來(lái)源|鹿鳴財(cái)經(jīng)（公眾號(hào)ID：luminglab）
 

作者|龐好 封成
 

回首互聯(lián)網(wǎng)誕生的50年，中心與邊緣間的趨勢(shì)更迭已經(jīng)上演了數(shù)輪。

1999年，互聯(lián)網(wǎng)經(jīng)濟(jì)爆發(fā)。

人們從互聯(lián)互通以及去中心化的特點(diǎn)中逐漸找到了獨(dú)特的商業(yè)價(jià)值，互聯(lián)網(wǎng)創(chuàng)業(yè)的大幕就此拉開(kāi)。網(wǎng)絡(luò)應(yīng)用如雨后春筍，在世界各地的角落生根發(fā)芽。

時(shí)間推移，網(wǎng)絡(luò)世界的締造者們開(kāi)始在這片數(shù)字大陸上逐鹿廝殺，各個(gè)領(lǐng)域的幸存勢(shì)力慢慢壯大直至盤(pán)踞一方。

面對(duì)空間上“零距離”的選擇成本，網(wǎng)絡(luò)應(yīng)用的頭部效應(yīng)很快顯現(xiàn)，頭部公司不斷擴(kuò)張自己的領(lǐng)地，久而久之，信息朝著中心聚攏。

這樣的趨勢(shì)使得大規(guī)模的集約運(yùn)算成為了更好的選擇，它帶來(lái)的是資源復(fù)用率的提升以及運(yùn)算成本的優(yōu)化，加上網(wǎng)絡(luò)傳輸?shù)奶崴俳蒂M(fèi)，使得一種集中處理，開(kāi)放共享的信息處理模式成為可能。

2009年，云計(jì)算應(yīng)運(yùn)而生。 
 

再接下來(lái)的十年間，云計(jì)算模式蓬勃發(fā)展，越來(lái)越多的互聯(lián)網(wǎng)企業(yè)選擇使用公有云服務(wù)器，而公有云供應(yīng)商之間的競(jìng)爭(zhēng)與吞并也在不斷加劇，這使得無(wú)數(shù)信息向著屈指可數(shù)的幾個(gè)中心奔涌。

時(shí)間來(lái)到2019年，網(wǎng)絡(luò)傳輸開(kāi)啟了5G紀(jì)元，網(wǎng)絡(luò)帶寬的“超級(jí)加倍”與極低的響應(yīng)延遲是其最直觀的表現(xiàn)。

一方面，更大的帶寬使應(yīng)用軟件的功能不斷拓展，從而產(chǎn)出了更多需要被處理的信息；另一方面，高帶寬低時(shí)延的特征也催生了更多應(yīng)用場(chǎng)景的出現(xiàn)，隨之創(chuàng)造出了更多的需求終端。

無(wú)論是源于原有應(yīng)用帶來(lái)的需求激增，還是隨場(chǎng)景拓展的終端數(shù)量，都無(wú)疑會(huì)給本就極度中心化的云計(jì)算模式帶來(lái)更加沉重的負(fù)擔(dān)。

而這些負(fù)擔(dān)則將轉(zhuǎn)化為云計(jì)算模式的運(yùn)作成本。

從信息處理上看，處理器硬件的摩爾定律已經(jīng)失效，要想在處理能力上獲得更大的提升，就必須付出與收益不成比例的代價(jià)。從信息傳輸上看，傳統(tǒng)一對(duì)多的中心架構(gòu)持續(xù)增加著傳輸成本，且難以進(jìn)行優(yōu)化。

總體來(lái)說(shuō)，是傳輸技術(shù)的變革打破了云計(jì)算原有模式的收支平衡，使得傳統(tǒng)的中心計(jì)算模式難以為繼。

由此，集成了眾多前沿技術(shù)理論與科技成果的邊緣計(jì)算模式登上了歷史舞臺(tái)。

它將傳統(tǒng)云計(jì)算單一的CS（服務(wù)器-客戶機(jī)，即Client-Server）網(wǎng)絡(luò)架構(gòu)轉(zhuǎn)化為了在中間有更多邊緣模塊參與的CES架構(gòu)（Client-Edge-Server)。

