2022邊緣計(jì)算技術(shù)白皮書

“邊緣計(jì)算+”技術(shù)白皮書（2022）目錄目錄一、融合創(chuàng)新已成為邊緣計(jì)算發(fā)展的必然趨勢(shì) 1(一)邊緣計(jì)算構(gòu)筑行業(yè)數(shù)字轉(zhuǎn)型能力底座 1(二)技術(shù)融合助力邊緣計(jì)算實(shí)現(xiàn)行業(yè)賦能 2(三)邊緣計(jì)算技術(shù)融合的核心價(jià)值 5二、“邊緣計(jì)算+”的內(nèi)涵與參考模型 7(一)“邊緣計(jì)算+”內(nèi)涵 7(二)“邊緣計(jì)算+”參考模型 8三、“邊緣計(jì)算+”關(guān)鍵技術(shù)能力 17(一)邊緣計(jì)算+5G 17(二)邊緣計(jì)算+人工智能 26(三)邊緣計(jì)算+音視頻 38(四)邊緣計(jì)算+區(qū)塊鏈 51(五)邊緣計(jì)算+安全 56(六)邊緣計(jì)算+高性能計(jì)算 62四、“邊緣計(jì)算+”技術(shù)發(fā)展趨勢(shì) 68(一)“邊緣計(jì)算+”技術(shù)從概念走向深入 68(二)一體化與智能化成為“邊緣計(jì)算+”重要發(fā)展方向 69(三)云原生將成為“邊緣計(jì)算+”技術(shù)演進(jìn)的加速器 69(四)可信設(shè)施與安全服務(wù)共同構(gòu)筑“邊緣計(jì)算+”安全壁壘 70參考文獻(xiàn) 72縮略語 73圖目錄圖目錄圖1“邊緣計(jì)算+”參考模型 8圖2MEC參考模型 21圖3機(jī)器人聯(lián)網(wǎng)監(jiān)控和預(yù)測(cè)維修案例 24圖4智慧商超案例 24圖5智慧園區(qū)案例 25圖6邊緣AI參考架構(gòu) 31圖7工業(yè)質(zhì)檢典型場(chǎng)景部署架構(gòu) 34圖8期貨交易所倉(cāng)庫(kù)運(yùn)營(yíng)管理方案 35圖9建筑工地人員行為分析平臺(tái) 36圖10在線視頻流量分發(fā)技術(shù)落后于內(nèi)容需求 39圖11邊緣計(jì)算音視頻參考架構(gòu) 40圖12邊緣RTC方案 45圖13邊緣視頻源站 46圖14視頻安防方案 47圖15邊緣節(jié)點(diǎn)與云CDN協(xié)同 48圖16邊緣計(jì)算+區(qū)塊鏈架構(gòu)圖 54圖17邊緣計(jì)算安全架構(gòu) 59圖18無人機(jī)通信鏈路 60圖19可信電力調(diào)度方案 62圖20邊緣高性能計(jì)算架構(gòu) 64圖21“軟件+硬件”異構(gòu)計(jì)算架構(gòu) 66“邊緣計(jì)算+”技術(shù)白皮書（“邊緣計(jì)算+”技術(shù)白皮書（2022年）PAGEPAGE1一、融合創(chuàng)新已成為邊緣計(jì)算發(fā)展的必然趨勢(shì)(一)邊緣計(jì)算構(gòu)筑行業(yè)數(shù)字轉(zhuǎn)型能力底座數(shù)字經(jīng)濟(jì)成為構(gòu)建新發(fā)展格局的關(guān)鍵支撐。黨的十九屆五中全會(huì)提出，要加快構(gòu)建以國(guó)內(nèi)大循環(huán)為主體、國(guó)內(nèi)國(guó)際雙循環(huán)相互促進(jìn)的新發(fā)展格局，把實(shí)施擴(kuò)大內(nèi)需戰(zhàn)略同深化供給側(cè)結(jié)構(gòu)性改革有機(jī)結(jié)合起來，以創(chuàng)新驅(qū)動(dòng)、高質(zhì)量供給引領(lǐng)和創(chuàng)造新需求。