毛片网站在线观看-毛片网站在线-毛片网站有哪些-毛片网站视频-女生脱衣服app-女色综合

當前全球數(shù)字化浪潮蓬勃興起，邊緣計算通過就近提供計算、網(wǎng)絡、智能等關鍵能力，加速賦能經(jīng)濟轉(zhuǎn)型升級，已逐步成為計算體系的新方向、信息領域的新業(yè)態(tài)、產(chǎn)業(yè)轉(zhuǎn)型的新平臺，整體上處于高速發(fā)展階段，正從概念普及加速走向務實部署，受到了學術界和產(chǎn)業(yè)界的廣泛關注。Gartner、IEEE等權威機構將邊緣計算作為2020年十大技術方向，中國科學院和中國工程院在《2020研究前沿》、《全球工程前沿2020》中，將邊緣計算列入信息領域十大技術前沿。據(jù)Research and Market預測，邊緣計算市場規(guī)模2018~2022年復合增長率超30%；據(jù)CB Insights預測，2023年全球邊緣計算市場有望達到340億美元[1]。本文從學術界及產(chǎn)業(yè)界兩個維度深入剖析邊緣計算概念內(nèi)涵、學術方向、產(chǎn)業(yè)路徑，綜述邊緣計算在核心環(huán)節(jié)發(fā)展面臨的挑戰(zhàn)和問題，研判邊緣計算未來發(fā)展態(tài)勢與方向。

1 邊緣計算概念與外延

1.1 邊緣計算發(fā)展驅(qū)動力

邊緣計算起源最早可以追溯至1998年Akamai提出的內(nèi)容分發(fā)網(wǎng)絡CDN[2]，通過分布式部署的緩存服務器，將用戶訪問指向最新服務器，提升服務響應速度。而在萬物互聯(lián)帶來的邊緣數(shù)據(jù)爆發(fā)式增長以及新的應用需求驅(qū)動下，產(chǎn)業(yè)界和學術界更加關注在靠近數(shù)據(jù)源頭的邊緣實現(xiàn)計算、智能等多元能力，同時各類ICT技術不斷成熟也為邊緣計算應用奠定基礎。

1.1.1 應用需求驅(qū)動力

Machina Research報告顯示，隨著工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、AR/VR等垂直領域的蓬勃發(fā)展，2025年全球網(wǎng)聯(lián)設備總數(shù)將超過270億，聯(lián)網(wǎng)設備的指數(shù)級增長導致網(wǎng)絡傳輸能力及中心云處理能力捉襟見肘。根據(jù)思科云指數(shù)預測[3]，截至2021年，接入網(wǎng)絡的終端每年產(chǎn)生數(shù)據(jù)達847 ZB，數(shù)據(jù)呈分散性、碎片化，超過50%的數(shù)據(jù)需要在網(wǎng)絡邊緣側分析、處理與存儲。云計算雖然有強大的數(shù)據(jù)處理能力，但是在面對海量的數(shù)據(jù)以及網(wǎng)絡帶寬帶來的阻礙時，并不能實現(xiàn)全面的計算覆蓋，需要對數(shù)據(jù)就近處理分析以滿足實時性要求。

1.1.2 技術創(chuàng)新驅(qū)動力

近年來，各類分布式計算模式不斷涌現(xiàn)，Gartner 發(fā)布的2021年度技術趨勢將分布式計算列入其中[4]，核心理念是計算資源能夠更靠近發(fā)生數(shù)據(jù)和業(yè)務活動的物理位置，計算技術的升級推動邊緣計算產(chǎn)生，與量子計算、超級計算等先進計算技術協(xié)同聯(lián)動，實現(xiàn)邊緣側資源快速部署、彈性擴展以及實時響應，滿足多樣性應用需求。此外，新型網(wǎng)絡架構將采用服務化設計，要求資源可按需調(diào)用，為不同垂直行業(yè)提供快速響應和靈活部署，在5G等新型網(wǎng)絡架構中就明確將邊緣計算定義為重要組成部分。邊緣計算與網(wǎng)絡技術不斷融合，促進網(wǎng)絡能力開放，推動網(wǎng)絡智能化、協(xié)同化演進，實現(xiàn)計算與網(wǎng)絡等多維度資源協(xié)同調(diào)度優(yōu)化。

總體來說，邊緣計算作為網(wǎng)絡技術及計算技術的交匯創(chuàng)新點，帶來了計算資源和網(wǎng)絡資源的開放性、可調(diào)動性、可分配性等預期優(yōu)勢，將技術理念由剛性、粗放逐漸轉(zhuǎn)變?yōu)閺椥浴⒕殹?/p>

1.2 邊緣計算概念與內(nèi)涵

邊緣計算發(fā)展受到了各方廣泛關注，國際標準組織、學術界、產(chǎn)業(yè)界均給出了邊緣計算的定義，其概念還在不斷演進與優(yōu)化。

1.2.1 標準組織定義

2014年，歐洲電信標準化協(xié)會ETSI提出移動邊緣計算（Mobile Edge Computing）概念[5]：一種在移動網(wǎng)絡邊緣提供IT服務環(huán)境和計算能力的新型架構。隨著研究的持續(xù)推進，邊緣計算應用范疇已經(jīng)不局限于移動網(wǎng)絡場景，ETSI將“Mobile”改為“Multi-access”[6]， 旨在拓展邊緣計算的接入方式，表明邊緣計算與特定網(wǎng)絡接入方式無關，可以適用于固定互聯(lián)網(wǎng)、移動通信網(wǎng)、消費物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等不同場景，已逐步成為跨場景、跨領域的基礎共性技術。ISO/IEC  JTC1/SC38對邊緣計算的定義[7]：邊緣計算是將主要處理和數(shù)據(jù)存 儲放在網(wǎng)絡的邊緣節(jié)點的分布式計算架構。