邊緣層級(jí)的加入不僅為云計(jì)算成功釋放了中心壓力，還使其成功打破了應(yīng)用范圍的瓶頸，向邊緣遷徙的算力如同章魚(yú)的觸手般吸附到各行各業(yè)中。

邊緣與中心相結(jié)合的云計(jì)算架構(gòu)將成為構(gòu)筑我們未來(lái)生活的基礎(chǔ)，一個(gè)屬于“邊緣”的時(shí)代已經(jīng)來(lái)臨。

一

老板，給你的工廠升級(jí)嗎？
 

新架構(gòu)下的云計(jì)算首先實(shí)現(xiàn)了對(duì)物聯(lián)網(wǎng)應(yīng)用場(chǎng)景的賦能。

不久以前，浙江移動(dòng)憑借著新的云計(jì)算架構(gòu)為汽車零部件制造廠商愛(ài)柯迪量身定制了首個(gè)智慧工廠方案。

7月底，愛(ài)柯迪6號(hào)5G智慧工廠正式投入使用。

據(jù)36氪文章報(bào)道，在愛(ài)柯迪私有云后端，一個(gè)后臺(tái)“人工智能大腦”能夠直接跟前端7個(gè)工廠87個(gè)車間、2300臺(tái)設(shè)備和約1500個(gè)移動(dòng)終端——近4000個(gè)前端點(diǎn)同時(shí)進(jìn)行交互和控制，通過(guò)5G信號(hào)把數(shù)據(jù)全部“上云”；

然后在云端進(jìn)行精準(zhǔn)總控，滿足不同車間個(gè)性化應(yīng)用場(chǎng)景的需求，以往人工一個(gè)小時(shí)的工作量，在這個(gè)智慧工廠約15分鐘就可以完成。

那么，如此高效的物聯(lián)管理究竟是基于怎樣的網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)的呢？

其實(shí)，能夠?qū)崿F(xiàn)物聯(lián)方案的不止移動(dòng)。像華為、百度、阿里等資深公有云玩家都已針對(duì)不同的物聯(lián)網(wǎng)場(chǎng)景給出了十分成熟且標(biāo)準(zhǔn)化的解決方案。

在阿里云官網(wǎng)中，有著這樣一套關(guān)于綜合能源管理的智能方案。它從底層的設(shè)備接入，到邊緣的容器管理與配套算法模板，再到頂層云端的大數(shù)據(jù)分析與運(yùn)程運(yùn)維，都有著模塊化的專項(xiàng)業(yè)務(wù)。 
 

二

“云邊端”的三體協(xié)同

以物聯(lián)網(wǎng)為場(chǎng)景，“云”就是云計(jì)算中心；“端”是提供生產(chǎn)或服務(wù)的設(shè)備終端；“邊”是介于云計(jì)算中心與設(shè)備終端間的“邊緣云”，它通常是由小型運(yùn)算節(jié)點(diǎn)或智能網(wǎng)關(guān)組成，靠近終端，且數(shù)目眾多。

當(dāng)物聯(lián)網(wǎng)走到今天，其連接的設(shè)備大都已經(jīng)具備了與外界進(jìn)行簡(jiǎn)單交互的能力。例如具有機(jī)器視覺(jué)的分揀裝置，能夠測(cè)溫的門禁系統(tǒng)，或是根據(jù)光線調(diào)節(jié)強(qiáng)弱的照明設(shè)備。

它們都依靠著高精度的傳感器，這就使得每分每秒都有海量的數(shù)據(jù)被生產(chǎn)出來(lái)。

僅僅一臺(tái)設(shè)備，一天就能生產(chǎn)幾TB的內(nèi)容。如果將這些內(nèi)容全部交給云端處理，勢(shì)必會(huì)造成服務(wù)器的負(fù)載與反饋決策的延遲。