數(shù)字化轉(zhuǎn)型過程將以信息技術(shù)，特別是新一代信息通信技術(shù)為基礎(chǔ)。30（2021-2023年（2021-2023互聯(lián)網(wǎng)綜合標(biāo)準(zhǔn)化體系建設(shè)指南（2021》等相關(guān)文件，積極推在邊緣計(jì)算分類方式上，LinuxLFEdge[1]CDN現(xiàn)OTICT上述三類邊緣計(jì)算已經(jīng)在垂直行業(yè)的不同場(chǎng)景中得以廣泛應(yīng)用。(二)技術(shù)融合助力邊緣計(jì)算實(shí)現(xiàn)行業(yè)賦能運(yùn)營(yíng)商邊緣VR位于運(yùn)營(yíng)商的通信機(jī)房中，與通信設(shè)備部署在一起，通過低成本的方式獲得大帶寬。5G與邊緣計(jì)算的深度融合已成為行業(yè)數(shù)字轉(zhuǎn)型的能力底座。自20205G5G5G5G5GToB5G的API云邊緣相比，云服務(wù)商借助已部署的CDN接入能力，以服務(wù)更多的用戶。云邊緣到終端用戶的時(shí)延一般在20ms[2]邊緣計(jì)算與視頻技術(shù)的深度融合進(jìn)一步提升視頻類應(yīng)用的用戶4G5G音視頻加速業(yè)務(wù)利用云邊緣基礎(chǔ)設(shè)施，為其客戶提供音視頻加速服務(wù)，利用邊緣節(jié)點(diǎn)的低成本及低延遲優(yōu)勢(shì)，提升產(chǎn)品競(jìng)爭(zhēng)力及用戶體驗(yàn)。云游戲利用云邊緣基礎(chǔ)設(shè)施，以最少的機(jī)器成本為節(jié)點(diǎn)覆蓋區(qū)域提供低成本及高性能的PC及手機(jī)端云游戲服務(wù)。安防監(jiān)控利用云邊緣，實(shí)現(xiàn)安防攝像頭數(shù)據(jù)的轉(zhuǎn)存及轉(zhuǎn)發(fā)兩大業(yè)務(wù)，利用邊緣節(jié)點(diǎn)的低成本特性，極大降低的視頻數(shù)據(jù)的傳輸和存儲(chǔ)成本。基于邊緣節(jié)點(diǎn)建設(shè)的存儲(chǔ)功能，實(shí)現(xiàn)了攝像頭數(shù)據(jù)的就近存儲(chǔ)和就近訪問。工業(yè)邊緣隨著工業(yè)互聯(lián)網(wǎng)的發(fā)展，工業(yè)邊緣計(jì)算會(huì)在人、機(jī)、料、法、環(huán)、測(cè)等各個(gè)環(huán)節(jié)遍地開花。利用邊緣計(jì)算與人工智能融合技術(shù)實(shí)現(xiàn)的機(jī)器視覺，可以對(duì)人和設(shè)備的安全提供保障、對(duì)生產(chǎn)物料質(zhì)量進(jìn)行識(shí)別糾錯(cuò)等；通過大數(shù)據(jù)實(shí)時(shí)采集分析可以對(duì)工作設(shè)備進(jìn)行預(yù)測(cè)性維護(hù)、對(duì)周圍環(huán)境進(jìn)行監(jiān)測(cè)預(yù)警等。5G(三)邊緣計(jì)算技術(shù)融合的核心價(jià)值作為行業(yè)數(shù)字轉(zhuǎn)型的核心能力底座，邊緣計(jì)算獲得業(yè)界的廣泛關(guān)注。邊緣計(jì)算已由技術(shù)概念期進(jìn)入到期望峰值期，成為未來計(jì)算的重要趨勢(shì)之一。于此同時(shí)，隨著數(shù)字轉(zhuǎn)型的深入，邊緣計(jì)算在行業(yè)應(yīng)用深度和廣度上將得到進(jìn)一步加強(qiáng)，廣泛應(yīng)用于工業(yè)、醫(yī)療、交通、教育、能源等眾多領(lǐng)域，充分利用近用戶側(cè)的先天優(yōu)勢(shì)，為行業(yè)用戶提供低成本、高質(zhì)量的服務(wù)。