1.2.2 學術界定義

2009年，卡內(nèi)基梅隆大學Satyanarayanan教授提出了微云（Cloudlet）概念[8]：通過將計算集群和移動設備本地化部署在同一個局域網(wǎng)中，不經(jīng)過核心網(wǎng)就可以直接提供計算服務，這開辟了學術界邊緣計算研究的先河。2016年，韋恩州立大學施巍松教授給出了邊緣計算定義[9]：在網(wǎng)絡邊緣執(zhí)行計算的一種新型計算模式，包含 下行的云服務和上行的萬物互聯(lián)服務，邊緣定義為數(shù)據(jù)源和云數(shù)據(jù)中心之間的任一計算和網(wǎng)絡資源節(jié)點。

1.2.3 產(chǎn)業(yè)界定義

2016年，邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）提出邊緣計算定義[10]：邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡邊緣側，融合網(wǎng)絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、數(shù)據(jù)優(yōu)化、應用智能、安全與隱私保護等方面的關鍵需求。

1.2.4 邊緣計算概念辨析

綜上所述，雖然各方對于邊緣計算定義有所差異， 但是核心理念都是將計算服務“下沉”，減少服務交付時延和帶寬需求。學術界和標準組織從技術研究角度出發(fā)認為邊緣計算是一種新的計算模式和一種新的技術架構，通過應用網(wǎng)絡切片[11]、容器[12]、計算遷移[13]、邊緣智能[14]等新技術，實現(xiàn)計算與網(wǎng)絡的協(xié)同演進。產(chǎn)業(yè)界從應用需求角度出發(fā)將邊緣計算定義為一種新產(chǎn)業(yè)平臺和一種新的生態(tài)體系，匯聚多維資源協(xié)同調(diào)度，就近響應需求，提高資源利用率，降低應用執(zhí)行時延。因此， 綜合各方定義，邊緣計算不僅是新計算模式、新技術架構、新產(chǎn)業(yè)平臺、新生態(tài)體系，也是“四維一體”，通過在網(wǎng)絡邊緣側匯聚網(wǎng)絡、計算、存儲、應用、智能等五類資源及能力，提高服務性能（提速）、開放控制能力（敏捷），提升用戶體驗，從而激發(fā)類似于移動互聯(lián)網(wǎng)生態(tài)的新模式和新應用。

2 邊緣計算發(fā)展環(huán)境

近年來，邊緣計算作為產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的核心技術，已經(jīng)成為全球各國的發(fā)展共識，從政策引導、標準研制、應用示范等多個維度進行統(tǒng)籌部署和協(xié)同推進， 國際競爭日趨激烈。

發(fā)達國家主要從三方面積極營造邊緣計算發(fā)展環(huán)境。一是強化技術標準引領，美國國家科學基金會和美國國家標準局，將邊緣計算列入項目申請指南，持續(xù)推進其關鍵技術研究[7]，ITU-T SG20、IEC/ISO JTC1 SC41、IEEE均成立了邊緣計算研究小組，以推動邊緣計算標準化工作[15]。二是加大產(chǎn)業(yè)投資力度，歐盟Networld 2020將邊緣計算作為重要研究部分列入其中，預計到2026年底，歐盟在邊緣計算領域的投資支出將達到1850億美元[16]。三是加強應用示范引導，日本推動成立EdgeCross協(xié)會推動邊緣計算在垂直行業(yè)落地，韓國目前已經(jīng)在8個主要城市部署邊緣計算節(jié)點， 在VR/AR、車聯(lián)網(wǎng)、無人機與安防監(jiān)控等場景的應用進行試點，日韓主要通過打造應用示范引導企業(yè)應用部署邊緣計算。

我國高度重視邊緣計算發(fā)展，主要聚焦三個維度， 一是強化技術供給，工信部發(fā)布《關于推動工業(yè)互聯(lián)網(wǎng)加快發(fā)展的通知》、《工業(yè)互聯(lián)網(wǎng)網(wǎng)絡建設及推廣指南》、《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標準體系建設指南》等文件， 推動建立統(tǒng)一、綜合、開放的工業(yè)互聯(lián)網(wǎng)邊緣計算標準體系，鼓勵相關單位在邊緣計算領域進行技術攻關，加速產(chǎn)品研發(fā)與產(chǎn)業(yè)化。目前，我國邊緣計算標準體系初步建立，中國通信標準化協(xié)會（CCSA）已經(jīng)針對邊緣計算開展了體系化的標準研究工作，形成在研標準近30 項。二是加強融合應用，國務院、工信部及各地方政府均出臺相關政策，大力促進邊緣計算等新興前沿技術在工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)等垂直領域中的應用研究與探索， 形成一批可復制的應用模式，進行全國推廣。目前，邊緣計算在工業(yè)、農(nóng)業(yè)、交通、物流等領域的試點部署日益廣泛并已取得明顯效益。三是打造產(chǎn)業(yè)生態(tài)，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟、邊緣計算產(chǎn)業(yè)聯(lián)盟、中國通信學會邊緣計算委員會等平臺的產(chǎn)業(yè)匯聚和支撐作用顯著發(fā)揮。2020年，中國信息通信研究院聯(lián)合產(chǎn)業(yè)各方成立邊緣計算創(chuàng)新實驗室，旨在打造產(chǎn)學研用相結合的技術產(chǎn)業(yè)開放平臺以及推動邊緣計算發(fā)展的創(chuàng)新載體。同時，針對邊緣計算發(fā)展存在產(chǎn)業(yè)碎片化以及供給側研發(fā)方向不明確等問題，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟啟動我國首個邊緣計算產(chǎn)業(yè)促進項目“邊緣計算標準件計劃”，加速邊緣計算產(chǎn)品形態(tài)整合歸類及功能規(guī)范化。