對(duì)此，人為的加處理層級(jí)，在架構(gòu)上尋找優(yōu)化空間，實(shí)現(xiàn)分布式運(yùn)算，才是行之有效的方法。

正如一臺(tái)低頻多核的電腦，它或許無(wú)法流暢運(yùn)行3A游戲，但卻能在渲染出圖的工作中出類拔萃。由眾多小型計(jì)算設(shè)備組合成的“邊緣云”擁有著多核優(yōu)勢(shì)，它能夠過(guò)濾掉大部分重復(fù)卻簡(jiǎn)單的工作，只把關(guān)鍵任務(wù)上傳，為云端減負(fù)。

首先，邊緣節(jié)點(diǎn)會(huì)依靠特定的算法模板對(duì)相關(guān)數(shù)據(jù)進(jìn)行一次預(yù)處理，精簡(jiǎn)過(guò)后，再通過(guò)“云邊”之間搭設(shè)的專用網(wǎng)絡(luò)，以最快的速度傳遞到云端，實(shí)現(xiàn)遠(yuǎn)程運(yùn)維與大數(shù)據(jù)分析。

除了為云端減負(fù)，邊緣還能充當(dāng)了一個(gè)地面指揮中心的角色?？拷鼣?shù)據(jù)源頭帶來(lái)的低延時(shí)優(yōu)勢(shì)，使其能夠根據(jù)上級(jí)命令，對(duì)自己管轄的終端進(jìn)行更加及時(shí)有效管理。

而更多智能模塊的嵌入，還能使邊緣獲得自治效果，即便是與云端失聯(lián)，也能在短期時(shí)間內(nèi)保證各終端的協(xié)同與穩(wěn)定。

總體來(lái)說(shuō)，邊緣層級(jí)的使命就是優(yōu)化信息處理的結(jié)構(gòu)，以及分區(qū)管理底層終端。

如今，有越來(lái)越多的IoT與AIoT（AI+物聯(lián)網(wǎng)）方案，在云端與邊緣節(jié)點(diǎn)之間加設(shè)了一個(gè)虛擬層級(jí)——管理控制平臺(tái)。其目的就是進(jìn)一步切分云端任務(wù)，使云端下放監(jiān)管職能，專心負(fù)責(zé)大數(shù)據(jù)的存儲(chǔ)與分析。

另外，這一模式的變數(shù)還可能發(fā)生在終端層級(jí)。

移動(dòng)芯片設(shè)計(jì)公司ARM，在剛剛過(guò)去的2月發(fā)布了Cortex M55架構(gòu)芯片和Ethos-U55架構(gòu)的“神經(jīng)處理單元”，旨在將人工智能功能植入諸如用于檢測(cè)人類語(yǔ)音或其他數(shù)據(jù)流的傳感器等微型設(shè)備。

這將為未來(lái)的AIoT方案帶來(lái)更多的變數(shù)。

所以，“云邊端”模式并非是有著某種固定形態(tài)的萬(wàn)金油方案，它呈現(xiàn)出的是一種用組織形態(tài)換取工作效率的變革趨勢(shì)。

物聯(lián)網(wǎng)外，還有許許多多的應(yīng)用場(chǎng)景因?yàn)?G迎來(lái)落地，類似的架構(gòu)思路也必然同樣適用。由此，“云邊端”模式便開(kāi)始了多線作戰(zhàn)的本土化進(jìn)程。
 

三

等到2077你還要刷抖音嗎？

受到5G影響，以互動(dòng)直播與在線教育為首的新興流媒體產(chǎn)業(yè)進(jìn)入了高速發(fā)展的快車道。而產(chǎn)業(yè)的快速變革也為舊網(wǎng)絡(luò)架構(gòu)帶來(lái)了諸多挑戰(zhàn)。

對(duì)于互動(dòng)直播與在線教育而言，網(wǎng)絡(luò)波動(dòng)與延時(shí)一直是在傳統(tǒng)架構(gòu)下始終無(wú)法大幅改善的問(wèn)題。