5G二、“邊緣計(jì)算+”的內(nèi)涵與參考模型(一)“邊緣計(jì)算+”內(nèi)涵5G、大數(shù)據(jù)、人工智能、安全等各類技術(shù)深度融合，以MEC、邊緣AI、邊緣IoT(二)“邊緣計(jì)算+”參考模型圖1“邊緣計(jì)算+”參考模型邊緣計(jì)算構(gòu)筑技術(shù)融合創(chuàng)新能力底座15G、AI、高性能計(jì)算等新一代ICT邊緣計(jì)算融合創(chuàng)新能力底座應(yīng)具備以下核心能力：端側(cè)感知能力：PC、手機(jī)、物聯(lián)網(wǎng)設(shè)ICT/ICT邊緣計(jì)算為ICT能力，支持CPUGPU、FPGA“邊緣計(jì)算+”技術(shù)白皮書（“邊緣計(jì)算+”技術(shù)白皮書（2022年）PAGEPAGE10ICT/實(shí)現(xiàn)。運(yùn)營(yíng)商邊緣實(shí)現(xiàn)的是MEC般通過專用網(wǎng)絡(luò)方式實(shí)現(xiàn)；云邊緣是IDCSD-WAN區(qū)域內(nèi)部。邊緣原生技術(shù)是由5G確定性網(wǎng)絡(luò)產(chǎn)業(yè)聯(lián)盟（5GDNA、EdgeGallery5G網(wǎng)絡(luò)能力開放為特征的邊緣服務(wù)、基于云邊在邊緣計(jì)算環(huán)境中，海量的端側(cè)設(shè)備與包含CPU、GPUFPGA、TPUCPUGPUFPGA備CTIT能制造場(chǎng)景下的視頻AIICT需求5GAIICTMECAIHPC、邊緣安全等“邊在5G方面，邊緣計(jì)算充分結(jié)合5GeMBBuRLLCmMTC在邊緣計(jì)算與人工智能技術(shù)融合方面，伴隨行業(yè)數(shù)字轉(zhuǎn)型浪潮的到來，結(jié)合邊緣計(jì)算與人工智能的邊緣人工智能技術(shù)，將人工智能算法運(yùn)行在邊緣側(cè)，滿足智慧交通、智慧物流、智慧水利等眾多場(chǎng)景的實(shí)時(shí)性、本地化的智能處理需求。在邊緣計(jì)算與區(qū)塊鏈技術(shù)融合方面，通過在邊緣計(jì)算節(jié)點(diǎn)上部署區(qū)塊鏈服務(wù)，既可以為行業(yè)應(yīng)用提供實(shí)時(shí)的數(shù)據(jù)存儲(chǔ)，也可以提供可信的數(shù)據(jù)分析和業(yè)務(wù)執(zhí)行。在在邊緣計(jì)算與高性能計(jì)算技術(shù)融合方面，自動(dòng)駕駛、數(shù)字制造等場(chǎng)景需要在邊緣側(cè)提供高性能算力資源與計(jì)算架構(gòu)，滿足計(jì)算密集型任務(wù)的處理需求。于此同時(shí)，高性能計(jì)算應(yīng)用上云已成為行業(yè)發(fā)展的必然趨勢(shì)，通過在邊緣側(cè)和云側(cè)同時(shí)部署云化HPC應(yīng)用，將充分滿足行業(yè)應(yīng)用靈活、彈性的高性能算力需求。邊緣計(jì)算技術(shù)融合滿足行業(yè)應(yīng)用差異化需求、邊緣音視頻、邊緣HPCMECAI中，利用“邊緣計(jì)算+”提供的邊緣AIMECHPC視頻點(diǎn)播/直播場(chǎng)景中，利用“邊緣計(jì)算+”提供邊緣音視頻技術(shù)實(shí)現(xiàn)包括轉(zhuǎn)碼、合流、切片等在內(nèi)的視頻流邊緣處理，直播流可以就近分發(fā)、就近訪問，減少網(wǎng)絡(luò)傳輸時(shí)延，降低網(wǎng)絡(luò)帶寬成本，提高用戶的服務(wù)體驗(yàn)。