目前，各國邊緣計算發(fā)展態(tài)勢較為均衡，全球邊緣計算仍處于發(fā)展初期。美、日發(fā)達國家和跨國巨頭依托其云計算技術的既有優(yōu)勢積極布局邊緣計算發(fā)展，試圖引導全球產(chǎn)業(yè)鏈各方在技術、標準、應用模式；我國加強研究布局、積極構筑邊緣計算自主技術產(chǎn)業(yè)生態(tài)，避免形成新的路徑依賴。

3 邊緣計算學術研究熱點與方向

目前，學術界對邊緣計算研究主要聚焦兩大類關鍵技術方向，如表1所示，一是與邊緣計算直接相關的邊緣原生類技術，目前以計算遷移、邊緣智能為代表；二是邊緣計算與各類ICT前沿技術交叉的邊緣融合類技術， 目前的研究熱點包括邊緣計算+區(qū)塊鏈、算網(wǎng)融合等。

表1 邊緣計算熱點技術領域總結

3.1邊緣原生類技術—— 計算遷移

計算遷移技術有效解決了邊緣計算單一節(jié)點資源受限而無法滿足應用需求的問題，同時有效降低網(wǎng)絡帶寬壓力及應用完成時延。目前對計算遷移的研究，主要分為兩類：計算遷移決策機制設計、計算遷移資源優(yōu)化調(diào)度機制。

3.1.1 計算遷移決策機制

計算遷移決策機制主要決定是否要進行遷移以及遷移哪些任務等問題，而遷移決策的目標主要分為三方面。一是以降低時延為目標的計算遷移決策機制研究，在計算遷移過程中，數(shù)據(jù)傳輸時間、執(zhí)行時間等帶來的時延是影響邊緣計算服務質(zhì)量的重要因素，時延最小化是計算遷移的重要研究方向。文獻[18]利用一維搜索算法對計算應用的緩存隊列狀態(tài)、用戶和服務器中計算資源的可用情況以及網(wǎng)絡節(jié)點間的信道特征進行了綜合考慮。在該遷移機制中，用戶在每個時隙周期性地對應用隊列中的每個任務做出進行本地處理或完整遷移的決策，并在不考慮能耗的前提下最小化遷移機制所產(chǎn)生的計算遷移應用執(zhí)行時延。二是以降低能耗為目標的計算遷移機制研究，由于邊緣側存在大量電池容量受限的物聯(lián)網(wǎng)設備，在計算遷移過程中降低能耗也是一個重要研究方向。文獻[19]提出利用馬爾科夫決策過程（Markov Decision Process, MDP）對每個任務的執(zhí)行狀態(tài)進行建模，從而決定是否進行計算遷移，同時考慮遷移失敗概率、計算資源可用性等因素的影響，目的是最小化用戶能耗以及提高計算效率，并通過求解線性優(yōu)化問題來獲得最優(yōu)的遷移機制。三是面向多目標優(yōu)化的計算遷移機制研究，在執(zhí)行一些復雜應用過程中，能耗和時延均會影響邊緣計算服務質(zhì)量，因此越來越多的研究開始綜合考慮能耗和時延的多目標優(yōu)化。文獻[20]基于受限馬爾科夫決策過程（Constrained Markov Decision Process，CMDP）對計算遷移機制中的時延和能耗問題進行了數(shù)學化的模型描述。在該模型的基礎上，首先設計了一套基于在線學習（Online Learning）的計算遷移策略，使計算服務節(jié)點能夠針對任務請求節(jié)點當前所運行的應用類型動態(tài)地做出遷移策略的精細化調(diào)整。

3.1.2 計算遷移資源優(yōu)化調(diào)度

完成遷移決策后，計算遷移需要考慮資源分配問題，其中，面向多邊緣計算節(jié)點的資源優(yōu)化調(diào)度研究已經(jīng)成為主要研究方向。文獻[21]基于多節(jié)點間鏈路持續(xù)時間預測，提出一種啟發(fā)式的多節(jié)點協(xié)作計算遷移資源優(yōu)化調(diào)度方法，有效提升資源利用效率。文獻[22]提出面向多節(jié)點的計算遷移優(yōu)化框架，利用半定松弛（Semi-definite Relaxation）方法實現(xiàn)節(jié)點間復雜均衡，最大限度降低時延及能耗。

3.2 邊緣原生類技術——邊緣智能

邊緣智能有效促進本地化洞察和智能實時響應，滿足了差異化業(yè)務需求。目前主要研究聚焦在兩個方向： 模型壓縮、協(xié)同推理。

3.2.1 模型壓縮

考慮到邊緣計算資源受限、能耗等問題，如何在邊緣高效部署深度學習模型是一個非常值得研究的問題。為了減少模型運行時對資源的消耗，并使模型能運行到更輕量級的邊緣計算設備上，一般可以對模型進行蒸餾、剪枝、量化等壓縮操作。文獻[23]提出一種基于權重的剪枝方法，在不影響準確度的前提下裁剪訓練模型，再通過訓練量化和Huffman編碼來增強剪枝恢復模型訓練精度，最終將原始模型變?yōu)檩p量級模型。文獻[24]提出在多層神經(jīng)網(wǎng)絡中去除值為零且不影響模型準確度的神經(jīng)元，減少模型訓練對計算及存儲資源的需求，可以在邊緣計算設備上完成模型訓練過程。

3.2.2 協(xié)同推理

協(xié)同推理利用推理性能較強的云作為推理后端來提升推理效果。對于推理來說，直接在邊側推理可以有更小的時延和更大的吞吐，而直接在云側推理可以帶來更好的推理精度。如何在邊側推理資源有限的情況下，使時延和吞吐不明顯降低，提高推理精度已成為重要研究方向。文獻[26]提出一種模型切割方法，將深度卷積神經(jīng) 網(wǎng)絡按層分割，通過多級協(xié)同的方式完成推理，可以在網(wǎng)絡邊緣端高效支撐深度學習推理任務。此外還可以采用卷積層的可伸縮融合切片分區(qū)（FTP），以最大程度減少內(nèi)存占用量，同時提高并行性。