例如在大型賽事直播的開(kāi)局與高潮時(shí)段，驟然激增的視頻流量以及海量發(fā)出的彈幕互動(dòng)，通常都會(huì)使服務(wù)器突發(fā)超額負(fù)載，造成嚴(yán)重的網(wǎng)絡(luò)波動(dòng)。

在延時(shí)這個(gè)問(wèn)題上，遠(yuǎn)距離傳輸是最大的難點(diǎn)。例如在線上教育的場(chǎng)景中，某些外教課程就是在萬(wàn)里之外跨海進(jìn)行的，這必然會(huì)帶來(lái)課程質(zhì)量的下滑。

面對(duì)上述挑戰(zhàn)，“云邊端”的思路再次得到了應(yīng)用。

同樣是對(duì)云端職能進(jìn)行拆分：數(shù)據(jù)流的合并轉(zhuǎn)發(fā)，視頻解碼，以及彈幕分發(fā)等功能都被下放到了離用戶更近的邊緣節(jié)點(diǎn)進(jìn)行，再由CDN（內(nèi)容分發(fā)網(wǎng)絡(luò)）分區(qū)下放到每個(gè)用戶；在整個(gè)架構(gòu)中，云端則退居二線，扮演中心調(diào)度與統(tǒng)籌管理的角色。

視頻處理能力與彈幕分發(fā)功能的下放使得在CDN周圍產(chǎn)生了一個(gè)動(dòng)態(tài)的算力池，它既能夠在峰值時(shí)段前預(yù)留出水位，有效提高系統(tǒng)應(yīng)對(duì)高并發(fā)壓力時(shí)的彈性，又能臨時(shí)充當(dāng)分布式的計(jì)算節(jié)點(diǎn)，從而快速消解瞬時(shí)流量激增造成的負(fù)載壓力，把網(wǎng)絡(luò)波動(dòng)降到最低。

而針對(duì)遠(yuǎn)距離的傳輸場(chǎng)景，邊緣節(jié)點(diǎn)能夠優(yōu)先對(duì)零散的地面用戶進(jìn)行整合，進(jìn)而通過(guò)專用的高速回云網(wǎng)絡(luò)，大幅提高云邊之間的傳輸效率，降低網(wǎng)絡(luò)低延時(shí)。

再看云游戲與虛擬現(xiàn)實(shí)。

相較于直播，其延遲誤差是用毫秒計(jì)算的，短短一秒鐘就可能從用戶終端發(fā)出數(shù)個(gè)有效指令，且在指令到達(dá)的瞬間，基于指令產(chǎn)生的渲染畫(huà)面就必須實(shí)時(shí)完成，這都使得在整個(gè)系統(tǒng)架構(gòu)中，邊緣節(jié)點(diǎn)需要承載更多算力。

基于云游戲的要求，其解決方案則是在邊緣搭建大量的集群服務(wù)器，將短期交互全權(quán)交由邊緣處理，而云端只負(fù)責(zé)存儲(chǔ)與管理用戶的長(zhǎng)期數(shù)據(jù)。

作為我國(guó)網(wǎng)吧業(yè)龍頭的順網(wǎng)科技，更是做出了將云游戲的邊緣節(jié)點(diǎn)與網(wǎng)吧結(jié)合的創(chuàng)新。

順網(wǎng)依據(jù)自己的網(wǎng)吧業(yè)務(wù)為分區(qū)搭建邊緣機(jī)房，利用在機(jī)房與網(wǎng)吧間搭設(shè)數(shù)據(jù)專線構(gòu)建獨(dú)特的互助生態(tài)。

利用在終端設(shè)備上監(jiān)控到的網(wǎng)吧運(yùn)營(yíng)狀況，邊緣可以按需實(shí)現(xiàn)資源調(diào)配，為網(wǎng)吧提供最廉價(jià)的云主機(jī)服務(wù)。