AIAI在基礎(chǔ)設(shè)施方面，利用邊緣HPC計(jì)算密級(jí)型AI功耗的苛刻要求。三、“邊緣計(jì)算+”關(guān)鍵技術(shù)能力(一)邊緣計(jì)算+5G（Multi-accessEdgeComputing，MEC）5G[3]5GeMBBuRLLCmMTC[4]。應(yīng)用場(chǎng)景與需求（）在網(wǎng)絡(luò)端，邊緣計(jì)算平臺(tái)需要能夠?qū)崟r(shí)感知5G網(wǎng)絡(luò)的狀態(tài)，用戶設(shè)備的狀態(tài)，以便利用這些信息智能化完成例如流量切換、QoS5G5G5VV）車路協(xié)同場(chǎng)景中邊緣計(jì)算平臺(tái)通過對(duì)路側(cè)設(shè)備包括攝像頭、雷達(dá)產(chǎn)生的數(shù)據(jù)進(jìn)行邊緣端的AI推理分析，實(shí)現(xiàn)車-路、人-車、車-車之間的實(shí)時(shí)高效的信息交互，為交通參與者提供全方位可靠的的交通信息。通過視頻流進(jìn)行AI智能分析，輔以雷達(dá)測(cè)距，將道路參與主體（人、車、非機(jī)動(dòng)車）的狀態(tài)、速度、方向、位置等信息進(jìn)行檢測(cè)，并采用軌跡跟蹤、行為分析、事件觸發(fā)、違規(guī)檢測(cè)等技術(shù)，在智慧交通領(lǐng)域形成廣泛應(yīng)用。2015251004G/5G我國(guó)幾大石油企業(yè)正在開展“減員增效”改革，積極試點(diǎn)AI、5G、邊緣計(jì)算、數(shù)字化等技術(shù)在整個(gè)業(yè)務(wù)流程上的應(yīng)用。石油的邊緣端場(chǎng)景主要集中在眾多偏僻郊野的采油井上，現(xiàn)階段石油客戶對(duì)邊緣計(jì)算+5G的需求主要在油井現(xiàn)場(chǎng)的管理、油井設(shè)備智能化管理以及油藏智能監(jiān)控等方面。AI3AI油藏智能監(jiān)控。通過機(jī)器視覺技術(shù)，對(duì)井下石油的滲出情況進(jìn)行判斷，將傳統(tǒng)管控模式升級(jí)為智能管控模式，實(shí)現(xiàn)油井液量的智能計(jì)算、抽油機(jī)井智能自主間抽、注水井智能調(diào)控等。油井抽油機(jī)主要是電力驅(qū)動(dòng)，耗電量大。智能自主間隔抽油后，降低了抽油頻率，據(jù)客戶測(cè)算，單口油井能節(jié)省80%的電力開支。電力行業(yè)目前邊緣+5G（//可5G針對(duì)電力系統(tǒng)施工現(xiàn)場(chǎng)作業(yè)監(jiān)督需求，研發(fā)人臉識(shí)別、安全帽檢測(cè)、闖入識(shí)別、吸煙識(shí)別、滯留識(shí)別等模型，實(shí)現(xiàn)對(duì)電力施工現(xiàn)場(chǎng)的安全管控。技術(shù)架構(gòu)圖2MEC參考模型2MECMECMEC。MEC由MECMECMECMECMEC的MECMECMECMECMEC括MECMEC層負(fù)責(zé)MEC當(dāng)海量用戶通過網(wǎng)絡(luò)層接入邊緣計(jì)算系統(tǒng)后，主要由運(yùn)行在MEC主機(jī)上的不同邊緣應(yīng)用處理邊緣用戶請(qǐng)求。當(dāng)前，邊緣計(jì)算解決方案主要通過虛擬機(jī)或容器的方式運(yùn)行邊緣應(yīng)用，實(shí)現(xiàn)不同邊緣應(yīng)用之間的資源隔離。