3.3 邊緣融合類技術——算網(wǎng)融合

傳統(tǒng)網(wǎng)絡和計算分離模式難以滿足工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、云游戲等新興應用需求，未來以邊緣計算為基礎的算網(wǎng)融合一體化發(fā)展已成為必然，形成了算網(wǎng)融合重要方向，聚焦算力網(wǎng)絡、網(wǎng)絡編排等代表性技術，學術界和產(chǎn)業(yè)界進行了大量的探索和創(chuàng)新。

3.3.1 算力網(wǎng)絡

算力網(wǎng)絡通過網(wǎng)絡連接并匯聚計算資源，針對不同應用需求統(tǒng)一管理和調(diào)度算力資源。文獻[27]在研究邊緣 計算算力分配和調(diào)度需求的基礎上，提出了云、網(wǎng)邊融合的算力網(wǎng)絡方案，實現(xiàn)異構資源在各級節(jié)點的靈活調(diào)度，滿足未來業(yè)務需求。文獻[28]研究了算力網(wǎng)絡分層架 構，并結合算力網(wǎng)絡控制技術，提出了分布式控制及集中式控制兩種實現(xiàn)方式。文獻[29]提出一種輕量化、多集群的分級邊緣資源調(diào)度方案，基于輕量級的云原生平臺，實現(xiàn)了面向算力網(wǎng)絡的前端海量邊緣設備的統(tǒng)一納管，并且能夠在多種架構的嵌入式平臺進行部署。

3.3.2 網(wǎng)絡編排

軟件定義網(wǎng)絡技術為網(wǎng)絡控制模式變革帶來了新的契機，而面向算網(wǎng)融合新趨勢，網(wǎng)絡的端到端控制與編排能力將進一步強化。文獻[30]提出了基于機器學習的軟 件定義智能網(wǎng)絡應用，隨著人工智能技術的不斷突破， 網(wǎng)絡編排正由“自動化”向“智能化”轉(zhuǎn)變，為實現(xiàn)算網(wǎng)融合奠定基礎。文獻[31]通過將業(yè)務需求解析為計算需 求和緩存需求，提出一種支持動態(tài)編排網(wǎng)絡，緩存和計算資源的融合架構，滿足不同應用需求。文獻[32]總結了 網(wǎng)絡編排、網(wǎng)絡虛擬化等技術現(xiàn)狀，通過業(yè)務編排、網(wǎng)絡資源編排以及網(wǎng)絡虛擬化相互依賴，形成一套閉環(huán)的網(wǎng)絡編排系統(tǒng)，實現(xiàn)自動化、定制化業(yè)務部署。

3.4 邊緣融合類技術——邊緣計算+區(qū)塊鏈

分布式特征的邊緣計算與去中心化特征的區(qū)塊鏈具有天然的融合基礎，將區(qū)塊鏈的節(jié)點部署在邊緣能力節(jié)點設備中，一方面通過邊緣計算為區(qū)塊鏈大量分散的網(wǎng)絡服務提供計算資源和存儲能力，另一方面區(qū)塊鏈技術為邊緣計算服務提供可信和安全的環(huán)境[33]，因此邊緣計算+區(qū)塊鏈融合技術已成為熱點領域，其中，基于區(qū)塊鏈的邊緣數(shù)據(jù)安全、邊緣身份認證等技術成為研究熱點。

3.4.1 基于區(qū)塊鏈的邊緣數(shù)據(jù)安全

在邊緣計算應用過程中，數(shù)據(jù)安全性是必須要考慮的因素。文獻[34]提出一種基于區(qū)塊鏈分布式任務分配和調(diào)度安全策略，消除攻擊者使用分布式拒絕服務攻擊增加中心服務器的計算負擔的可能性，保持數(shù)據(jù)傳輸?shù)恼_性。文獻[35]提出一種基于區(qū)塊鏈的數(shù)據(jù)管理方案，在保證邊緣計算節(jié)點數(shù)據(jù)傳輸效率的同時利用智能合約技術避免第三方參與，保護數(shù)據(jù)安全。

3.4.2 基于區(qū)塊鏈的邊緣身份認證

身份辨識可信、身份管理可信、設備訪問控制可信是邊緣計算節(jié)點協(xié)作的基礎，如何利用區(qū)塊鏈技術建立邊緣計算可信機制已成為學術界的重點研究對象。文獻[36]融合了射頻識別RFID技術和區(qū)塊鏈技術，提出了一種基于區(qū)塊鏈的輕量級邊緣計算安全認證機制，能夠在確保工業(yè)數(shù)據(jù)的安全可靠訪問的同時保障智能工廠中各類邊緣計算應用的安全運行。文獻[37]通過使用區(qū)塊鏈和邊緣計算建立高效可信架構，實現(xiàn)對應用數(shù)據(jù)的訪問控制。在該架構內(nèi)，基于區(qū)塊鏈的控制器將運行身份認證及管理策略，記錄訪問事件的防篡改日志。

4 邊緣計算產(chǎn)業(yè)發(fā)展路徑與趨勢

按照邊緣計算產(chǎn)業(yè)推動主體的不同，目前形成了三大發(fā)展路徑：一是電信運營商主導的5G  MEC發(fā)展路徑；二是IT企業(yè)主導的云原生邊緣計算發(fā)展路徑；三是以設備廠商和工業(yè)企業(yè)主導的垂直行業(yè)邊緣計算發(fā)展路徑。三種發(fā)展路徑對比如表2所示。 

表2 邊緣計算三種發(fā)展路徑對比

4.1　路徑1——5G MEC發(fā)展路徑 

伴隨著5G商用進程不斷加速，作為5G架構中的關鍵部分，MEC受到了廣泛關注，主要由電信運營商主導推動。5G MEC實現(xiàn)對大流量數(shù)據(jù)進行本地分流，提升網(wǎng)絡性能和用戶體驗。

