一.視頻加速

智能視頻加速業(yè)務主要是通過縮短加載時間和增加視頻流暢度，來提升用戶的QoE，(體驗質量：Quality of Experience），并保證無線網絡資源的最大利用。

1.1VR/AR 游戲

現(xiàn)階段 VR游戲體驗不佳，其中游戲類VR 應用基本以本地重度游戲為主，用戶眩暈問題依然存在，體驗仍然不佳。因此，現(xiàn)階段 VR 較多應用在營銷場景，如遠程看房、看二手車等營銷場景較多，并且依賴于 Wifi及 4G 網絡為主。

未來 5G設備實現(xiàn)直接邊緣鏈訪問，VR/AR時延問題解決，云 VR/AR 將大大降低設備成本，5G將顯著改善這些云服務的訪問速度，同時邊緣計算將降低云服務的數(shù)據(jù)處理量，增強游戲的體驗感。

1.2遠程醫(yī)療

遠程診斷依賴 5G 網絡的低延遲和高 QoS（Quality of Service）保障特性，例如無線內窺鏡和超聲波這樣的遠程診斷依賴于設備終端和患者之間的交互，患者反饋的敏感性需要低延遲網絡才能滿足其要求。其它應用場景包括醫(yī)療機器人、醫(yī)療認知計算、生物遙測，基于 VR的醫(yī)療培訓，救護車無人機，生物信息的實時數(shù)據(jù)傳輸?shù)?，這些應用對網絡計算和連接提出了很高的要求。

1.3高清視頻

5G的高速率特性加上邊緣計算將使用戶不僅能觀看當下各類視頻內容，還將隨時隨地體驗4K以上的超高清視頻。參考Intel 的《5G娛樂經濟報告》,預計未來10年內 5G 用戶的月平均流量將有望增長 7 倍，而其中90%將被視頻消耗，預計到 2028 年，僅憑消費者在視頻、音樂和游戲上的支出就會增加近一倍，全球總體量將達到近 1500 億美元。

1.4視頻直播

視頻直播是近年來發(fā)展最為迅猛的一種創(chuàng)新形式的在線視頻娛樂，具有多人實時交互特性。中國視頻直播行業(yè)的市場規(guī)模由2015年的64億元增長至2019年的1082億元，復合年增長率為103.0%。2019年至2024年，市場規(guī)模預計以23.4%的復合年增長率增長，至2024年達到3101億元。如此規(guī)模巨大的市場，在直播方面會經常面臨網絡卡頓的現(xiàn)象，嚴重影響了用戶的消費體驗。

網絡卡頓的原因有以下幾點：

1）網絡問題。接收方的網絡環(huán)境不好，無法及時的獲取服務器發(fā)送過來的信息，就會造成卡頓

2）主播端碼率設置問題。如果主播端的視頻上傳碼率太高，需要的網絡速度就越高，服務器的傳輸速度達不到碼率要求，自然給接收方傳遞時就會產生問題

3）距離CDN節(jié)點的物理距離。直播平臺常用CDN來作為服務器儲存、傳遞數(shù)據(jù)，其中CDN節(jié)點的分布會影響到直播畫面的傳遞速度，如果接收方離CDN節(jié)點的距離太遠的話，就會產生畫面的卡頓，接受不良。

如果在視頻中接入邊緣計算網絡，則會大大緩解視頻卡頓的現(xiàn)象，提高用戶的觀感體驗，推動整個直播行業(yè)的發(fā)展。

二、物聯(lián)網

物聯(lián)網作為下一個推動世界高速發(fā)展的“重要生產力”，近年來得以迅速發(fā)展。“物聯(lián)網”概念是在“互聯(lián)網”概念的基礎上,將其用戶端延伸擴展到任何物品與物品之間,進行信息交換和通信的一種網絡概念。物聯(lián)網是指通過各種信息傳感設備,實時采集任何需要監(jiān)控、連接、互動的物體或過程等各種需要的信息,與互聯(lián)網結合形成的一個巨大網絡。