因此，邊緣應(yīng)用利用虛擬基礎(chǔ)設(shè)施提供的虛擬資源，針對(duì)海量邊緣用戶請(qǐng)求的處理效率，決定了整個(gè)邊緣計(jì)算系統(tǒng)能夠滿足低延時(shí)和海量接入的需求。MEC網(wǎng)絡(luò)等設(shè)備，以及作為人工智能算力承載的GPUIPVLANVxLAN、虛擬防火墻等資源進(jìn)行整合；5G5GGPUMEC平臺(tái)在對(duì)資源進(jìn)行有效監(jiān)控管理的基礎(chǔ)上，實(shí)現(xiàn)資源編排以及一鍵部署，滿足業(yè)務(wù)系統(tǒng)的快速運(yùn)行；實(shí)現(xiàn)了鏡像管理、本地MEC典型案例在工業(yè)互聯(lián)網(wǎng)的推動(dòng)下，以設(shè)備為核心的智能制造物聯(lián)網(wǎng)平臺(tái)興起。邊緣一體機(jī)搭配上層數(shù)據(jù)分析系統(tǒng)，能夠高效地收集和分析設(shè)備產(chǎn)生的大量數(shù)據(jù)，盤活I(lǐng)oT的數(shù)據(jù)價(jià)值。3于訓(xùn)練和調(diào)試數(shù)據(jù)分析平臺(tái)，保證廠內(nèi)算法的適配性。圖3機(jī)器人聯(lián)網(wǎng)監(jiān)控和預(yù)測(cè)維修案例緣、基于X86MECIaaS)PaaS)、MEC4圖4智慧商超案例5GMEC以微型ICT數(shù)據(jù)中心下沉到5G5圖5智慧園區(qū)案例V2X（VehicletoEverything）V2X車路協(xié)同提供了可靠、實(shí)時(shí)的本地能力支撐，保障了智慧交通的快速落地。+5G+5G5GAI(二)邊緣計(jì)算+人工智能5GVR/AR[5]AI應(yīng)用場(chǎng)景與需求工業(yè)AI3C頸。工業(yè)AI5G通過機(jī)器視覺+人工智能深度學(xué)習(xí)算法能夠處理很難提取的特征如列問題，帶來的影響。AI智慧水利檢測(cè)平臺(tái)方案，通過水質(zhì)監(jiān)測(cè)儀采集的數(shù)據(jù)進(jìn)行水質(zhì)監(jiān)測(cè)、水污染管控、水位監(jiān)控、可疑人員監(jiān)控等全業(yè)務(wù)應(yīng)用，可將業(yè)務(wù)應(yīng)用的數(shù)據(jù)進(jìn)行統(tǒng)一化管理，通過感知設(shè)備到邊緣設(shè)備再到中心平臺(tái)進(jìn)行三級(jí)系統(tǒng)協(xié)同分析，同時(shí)實(shí)現(xiàn)端側(cè)快速響應(yīng)，解決后臺(tái)集中業(yè)務(wù)處理負(fù)載重的問題，并實(shí)現(xiàn)感知設(shè)備的監(jiān)控，實(shí)現(xiàn)水質(zhì)、天氣、環(huán)境外在入侵全方位感知，全場(chǎng)景數(shù)據(jù)采集。AI以機(jī)頂盒和數(shù)字電視為例，諸如自動(dòng)提供字幕、圖像增強(qiáng)以及用戶體驗(yàn)提升等功能都有很強(qiáng)的用戶需求。從語音的角度來看，設(shè)備需要一直處于開啟狀態(tài)，因此需要一種低功耗的解決方案。從視覺的角度來看，由于需要處理大量的數(shù)據(jù)，它的挑戰(zhàn)在于需要高性能。由此，結(jié)合人工智能的邊緣計(jì)算技術(shù)，將為支撐以上需求提供高效的解決方案。VR/AR高質(zhì)量的VR/ARVRAR/VR入可以大幅降低AR/VR過結(jié)合AI202050014.4分析等AI頻輸入邊緣AIAI快速識(shí)別違章停車?yán)汀⑿腥俗呖燔嚨赖冗`章行為，并通過現(xiàn)場(chǎng)大屏和音響設(shè)備進(jìn)行勸阻，可大大降低交通管理壓力，確保人車出行安全。