4.1.1 5G MEC標準進展

目前5G MEC是三種發(fā)展路線中標準化進程速度最快的路線。ETSI在2014年啟動了MEC標準項目。2017年底， ETSI MEC完成了Phase I階段基于傳統(tǒng)4G網(wǎng)絡架構部署，定義邊緣計算系統(tǒng)應用場景、參考架構等。2019 年完成了PhaseII階段，將MEC由原來的移動邊緣計算（Mobile Edge Computing）改為了多接入邊緣計算（Multi-access Edge Computing），聚焦5G、Wi-Fi、固網(wǎng)等新業(yè)務及需求[38]。 2017年起，3GPP在R14開始對MEC相關接口及架構進行標準化工作，3GPP在后續(xù)標準版本中將繼續(xù)對5G MEC進行研究，R15、R16、R17對5GC/5G NR/5GS的增強及核心網(wǎng)和NR的要求進行了定義，包括RAN的能力開放、5G增強的移動寬帶媒體分發(fā)機制、5GC網(wǎng)管增強支持MEC、為典型MEC場景提供部署指南等[39]。

2017年起CCSA在下設的無線通信技術工作委員會TC5開展MEC標準化工作，目前已立項標準近10項， 主要對MEC平臺技術要求、能力開放、安全技術要求等方面進行標準化探索。

4.1.2 5G MEC產(chǎn)業(yè)進展

電信運營商加快推動邊緣計算與網(wǎng)絡融合，從管道連接商向業(yè)務提供商轉(zhuǎn)變角色。GSMA聯(lián)合全球22家 運營商發(fā)起了Operator Platform項目，推動全球運營 商合作構建電信邊緣云平臺[40]。AT＆T建立邊緣計算測 試區(qū)，測試增強移動沉浸式媒體體驗的方法，無人駕駛 等邊緣計算應用。Vodafone聚焦車聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng) 等重點領域，開展邊緣計算基礎設施試驗部署和應用試 點。中國移動啟動點亮邊緣計算“100+”節(jié)點行動， 推進邊緣計算實踐，已部署150余個邊緣計算節(jié)點。中 國聯(lián)通推出CUC-MEC邊緣計算平臺并設計EdgePOD 一體化邊緣解決方案，同時在2020年發(fā)布首張MEC規(guī) 模商用網(wǎng)絡。中國電信推出基于5G SA試商用網(wǎng)絡打造 MEC開放實驗環(huán)境，在各行業(yè)開展5G+MEC應用合作 創(chuàng)新，已在100多個省市相繼落地。 

4.1.3　5G MEC發(fā)展面臨瓶頸與未來趨勢

5G MEC目前已經(jīng)在多個行業(yè)開始試點應用，但整 體發(fā)展還處于初期階段，存在一些問題和挑戰(zhàn)：（1） 基礎設施建設模式有待探索，目前MEC節(jié)點建設主要 由電信運營商獨立承擔，實際收益尚無法支撐建設成 本，未來將難以應對MEC規(guī)模部署建設運營的投入； （2）應用生態(tài)尚需培育，目前各方均在垂直行業(yè)探索 應用模式，相關產(chǎn)品及服務以多樣化和定制化居多，應用生態(tài)仍未建立。運營商正在積極推動MEC產(chǎn)品走向松耦合，如中 國移動發(fā)起OpenUPF計劃，推動N4接口解耦，旨在降低建設成本。同時，MEC平臺數(shù)據(jù)接口、應用程序接 口將趨于標準化，中國聯(lián)通與西班牙電信、韓國KT成功驗證MEC服務的全球漫游和不同邊緣平臺的聯(lián)合服 務，有效推動MEC平臺互聯(lián)互通。

4.2　路徑2——云原生邊緣計算發(fā)展路徑 

邊緣計算作為云計算的延伸和補充已經(jīng)在云計算 領域形成共識，因此，IT企業(yè)希望借助云原生邊緣計算 延伸云計算能力，保護原有領域的核心競爭優(yōu)勢，形成 云、邊、網(wǎng)、端一體化協(xié)同。 

4.2.1　云原生邊緣計算標準進展 目前云原生邊緣計算標準化工作主要由CCSA主 導，CCSA在下設的互聯(lián)網(wǎng)與應用工作委員會TC5針對 互聯(lián)網(wǎng)邊緣云平臺架構、邊云協(xié)同技術要求、邊緣云服 務信任能力要求進行標準化探索，已立項標準近10項。 

4.2.2　云原生邊緣計算產(chǎn)業(yè)進展 依托已有云計算技術優(yōu)勢，云計算巨頭積極布局 并推出邊緣計算相關產(chǎn)品，推動云原生技術不斷下沉。亞馬遜發(fā)布AWS Greengrass邊緣計算平臺，并同時與Verizon、Vodafone等國際運營商合作推出基于5G的AWS Wavelength邊緣計算服務。谷歌發(fā)起全球移動邊緣云GMEC戰(zhàn)略，構建統(tǒng)一的邊緣云平臺，可供各大電信業(yè)者開發(fā)各種以網(wǎng)絡為中心的應用，協(xié)助電信產(chǎn)業(yè)進行數(shù)字化轉(zhuǎn)型。微軟推出了開源Azure IoT edge 的邊云協(xié)同邊緣計算框架，全面布局邊緣計算生態(tài)。阿里云啟動邊緣計算云原生開源項目OpenYurt，深度挖掘“邊緣計算+云原生落地實施”訴求，打造云、網(wǎng)、邊、端一體化的協(xié)同計算體系。百度發(fā)布DuEdge 開源平臺，并建立智能邊緣計算框架BAETYL，提供邊緣智能能力。騰訊推出邊緣接入和加速平臺（TSEC）、邊緣計算機器（ECM）、邊緣計算平臺（IECP）等邊緣計算棧產(chǎn)品體系。