智能設備上的 I/O 接口可以輕松連接傳統(tǒng)工業(yè)系統(tǒng)和邊緣網絡，網關可以使用 Wi-Fi、以太網與終端進行連接和通信。另外,網關的處理能力支持中間設備對來自所有不同協(xié)議(從 ModBus、BACnet 到 Zigbee 等)的數(shù)據(jù)進行匯總、轉換和標準化,再通過網關將數(shù)據(jù)傳送到核心網上。邊緣計算可以對連接的終端進行邊緣分析，將決策轉移到邊緣，提供實時操作，還可以幫助管理網絡問題,通過決定數(shù)據(jù)是否移動到邊緣來解決網絡帶寬問題。

2.1自動駕駛

隨著汽車自動駕駛的不斷進步，汽車自身所產生的數(shù)據(jù)將越來越龐大。根據(jù)數(shù)據(jù)顯示，假設一輛自動駕駛汽車配備了 GPS、攝像頭、雷達和激光雷達等傳感器，則一輛自動駕駛汽車每天將產生約 4000GB 待處理的傳感器數(shù)據(jù)。如何使自動駕駛汽車能夠實時處理如此海量的數(shù)據(jù)，并基于大數(shù)據(jù)分析，形成安全駕駛行為的決策，這些都需要強大的計算能力做支持?？紤]到自動駕駛對網絡延遲要求很高，傳統(tǒng)的云計算面臨著延遲明顯、連接不穩(wěn)定等問題，這就需要一個強大的、穩(wěn)定的、低延遲的車載邊緣計算平臺。事實上，如果我們打開現(xiàn)階段展示的自動駕駛測試汽車的后備箱，會明顯發(fā)現(xiàn)其與傳統(tǒng)汽車的不同之處，都會裝載一個“ 計算平臺”硬件傳感器， 用于處理輸入的信號數(shù)據(jù)并輸出決策。

高等級自動駕駛的本質是AI計算問題，車載邊緣計算平臺的算力需求至少在20T 以上。從實現(xiàn)功能來看，邊緣計算平臺在自動駕駛中主要負責解決兩個主要的問題：

a. 處理輸入的信號，像雷達、激光雷達、攝像頭等;

b. 做出決策判斷、給出控制信號

英偉達CEO 黃仁勛的觀點是“自動駕駛本質是 AI 計算問題，需求的計算力取決于希望實現(xiàn)的功能?！?，其認為自動駕駛汽車需要對周邊的環(huán)境進行判斷之后再作出決策，到底要采取什么樣的行動，其本質上是一個 AI 計算的問題，車載端必須配備一臺 AI 超級處理器，然后基于 AI 算法能夠進行認知、推理以及駕駛，要實現(xiàn)L3 級的自動駕駛起碼需要20 個 teraflops(每秒萬 億次浮點運算)以上的的計算力級別。

2.2智能安防

安防產業(yè)智能化升級是行業(yè)發(fā)展的大趨勢，后端智能化以及前端智能化是廠商針對智能化升級的兩種并存的解決方案。其中，前端智能化的核心功能是為后端提供高質量、初步結構化的圖像數(shù)據(jù)，其主要作用有兩點:

1）提升部分智能分析應用的實時性;

2）節(jié)省帶寬和后端計算資源。

典型的前端智能攝像頭內置深度學習算法，一方面可以在前端完成人臉定位和質量判斷，有效解決漏抓誤報問題，同時擁有較好的圖像效果；另一方面可以輸出編碼后的網絡視頻，支持輸出非壓縮、無損無延時的視頻流圖像，這樣可以為大型用戶節(jié)省服務器成本和帶寬，在同等服務器數(shù)量和計算能力的情況下能夠接入更多線路攝像頭。

后端智能化產品的核心功能則是利用計算能力對視頻數(shù)據(jù)進行結構化分析。出于滿足實時性處理的需求，以及緩解后臺存儲的壓力，廠商們會越來越將算力前置。以人臉識別為例，傳統(tǒng)的人臉識別產品都是采用前端攝像機抓拍圖片， 后端服務器計算比對的模式，而前端智能的模式下，智能化的攝像機可以不依托服務器而實時進行圖像處理、人臉識別，極大提高了識別效率以及后端存儲的效率，前端智能化的趨勢意味著產業(yè)鏈上下游將發(fā)生價值轉移。整個安防智能化系統(tǒng)對于后端系統(tǒng)的依賴程度將進一步降低，后端價值將部分轉移到前端，前端的價值將大幅提升。