一般應(yīng)急管理應(yīng)用場(chǎng)景需要即時(shí)反應(yīng)和處置，需要將人工智能能力下沉到邊緣，計(jì)算后實(shí)時(shí)將結(jié)果進(jìn)行反饋，實(shí)時(shí)處置。例如在舉行某項(xiàng)活動(dòng)的時(shí)候，加入人員識(shí)別+計(jì)數(shù)器，發(fā)現(xiàn)人員密度較高，可以及時(shí)觸發(fā)進(jìn)行現(xiàn)場(chǎng)提醒：本場(chǎng)地人流密度過大，請(qǐng)大家有序進(jìn)出。同時(shí)將人員密度高結(jié)果發(fā)送云端。技術(shù)架構(gòu)圖6邊緣AI參考架構(gòu)6AI為邊緣計(jì)算平臺(tái)和邊緣AI礎(chǔ)算力資源和接入能力?；A(chǔ)設(shè)施硬件方面，提供了邊緣AIGPU、FPGA、TPUAI絡(luò)的資源管理能力為AIAI實(shí)現(xiàn)一站式的AI利用邊緣平臺(tái)提供的基礎(chǔ)邊緣計(jì)算服務(wù)和AI典型案例節(jié)主要依靠人工操作，前一生產(chǎn)環(huán)節(jié)完成后通過AGV過AGVPQC（三底。PQC//CPUlogo5G+熱器現(xiàn)有正反面區(qū)分標(biāo)識(shí)進(jìn)行自動(dòng)判別，對(duì)常見CPUlogo75G5G圖7工業(yè)質(zhì)檢典型場(chǎng)景部署架構(gòu)5GAI、缺陷檢測(cè)、質(zhì)檢結(jié)果反饋、展示與統(tǒng)5G+K1在期貨交易所倉(cāng)庫(kù)場(chǎng)景中，交割物品倉(cāng)庫(kù)的監(jiān)管業(yè)務(wù)存在交割物品倉(cāng)庫(kù)地址分散且多為第三方運(yùn)營(yíng)，人工巡檢難度大成本高；人工巡視下倉(cāng)庫(kù)內(nèi)部的異常狀況不能被及時(shí)發(fā)現(xiàn)，安全性難以保證；8圖8期貨交易所倉(cāng)庫(kù)運(yùn)營(yíng)管理方案面向交割物品倉(cāng)庫(kù)的智能化監(jiān)管方案將提升監(jiān)控的效率，在邊緣端即可完成事件警告和分析，取代人工的巡查，整體倉(cāng)庫(kù)運(yùn)營(yíng)成30%倉(cāng)庫(kù)內(nèi)人員操作動(dòng)作識(shí)別準(zhǔn)確度可達(dá)到98.4%,比通用的單幀圖像8在建筑工地場(chǎng)景中，作業(yè)穿戴不規(guī)范的施工人員進(jìn)入危險(xiǎn)區(qū)域無有效提醒手段，事故發(fā)生幾率高；監(jiān)控?cái)z像頭安裝位置隨著施工進(jìn)展調(diào)整頻繁，關(guān)鍵監(jiān)控區(qū)域難以隨之動(dòng)態(tài)調(diào)整。通過人員方式逐一排查，不僅操作難度大而且處理不及時(shí)。圖9建筑工地人員行為分析平臺(tái)9AI頭安裝位置頻繁調(diào)整導(dǎo)致的關(guān)鍵監(jiān)控區(qū)域難以延續(xù)的痛點(diǎn)問題，實(shí)現(xiàn)了目標(biāo)區(qū)域的可視化配置，用戶每次調(diào)整后只需進(jìn)入平臺(tái)手動(dòng)繪制關(guān)鍵區(qū)域即可，全過程可視化交互，簡(jiǎn)單易用。