4.2.3 云原生邊緣計算發(fā)展面臨瓶頸與未來趨勢

云原生邊緣計算本質(zhì)上是將傳統(tǒng)云計算技術輕量化后，結合邊緣原生新技術在邊緣側實現(xiàn)計算、存儲、網(wǎng)絡等資源的快速響應及可伸縮性。云原生邊緣計算在實際部署中主要存在以下挑戰(zhàn)：（1）邊緣計算作為新興技術概念，目前生態(tài)尚未完全成熟，業(yè)界對于云原生邊緣計算及MEC概念理解存在混淆，存在代表不同利益群體并互相博弈的生態(tài)，運營商MEC平臺和IT企業(yè)邊緣云平臺的業(yè)務關系仍不明確；（2）邊云協(xié)同是IT廠商推動中心云走向邊緣側的關鍵架構，但在實現(xiàn)過程中仍存在缺少統(tǒng)一的應用管理北向接口、應用及服務下發(fā)困難、跨邊云應用分發(fā)機制缺乏等問題。

目前IT廠商正在積極推動邊云協(xié)同實踐，從資源、數(shù)據(jù)、應用等多個維度推動云計算服務和云原生能力適配并對邊緣業(yè)務進行賦能實現(xiàn)端、邊、云之間緊密結合及協(xié)作，加速云原生邊緣計算的數(shù)字化轉(zhuǎn)型解決方案的構建。

4.3 路徑3——垂直行業(yè)邊緣計算發(fā)展路徑

邊緣計算作為跨場景、跨領域的基礎共性技術及產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的關鍵使能技術，受到了垂直行業(yè)企業(yè)及設備廠商的關注，以工業(yè)互聯(lián)網(wǎng)為例，邊緣計算低時延、海量連接、就近計算等特性可以有效滿足工業(yè)應用需求。此外設備廠商也希望借助垂直行業(yè)邊緣計算進一步實現(xiàn)業(yè)務升級，拓展業(yè)務范圍。

4.3.1 垂直行業(yè)邊緣計算標準進展

目前，CCSA下設工業(yè)互聯(lián)網(wǎng)特設組ST8已經(jīng)針對邊緣計算開展了體系化的標準研究工作，在研標準近20項，基本覆蓋工業(yè)互聯(lián)網(wǎng)邊緣計算的參考架構、核心設備、關鍵技術、測試規(guī)范等關鍵標準研制。其中，《工業(yè)互聯(lián)網(wǎng)邊緣計算總體架構與要求》標準提出了邊緣云、邊緣網(wǎng)關、邊緣控制器的層級化部署架構，為工業(yè)企業(yè)應用邊緣計算提供重要參考。面向工業(yè)互聯(lián)網(wǎng)場景差異化大的特點，工業(yè)互聯(lián)網(wǎng)邊緣計算節(jié)點模型要求及測試方法系列標準對邊緣計算基礎設施各項功能提出技術要求及測試規(guī)范，實現(xiàn)邊緣計算針對不同應用場景的靈活功能組合，為設備廠商研發(fā)方向提供指導，幫助工業(yè)企業(yè)進行產(chǎn)品采購選型提供參考。同時，針對邊緣計算與機器視覺、人工智能、時間敏感網(wǎng)絡等技術不斷融合發(fā)展趨勢，多項技術融合標準也不斷立項研究，加速推動邊緣計算在不同領域的應用部署。

4.3.2 垂直行業(yè)邊緣計算產(chǎn)業(yè)進展

設備廠商從單純提供硬件產(chǎn)品向“設備+邊緣計算平臺”供給轉(zhuǎn)變。英特爾推出邊緣計算系列處理器與加速卡等多樣化硬件產(chǎn)品，滿足不同行業(yè)用戶的實時性功能需求及安全需求。華為推出Altas 500邊緣計算服務器，助力AI從中心側向邊緣側與端側延伸，支持云邊協(xié)同的訓練和推理應用場景。新華三推出邊緣計算網(wǎng)關及邊緣云一體機等設備，結合UIS-EDGE邊緣計算平臺提 供邊緣實時分析、多協(xié)議轉(zhuǎn)換、邊緣智能等能力。

邊緣計算應用場景日益廣泛，逐漸出現(xiàn)清晰細分的、個性化定制的多行業(yè)重點應用。我國邊緣計算發(fā)展勢頭迅猛，通過兩化深度融合、智能制造、工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展工程等專項行動的持續(xù)推動，邊緣計算與行業(yè)融合創(chuàng)新日益廣泛，三一重工、格力、海爾、商飛等一批工業(yè)企業(yè)已開始利用邊緣計算模式改變傳統(tǒng)的制造方式，企業(yè)、行業(yè)、區(qū)域綜合集成應用實踐不斷涌現(xiàn)[17]。

4.3.3 垂直行業(yè)邊緣計算發(fā)展面臨瓶頸與未來趨勢

垂直行業(yè)作為邊緣計算的主要應用場景，產(chǎn)業(yè)各方均在積極布局行業(yè)邊緣計算發(fā)展，但在實際部署中仍存在以下挑戰(zhàn)：（1）垂直行業(yè)產(chǎn)生數(shù)據(jù)量大且數(shù)據(jù)結構各不相同，對于邊緣計算實現(xiàn)數(shù)據(jù)存儲、實時計算帶來極大挑戰(zhàn)；（2）目前產(chǎn)業(yè)各方都在嘗試探索邊緣計算應用，形成了基于不同底層架構、針對不同行業(yè)應用的各類邊緣計算軟件平臺及硬件產(chǎn)品，因此，邊緣計算整體產(chǎn)業(yè)呈現(xiàn)碎片化發(fā)展，設備接口、數(shù)據(jù)的標準不一致，缺乏統(tǒng)一的產(chǎn)品規(guī)范，跨廠商的互聯(lián)互通互操作存在挑戰(zhàn)。