國內安防智能前端的市場規(guī)模有望突破1500 億。從產業(yè)調研結果來看，2018年以來，主流深度學習攝像頭芯片開始成熟量產，有效解決目前限制前端智能攝像頭放量的計算芯片瓶頸。按照2021年智能攝像頭滲透率達到45%測算，我們預測國內智能安防前端硬件產品空間在2021 年預計將超過1500 億元。

2.3低延時工業(yè)級應用

工業(yè)高精度控制對時延和可靠性的敏感度極高，無論是中國、韓國和日本的運營商，都非常關注5G 新業(yè)務中工業(yè)級客戶(2B)的價值。這些行業(yè)市場包括運輸、物流、能源/公共設施 監(jiān)測、金融、醫(yī)療和農業(yè)。實現(xiàn)工業(yè)國產自動化、無線化和智能化，典型場景包括視頻監(jiān)控、 機器人控制、自動巡查安防等。

2.4機器人控制

參考《華為 5G 白皮書》，同步實時協(xié)作機器人要求小于 1 毫秒的網絡延遲。到 2025 年，預計全球狀態(tài)監(jiān)測連接將上升到 8,800萬，全球工業(yè)機器人的出貨量也將 從 36萬臺增加到 105萬臺。

2.5饋線自動化

當通信網絡的延遲小于 10ms 時，饋線自動化系統(tǒng)可以在 100ms 內隔離故障區(qū)域，這將大幅度降低發(fā)電廠的能源浪費。參考華為 5G 白皮書，從 2022年到 2026 年，預計 5G IoT 的平均年復合增長率(CAGR)將達到 464%。ABI Research 的預測數(shù)據(jù)，全球配電自動化市場將從2015年的130億美元增加到 2025年的 360 億美元。

2.6無人機巡檢

配備無人機進行基礎設施、電力線和環(huán)境的密集巡檢是一項新 興業(yè)務，LiDAR掃描所產生巨大的實時數(shù)據(jù)量將需要>200Mbps的傳輸帶寬。ABI Research 的估計，小型無人機市場將從 2016年的 53 億美元迅速增長到 2026 年的 339 億美元，包括來自軟件、硬件、服務和應用服務的收入。

三、CDN應用

隨著移動互聯(lián)網技術的快速發(fā)展，移動網絡數(shù)據(jù)流量呈現(xiàn)出爆發(fā)式增長的趨勢。2019 年數(shù)據(jù)存儲市場規(guī)模為 461.2 億美元，預計到 2023年將達到1074億美元，2027 年將達到 2222.5 億美元，復合年均增長率為 27.19%，移動視頻流量將占全球移動數(shù)據(jù)流量的 78%。內容提供商每天都會上傳成千上萬個視頻內容，這樣的內容大量存儲在提供商的集中式數(shù)據(jù)庫中, 然后從源格式轉換為最終傳遞格式，分發(fā)到位于網絡不同位置的多個流服務器中,并進行進一步傳遞。盡管進行了內容分發(fā)工作,但內容到用戶的距離依然很遠，特別是在移動環(huán)境中,由于緩沖問題，個別用戶可能會遇到服務中斷。因此, 邊緣計算通過將 CDN 服務擴展到移動邊緣來提供分布式緩存,可以增強用戶的 QoE,并減少回程網和核心網的使用。

