接数的快速增长，云计算无法满足海量数据处理、低时延、高可靠和数据安全等需求，边缘智能应运而生。
   • 边缘智能可以降低数据处理成本，提高本地响应速度，减少对网络带宽的依赖。

2. 边缘智能的特征：

   • 实时性：边缘计算靠近数据源头，可避免时延问题。
   • 数据安全性：边缘智能在数据传输和处理过程中加强隐私保护。
   • 应用多样化：支持各种业务场景，如智能城市、智能工业、车联网等。
   • 能耗优化：降低整体计算中心的能耗，提高计算效率。

3. 边缘智能与云计算的关系：

   • 边缘智能与云计算是互补关系，云计算负责非实时数据分析和模型训练，边缘智能负责实时处理和本地决策。
   • 二者结合可实现更精细化的计算能力，为物联网应用提供支撑。

关键信息

1.1 边缘计算产生的背景

• 物联网连接数快速增长：预计2025年全球物联网连接数将达270亿个，其中蜂窝连接数为220亿个，大部分基于LTE。
• 网络流量持续增长：2021年全球月均网络流量将达278EB，较2016年增长3倍，年复合增长率24%。
• 网络带宽瓶颈：5G虽具备更强能力，但全面覆盖仍需时间，且带宽增长速度远低于数据增长速度。

1.2 边缘计算问世

• 边缘计算的定义：融合网络、计算、存储和应用能力，提供边缘智能服务。
• 主要特点：
  • 数据处理实时性
  • 业务数据可靠性
  • 应用开发多样化
• 与云计算的区别：
  • 低时延、数据安全、能耗优化

1.3 从边缘计算到边缘智能

• 边缘智能的优势：
  • 提升数据价值，减少无效数据的处理
  • 降低数据处理成本，提升业务效率
  • 提供更高效的计算方式，降低对网络带宽的依赖
• 主要应用方向：
  • 专网类业务场景（如工业制造）
  • 营销提升场景（如零售、广告）
  • 体验提升场景（如VR/AR、智能物流）

2.1 业务场景需求驱动的边缘智能

• 网络传输场景：
  • 异构网络通信需求（如WiFi、蓝牙、Zigbee、LPWAN）
  • 需要“中枢”设备进行数据融合与协议转换
• 网络资源受限场景：
  • 带宽不足与突发网络中断
  • 边缘智能在数据缓存与本地处理中发挥重要作用
• 端到端低时延场景：
  • 5G与MEC的结合，实现毫秒级时延
  • 支持智能工业、自动驾驶等对时延敏感的应用

2.2 技术能力支撑的边缘智能

• 主要支撑技术：
  • 边缘计算平台/系统：如ParaDrop、Cloudlet、PCloud、Firework、海云计算
  • 计算迁移：减少网络传输量，提升处理效率
  • 存储技术：采用非易失性存储介质，提升数据访问效率
  • 轻量级函数库与内核：满足边缘设备的资源限制
  • 通信技术：5G、MEC、SDN、NFV等技术为边缘智能提供基础支撑

2.3 主要的边缘智能参考架构

• ETSI MEC参考架构：
  • 支持多种业务场景，如智能视频、AR、车联网等
  • 提供统一的端到端标准和参考架构
• ECC边缘计算参考架构：
  • 基于模型驱动工程方法，实现智能服务与业务编排
• KCE架构：
  • 基于知识的边缘计算系统，实现资源优化与智能决策

3.1 边缘智能产业图谱

• 主要参与者分类：
  • 边缘载体供应商：包括通信设备商、芯片厂商、工业设备商、IT基础设施厂商和其他硬件厂商
  • 业务运营商：电信运营商和其他第三方运营商，提供边缘智能平台服务
  • 服务提供商：集成商与应用开发商，提供具体解决方案
  • 最终用户：涵盖消费级与产业级物联网用户
  • 产业服务机构：科研机构、标准化组织、产业联盟等推动技术发展与标准化

3.2 边缘智能产业生态主要组成部分

• 硬件设备商：提供边缘计算设备与基础设施
• 软件供应商：提供平台级软件与行业解决方案
• 业务运营商：提供边缘智能服务与平台
• 服务提供商：为终端用户提供定制化解决方案
• 最终用户：物联网终端用户与行业用户
• 产业服务机构：推动技术研究与标准制定

4.1 互联网公司

• 阿里巴巴：
  • 推出Link Edge，支持云、边、端协同计算
  • 提供设备接入、数据清洗、AI模型部署等功能
• 亚马逊：
  • 推出AWS Greengrass，实现本地计算与数据缓存
  • 支持断网情况下本地运行，减少云端依赖
• 微软：
  • 推出Azure IoT Edge，支持本地计算与边缘设备的管理
  • 未来将推出更多边缘设备与传感器

4.2 通信设备公司

• 华为：
  • 推出EC-IoT解决方案，支持边缘计算与云管理
  • 采用SDN技术，部署边缘计算网关，提升服务效率

4.3 运营商

• 中国移动：
  • 推动移动边缘计算，支持低时延VR体验
  • 发布相关报告，分析MEC的发展背景与市场需求
• 中国联通：
  • 主导物联网需求相关标准制定

5.1 应用案例

• 智能城市、智能工业、车联网、智能家居等：已形成示范应用，推动行业落地
• 边缘智能的商业模式：
  • B2B2C、B2B等多种形式
  • 通过边缘智能提升用户体验与业务效率

6.1 未来发展趋势

• 发展初级阶段：边缘智能仍处于初期，需在标准化、产业联盟、场景驱动、产业链协同、安全隐私等方面进一步完善
• 挑战与机遇：
  • 技术、业务、商业模式等仍存在不确定性
  • 需要更多产业链协同，推动边缘智能规模化落地
• 主要贡献单位：
  • ICA联盟、ETSI、ECC、高校研究团队等

3.3 边缘智能产业发展规模

• 经济价值：
  • 通过边缘智能可大幅降低项目成本，如风电场案例中，成本下降达85%
• 市场规模预测：
  • 2020年，预计有5.63亿政府与企业级物联网设备连接至边缘智能平台
  • 2021年，全球云计算市场规模将达5650亿美元，其中边缘云市场约1130亿美元

产业生态展望

• 产业链协同：需要加强产业链上下游合作，提升整体服务能力
• 标准化推动：通过标准化组织推动技术发展，降低碎片化
• 安全隐私保障：随着数据处理本地化，需加强数据安全与隐私保护
• 场景驱动：业务场景是推动边缘智能发展的核心因素
• 未来方向：向“云-边-端”协同计算发展，提升用户体验与业务效率