垂直行業(yè)邊緣計算將逐步探索實現(xiàn)對異構和多樣化的邊緣設備進行抽象、管理和運用，通過協(xié)議轉(zhuǎn)換、數(shù)據(jù)預處理等功能，推動實現(xiàn)企業(yè)內(nèi)各層數(shù)據(jù)的縱向集成及高效處理。

5 結束語

總體來說，邊緣計算賦能產(chǎn)業(yè)數(shù)字化的重要價值受到普遍認同，迎來了新一輪發(fā)展機遇。但由于邊緣計算屬于跨領域融合概念，參與主體眾多，在實際部署中存在“三難”問題：一是標準統(tǒng)籌難，5G  MEC、云原生邊緣計算、垂直行業(yè)邊緣計算等發(fā)展路徑的相關標準組織均從各自領域?qū)吘売嬎氵M行了標準化工作，導致邊緣計算標準化工作缺乏統(tǒng)一布局，標準內(nèi)容上存在一定的沖突和重復，這也成為邊緣計算基礎設施規(guī)?；渴鸬恼系K。二是產(chǎn)業(yè)集約化難，目前各個垂直行業(yè)在邊緣計算領域中獨自探索，產(chǎn)業(yè)鏈上下游聯(lián)系不夠緊密， 邊緣計算產(chǎn)業(yè)呈現(xiàn)碎片化發(fā)展。三是規(guī)模部署難，目前產(chǎn)業(yè)各方正在積極推進邊緣計算基礎設施規(guī)模化應用部署，但成熟且可復制的建設模式尚未形成，需要進一步探索。同時，在商業(yè)模式尚不清晰的前提下，運營商、云計算服務商以及工業(yè)企業(yè)等核心參與者將難以應對邊緣計算基礎設施建設運營的資金投入。

未來，隨著邊緣計算逐步進入穩(wěn)健發(fā)展期，5G MEC、云原生邊緣計算、垂直行業(yè)邊緣計算等發(fā)展路徑將在競合中發(fā)展，呈現(xiàn)兩類突出的發(fā)展特點：一是協(xié)同與融合，單純使用邊緣技術構建的應用難以充分發(fā)揮其價值，需要邊緣計算與云計算、5G、區(qū)塊鏈等其他技術相結合，利用協(xié)同效應形成一體化解決方案。未來，邊緣計算將一方面不斷推動網(wǎng)絡向智能化以及協(xié)同化方向演進，實現(xiàn)計算與網(wǎng)絡等多維度資源的統(tǒng)一協(xié)同調(diào)度及全局優(yōu)化；另一方面將不斷與云計算協(xié)同聯(lián)動， 實現(xiàn)物理資源的共享，極大提升資源利用率，逐步成為云、網(wǎng)、邊、端等協(xié)同的關鍵樞紐環(huán)節(jié)。二是開放與互通，完整的邊緣計算應用服務涉及需求方、模塊提供方、設備提供方、平臺提供方以及應用提供方等多個環(huán)節(jié)及角色配合，未來，統(tǒng)一的服務定義、資源封裝以及接口協(xié)議等標準化工作將不斷健全，便于不同角色間的高效配合以及跨廠商產(chǎn)品互聯(lián)互通，技術逐步走向開放融合。

作者簡介：

王哲，高級工程師，博士，現(xiàn)就職于中國信息通信研究院，主要從事工業(yè)互聯(lián)網(wǎng)、邊緣計算領域政策、技術標準、產(chǎn)業(yè)發(fā)展等方面研究，長期支撐工業(yè)和信息化部、國家發(fā)改委等部委的工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)政策制定、重大專項指南編制等工作。目前擔任CCSA邊緣計算技術標準及產(chǎn)業(yè)發(fā)展推進委員會技術促進組組長、IEEE Transactions on Vehicular Technology，IEEE Access 等國際期刊審稿人，已發(fā)表期刊及國際會議論文10余篇，其中SCI檢索5篇，申請發(fā)明專利及軟件著作權4 項，主持并參與起草10余項行業(yè)標準制定工作。

參考文獻：

[1] 華信咨詢. 走近邊緣計算[R/OL]. 2020.

[2] Pallis G, Vakali A. Vakali, A.: Insight and Perspectives for Content Delivery Networks[J].

 Communications of the ACM, 2006, 49 (1) : 101 - 106.

[3] Cisco. Global Cloud Index (GCI) [R/OL]. 2018.

[4] Gartner. Gartner Top Strategic Technology Trends for 2021[R/OL]. 2020.

[5] HU Y C, PATEL M, SABELLA D, et al. Mobile Edge Computing—A Key Technology towards 5G[J]. ETSI White Paper, 2015, 11 (11) : 1 - 16.

[6] Taleb T, Samdanis K, Mada B, et al. On Multi-Access Edge Computing: A Survey of the Emerging 5G Network Edge Cloud Architecture and Orchestration[J]. IEEE Communications Surveys & Tutorials, 

2017, 19 (3) : 1657 - 1681.

[7] 王凱, 王靜. 工業(yè)互聯(lián)網(wǎng)邊緣計算技術發(fā)展與行業(yè)需求分析[J]. 中國儀器儀表, 2019.

[8] Satyanarayanan M, Bahl P, Caceres R, et al. The Case for VM-Based Cloudlets in Mobile Computing[J]. IEEE Pervasive Computing, 2009, 8 (4) : 14 - 23.

[9] Shi W, Cao J, Zhang Q, et al. Edge Computing: Vision and Challenges[J].

Internet of Things Journal, IEEE, 2016, 3 (5) : 637 - 646.

[10] 邊緣計算產(chǎn)業(yè)聯(lián)盟. 邊緣計算白皮書[R/OL]. 2016.

[11] 項弘禹, 肖揚文, 張賢, 等. 5G邊緣計算和網(wǎng)絡切片技術[J]. 電信科學, 2017 (6).

[12] 潘建勝. 基于Docker的CDN邊緣計算平臺設計與實現(xiàn)[D]. 北京：北京郵電大學, 2018.