這不僅能幫助網(wǎng)吧業(yè)主擺脫重資產(chǎn)困境，也為順網(wǎng)價(jià)格高昂的GPU算力分?jǐn)偭顺杀?。?duì)于游戲與網(wǎng)吧收入五五入賬的順網(wǎng)來(lái)說(shuō)，這絕對(duì)是一步一石二鳥(niǎo)的好棋。 
 

三

一路躺著去上班

不只是流媒體，5G+“云邊端”的組合還同樣激活了智能交通。

“以前，智能交通領(lǐng)域寄希望于讓前端單個(gè)設(shè)備提升算力，而5G時(shí)代，廣泛的前端設(shè)備實(shí)現(xiàn)了算力的全面連接與覆蓋，場(chǎng)景感知力的綜合提升讓智能交通系統(tǒng)變得更加及時(shí)、智能，這時(shí)我們知道，新一代智慧路網(wǎng)正在形成。”千方副總裁、技術(shù)研究院院長(zhǎng)孫亞夫在云棲大會(huì)現(xiàn)場(chǎng)如是說(shuō)。

在智能交通這個(gè)未來(lái)產(chǎn)業(yè)上，我國(guó)給出的答案是打造智能網(wǎng)聯(lián)車，即“智能車+車聯(lián)網(wǎng)”。

智能車就是我們常說(shuō)的能夠達(dá)到L5級(jí)別，完全實(shí)現(xiàn)自動(dòng)駕駛的汽車。而車聯(lián)網(wǎng)就是將智能汽車無(wú)縫接入網(wǎng)絡(luò)，利用網(wǎng)絡(luò)為車輛提供輔助信息，進(jìn)一步保障行車安全，提高出行效率。

在自動(dòng)駕駛技術(shù)中，位于核心地位，且消耗最多算力的，是單車智能系統(tǒng)。

單車智能系統(tǒng)通過(guò)配置大量?jī)?nèi)部和外部傳感器，從而獲取自身狀態(tài)及周邊環(huán)境信息，并通過(guò)獲取的環(huán)境信息對(duì)周邊環(huán)境進(jìn)行融合建模，再結(jié)合自身狀態(tài)作出決策。

就拿主流的外部傳感器來(lái)說(shuō)，像激光雷達(dá)，毫米波雷達(dá)等儀器都是極為精密的，其產(chǎn)生出的數(shù)據(jù)也會(huì)非常龐大。

據(jù)英特爾公司在今年的估算，自動(dòng)駕駛車一天就會(huì)產(chǎn)生4TB的數(shù)據(jù)。據(jù)了解，通信航空器一天產(chǎn)生的數(shù)據(jù)量有也只有5TB，相比之下，可以看出自動(dòng)駕駛車的數(shù)據(jù)量之大。

面對(duì)如此龐大且集中的數(shù)據(jù)，雖然在表象上與云計(jì)算有著天然的契合，但由于自動(dòng)駕駛場(chǎng)景對(duì)于延遲和脫網(wǎng)風(fēng)險(xiǎn)有著天生的“零容忍”，所以在單車智能系統(tǒng)中，所有的計(jì)算都必須在隱患最小的本地進(jìn)行。

在完全采用本地計(jì)算的工控機(jī)方案上，其具體實(shí)施出現(xiàn)了整體體積占用大，功耗高，不易量產(chǎn)等特點(diǎn)。

取而代之的便是域控制器嵌入式方案 ：即將各個(gè)傳感器的原始數(shù)據(jù)接入到 Sensor Box （一種無(wú)線數(shù)據(jù)采集器）中，完成數(shù)據(jù)的融合，再由Sensor Box將融合后的數(shù)據(jù)傳輸?shù)杰囕d計(jì)算平臺(tái)上進(jìn)行算法處理。  
 

簡(jiǎn)言之，這就是一種微觀視角下的邊端架構(gòu)。

其本質(zhì)是把涉及單車智能的傳感器數(shù)據(jù)整體打包，再發(fā)送到車載邊緣處理，只不過(guò)邊緣節(jié)點(diǎn)與終端幾乎是零距離的。