3.1 CDN與邊緣計算融合

CDN與邊緣計算融合發(fā)展是技術、業(yè)務發(fā)展的必然，也是降本增效的需要，主要體現(xiàn)在兩個方面：

資源復用：移動網絡CDN規(guī)模龐大且存在算力閑置，CDN主要存儲CPU平均利用率約為10%左右，閑置算力等資源可為邊緣云所用。

共址部署：CDN與邊緣計算之間部署位置相似，均在地市和部分區(qū)縣部署，系統(tǒng)架構相似，均采用通用服務器、軟硬解耦架構；接入網絡相似，均要求固網和移網雙接入。CDN與邊緣計算共址部署，利用CDN規(guī)模大、分布廣的特點，推動CDN云化，快速形成邊緣計算規(guī)?；嵘麄€邊緣網絡的使用效率。

3.2CDN云化升級

邊云融合需推動CDN云化升級，邊緣節(jié)點下沉到基站、OLT，覆蓋地市縣，邊智融合可將邊緣計算業(yè)務精準調度到地市縣，AI算力卸載到邊緣，邊網融合重在邊網協(xié)同，固移融合，開放邊緣網絡特色能力。

邊云融合：其某種意義上可以理解成一種廣度和深度的融合，越靠近用戶放置資源，用戶訪問感知提升越明顯。以家庭寬帶場景為例，業(yè)界CDN一般布放在省核心機房，而邊緣計算 CDN可以下沉旁掛至BRAS節(jié)點，也可通過OLT嵌入式CDN部署，通過減少跳數(shù)來達到降低路由時延，提升訪問感知的目的，真正實現(xiàn)了拉近距離降時延、本地計算省帶寬。

以5G場景為例，移動邊緣云與網絡邊緣云同步下沉，CDN邊緣云下沉到基站可精準服務一公里以內的用戶請求，訪問速率和距離密切相關，越近則越快。

邊智融合：傳統(tǒng)意義上的CDN（內容分發(fā)）是一種流量的調度，是一種字節(jié)數(shù)據(jù)的分發(fā)，而通過邊緣計算的 FDN（功能分發(fā)）是一種邊緣能力的調度分發(fā)。通過邊緣技術將推動內容分發(fā)網絡（CDN）向內容與功能分發(fā)網絡（CFDN）全面轉型，形成由調度中心和能力中心組成的CFDN系統(tǒng)。

CDN系統(tǒng)升級為智能CFDN系統(tǒng)后，邊緣云固移業(yè)務將由CFDN調度中心統(tǒng)一調度，調度中心主要由功能調度和流量調度組成，實現(xiàn)了按業(yè)務需求進行統(tǒng)一管理與調度，同時可以基于業(yè)務質量、網絡質量，實現(xiàn)邊緣計算業(yè)務的智能調度；通過熱點預判、狀態(tài)學習，實現(xiàn)服務節(jié)點擇優(yōu)選擇、內容訪問貼近用戶，支持IP、域名等多場景按需調度。

此外，在滿足業(yè)務時延需求的前提下，還可將終端或中心云的AI算力遷移至邊緣云之上，可較好地降低終端或中心云算力成本和功耗。

邊網融合：通過邊網共址來實現(xiàn)，邊緣云基于增強型DNS技術感知網絡拓撲和用戶位置，通過EDNS0技術實現(xiàn)業(yè)務精準下沉，把流量真正的推進到用戶端，通過精準的調度來服務邊緣計算，通過網絡能力開放、網絡切片，建立新的生態(tài)，來實現(xiàn)服務更廣泛的用戶群體。

邊緣計算與分布式存儲相輔相成，邊緣計算通過邊緣算力來對云算力進行補充，分布式存儲則通過邊緣的、閑置的、去中心化的存儲端對云存儲進行配合。隨著 IoT 設備的指數(shù)級增長，這些設備連接到互聯(lián)網，用于從云接收信息或將數(shù)據(jù)傳遞回云，更快的網絡技術（如 5G 無線）使計算系統(tǒng)能夠加速實時應用程序的創(chuàng)建或支持，例如視頻處理和分析、自動駕駛汽車、人工智能和機器人等。在此過程中，許多 IoT 設備在操作過程中會生成海量的數(shù)據(jù)。在此過程中邊緣計算和分布式存儲共同支撐整個物聯(lián)網體系的搭建，共建繁榮的IOT生態(tài)系統(tǒng)，促進整個新產業(yè)的升級。

返回列表