[13] 王哲. 面向車聯(lián)網(wǎng)的移動云服務遷移機制研究[D]. 北京：北京交通大學, 2019. [14] 李肯立, 劉楚波. 邊緣智能: 現(xiàn)狀和展望[J]. 大數(shù)據(jù), 2019, 5 (03) : 69 - 75.

[15] 邊緣計算產(chǎn)業(yè)聯(lián)盟&工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟. 邊緣計算參考架構3.0[R/OL]. 2018.

[16] IDC. Worldwide Edge Spending Guide[R/OL]. 2020.

[17] 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟. 離散制造業(yè)邊緣計算解決方案白皮書[R/OL]. 2019.

[18] Liu J, Mao Y, Zhang J, et al. Delay-optimal Computation Task Scheduling for Mobile Edge Computing Systems [C]. Proceedings of IEEE International Symposium on Information Theory (ISIT), -Barcelona, Spain, 2016 : 1451 – 1455.

[19] Zhang Y, Niyato, Wang P. Offloading in Mobile Cloudlet Systems with Intermittent 

Connectivity[J]. IEEE Transactions on Mobile Computing, 2015, 14 (12) : 2516 - 2529.

[20] Kamoun M, Labidi W, Sarkiss M . Joint Resource Allocation and Offloading Strategies 

in Cloud Enabled Cellular Networks[C]. IEEE International Conference on Communications. IEEE, 2018.

[21] Wang Z, Zhong Z, Zhao D, et al. Vehicle-Based Cloudlet Relaying for Mobile Computation Offloading[J]. IEEE Transactions on Vehicular Technology, 2018, PP : 1 - 1.

[22] Dinh T Q, Tang J, La Q D, et al. Offloading in Mobile Edge Computing: 

Task Allocation and ComputationalFrequency Scaling[J]. IEEE Transactions on Communications, 

2017, 65 (8) : 3571 - 3584.

[23] HAN S, Pool J, Tran J, et al. Learning Both Weights and Connections for Efficient Neural

 Network[C]. Advances in Neural Information Processing Systems, 2015 : 1135 - 1143.

[24] Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: A Simple Way to Prevent Neural 

Networks from Overfitting[J]. Journal of Machine Learning Research, 2014, 15 (1) : 1929 - 1958.

[25] Tong L, Li Y, Gao W. A Hierarchical Edge Cloud Architecture for Mobile Computing[C]. 

IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer 

Communications. IEEE, 2016.

[26] Li E, Zhou Z, Chen X . Edge Intelligence: On-Demand Deep Learning Model Co-Inference with Device-Edge Synergy[C]. the 2018 Workshop. 2018.

[27] 雷波, 劉增義, 王旭亮, 楊明川, 陳運清. 基于云、網(wǎng)、邊融合的邊緣計算新方案:算力網(wǎng)絡[J]. 電信科學, 2019, 35 (09) : 44 - 51.

[28] 何濤, 曹暢, 唐雄燕, 李銘軒, 李建飛. 面向6G需求的算力網(wǎng)絡技術[J]. 移動通信, 2020, 44 (06) : 131 - 135.

[29] 李銘軒, 曹暢, 唐雄燕, 何濤, 李建飛, 劉秋妍. 面向算力網(wǎng)絡的邊緣資源調(diào)度解決方案研究[J]. 數(shù)據(jù)與計算發(fā)展前沿, 2020, 2 (04) : 80 - 91.

[30] Zhao Y, Li Y, Zhang X, et al. A Survey of Networking Applications Applying the Software 

Defined Networking Concept Based on Machine Learning[J]. IEEE Access, 

2019, 7 (99) : 95397 - 95417.

[31] Chen Q, Yu F R, Huang T, et al. Joint Resource Allocation for Software-Defined Networking, Caching and Computing[J]. IEEE/ACM Transactions on Networking, 2018 : 274 - 287.

[32] 黃韜, 劉江, 汪碩, 張晨, 劉韻潔. 未來網(wǎng)絡技術與發(fā)展趨勢綜述[J]. 通信學報, 2021, (1) : 130 - 150.

[33] 任夢璇, 薛淼, 劉千仞, 任杰, 王光全. 區(qū)塊鏈+邊緣計算應用研究與探討[J]. 郵電設計技術, 2020 (11) : 24 - 29.

[34] Tang W, Zhao X, Rafique W, et al. A Blockchain-Based Offloading Approach in Fog Computing Environment[C]. 2018 IEEE Intl Conf on Parallel & Distributed Processing with Applications, IEEE, 2018.

[35] Zhaofeng M, Xiaochang W, Jain D K, et al. A Blockchain-Based Trusted Data Management Scheme in Edge Computing[J]. IEEE Transactions on Industrial Informatics, 2019, PP (99) : 1.

[36] 曹舒雅, 姚英英, 常曉林. 基于區(qū)塊鏈的智能工廠RFID系統(tǒng)輕量級身份認證機制[J]. 網(wǎng)絡空間安全, 2020 (9) : 70 - 77.

[37] Guo H, Li W, Nejad M, et al. Access Control for Electronic Health Records with Hybrid 

Blockchain-Edge Architecture[C]. 2019 IEEE International Conference on Blockchain (Blockchain). IEEE, 2020.

[38] 呂華章, 陳丹, 王友祥. ETSI MEC標準化工作進展分析[J]. 自動化博覽, 2019, 36 (05) : 48 - 52.

[39] 呂華章, 陳丹, 范斌, 王友祥, 烏云霄. 邊緣計算標準化進展與案例分析[J]. 計算機研究與發(fā)展, 2018, 55 (03) : 487 - 511.

[40] 電信運營商在GSMA的支持下合作構建電信邊緣云平臺 [EB/OL]. https://blog.csdn.net/sinat_41698914/article/ details/104567380, 2020.

摘自《自動化博覽》2021年2月刊