雖然，單車智能的高低是衡量自動(dòng)駕駛技術(shù)的主要標(biāo)準(zhǔn)，但面對(duì)我國(guó)極其復(fù)雜路的道路狀況，僅僅憑借單車智能是無(wú)法確保行車安全的。

將車輛接入網(wǎng)絡(luò)，依靠配套的路側(cè)系統(tǒng)與中心管控平臺(tái)便能整合所有的車輛狀態(tài)與路況信息，實(shí)現(xiàn)對(duì)車輛的統(tǒng)籌調(diào)度，才能發(fā)揮車輛的群體智能，從而構(gòu)建完整的智能交通生態(tài)。

在百度Apollo自動(dòng)駕駛平臺(tái)給出的V2X（vehicle to everything，即車對(duì)外界的信息交換）車路協(xié)同方案中，我們得以大致看到了智能網(wǎng)聯(lián)車的全貌。

在整個(gè)架構(gòu)中，車載系統(tǒng)就相當(dāng)于每輛汽車所代表的一個(gè)基本單元，既能夠上傳車輛狀態(tài)及運(yùn)動(dòng)信息，又能夠接收來(lái)自路側(cè)和管控平臺(tái)的反饋指令。

路側(cè)系統(tǒng)——既是物理層面上的信控設(shè)施，又是系統(tǒng)層面上的信息樞紐。

作為信控設(shè)施，其行為邏輯并不固定，而是能夠根據(jù)云端指令隨時(shí)進(jìn)行調(diào)整；作為信息樞紐，它一方面接收來(lái)自車輛的個(gè)性狀態(tài)，一方面向車輛與云端匯報(bào)周邊的路側(cè)信息。

在整個(gè)架構(gòu)里位于云端的是網(wǎng)聯(lián)云平臺(tái)。
 

它將來(lái)自車輛與路側(cè)的信息進(jìn)行融合計(jì)算，利用宏觀視角產(chǎn)出綜合決策，并按照自己的預(yù)期規(guī)劃對(duì)信息分流，將不同路的路線規(guī)劃建議下發(fā)給不同車輛，將配套的調(diào)整策略下發(fā)給路側(cè)系統(tǒng)。

在終端一層，“端”的概念不再是由一體集成的設(shè)備構(gòu)成，而是將車輛視作了一個(gè)整體終端，且在終端之中形成了微縮版的邊端架構(gòu)。

在邊緣上，不再是簡(jiǎn)單的服務(wù)器加網(wǎng)關(guān)組合，它兼?zhèn)淞宋锢砉δ芘c信息樞紐的特性。

整體架構(gòu)上，“云邊端”的三層結(jié)構(gòu)變得不再嚴(yán)謹(jǐn)，三端互聯(lián)互通，形成了一個(gè)更加靈活立體的復(fù)合型結(jié)構(gòu)。

在實(shí)現(xiàn)自動(dòng)駕駛的車路協(xié)調(diào)協(xié)中，我們?cè)俅慰吹搅恕霸七叾恕钡募軜?gòu)模式的應(yīng)用，且在具體方案中得到了進(jìn)一步的拓展。
 

在產(chǎn)業(yè)互聯(lián)網(wǎng)憑借著5G加速發(fā)展的過(guò)程里，“云邊端”模式正是充當(dāng)著一個(gè)底層的銜接思路，努力調(diào)和著新場(chǎng)景與舊架構(gòu)之間的矛盾。

而在模式與場(chǎng)景結(jié)合的過(guò)程中，無(wú)論是局部架構(gòu)的創(chuàng)新還是人工智能的介入，場(chǎng)景也在倒逼著模式不停“進(jìn)化”，“云邊端”的含義與范疇也隨之不斷擴(kuò)大。

5G，AI，與邊緣計(jì)算的融合逐漸在當(dāng)下形成了一股合力，它拉動(dòng)著云端向人們頭頂迫近，用智能織成了一張包裹萬(wàn)物的網(wǎng)。
 

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com