24100用邊緣AI對(duì)數(shù)據(jù)進(jìn)行系統(tǒng)性的清洗、特征分析與預(yù)處理，利用領(lǐng)域知識(shí)與XGBoost該方案可以幫助企業(yè)構(gòu)建具備領(lǐng)域知識(shí)的人工智能工藝流程優(yōu)化模型，進(jìn)行實(shí)時(shí)的模型推演，做到智能化流程管理與優(yōu)化，實(shí)現(xiàn)企業(yè)生產(chǎn)收益最大化。從數(shù)據(jù)角度切入化工專業(yè)，為專家經(jīng)驗(yàn)增添了基于數(shù)據(jù)的洞見，使得生產(chǎn)工藝優(yōu)化的嘗試有理可循，為未來更多場(chǎng)景的推廣探索出一條道路。工廠新舊設(shè)備“幾代同堂”情況時(shí)有發(fā)生，設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)利用邊緣AI(三)邊緣計(jì)算+音視頻5G[6]。應(yīng)用場(chǎng)景與需求圖10在線視頻流量分發(fā)技術(shù)落后于內(nèi)容需求升用戶體驗(yàn)的唯一考量標(biāo)準(zhǔn)。而傳統(tǒng)的CDN（ContentDelivery行服務(wù)，從而減輕服務(wù)器的壓力和骨干網(wǎng)絡(luò)的帶寬消耗，如圖而CDN降本增效達(dá)到平衡ROI。技術(shù)架構(gòu)圖11邊緣計(jì)算音視頻參考架構(gòu)11客戶端是指用戶發(fā)起或接收音視頻通信服務(wù)的應(yīng)用端APP，會(huì)根據(jù)不同的終端硬件類型集成不同的RTCSDK供應(yīng)用端業(yè)務(wù)調(diào)用API實(shí)現(xiàn)和其他用戶的音視頻通信和交互。IOSAndroidWindows、macOS、LinuxWebRTCSDKPCM是在音頻解碼后，對(duì)還原的PCMFECARQ：實(shí)現(xiàn)客戶端和RTC/加入//停止CPU///力?；谌珖?guó)分布的邊緣計(jì)算節(jié)點(diǎn)資源，構(gòu)建覆蓋所有區(qū)域用戶的實(shí)時(shí)音視頻網(wǎng)絡(luò)，并實(shí)現(xiàn)就近提供音視頻控制面和數(shù)據(jù)面業(yè)務(wù)接入和服務(wù)能力。BGPAPIRTCRTCRTCRTCRTCSDK/數(shù)據(jù)/加入///渲染：針對(duì)用戶終端性能不足場(chǎng)景，可以通過邊緣云端CPU/GPU實(shí)現(xiàn)對(duì)RTC業(yè)務(wù)的中心統(tǒng)一控制能力。用戶管理RTC：實(shí)現(xiàn)對(duì)RTCIP時(shí)延等指標(biāo)提供最優(yōu)RTC統(tǒng)一邊緣接入網(wǎng)關(guān)清單，供客戶端優(yōu)選最佳節(jié)點(diǎn)接入。動(dòng)態(tài)計(jì)算RTCRTC典型案例1明確該直播客戶需求后，在全國(guó)多地進(jìn)行邊緣計(jì)算節(jié)點(diǎn)UEC的設(shè)備部署，并進(jìn)行多地運(yùn)營(yíng)商節(jié)點(diǎn)的測(cè)試工作，為客戶提供全國(guó)性的邊緣計(jì)算節(jié)點(diǎn)和帶寬資源，一方面在主播直播推流時(shí)，支持就近550用戶雙向的直播體驗(yàn)。同時(shí)為客戶開發(fā)了邊緣節(jié)點(diǎn)的API（應(yīng)用程邊緣RTC圖12邊緣RTC方案12RTC&輸鏈路的最優(yōu)，大幅度提升用戶體驗(yàn)；同時(shí)也降低中心節(jié)點(diǎn)的網(wǎng)絡(luò)帶寬的消耗，卸載到邊緣的帶寬成本結(jié)構(gòu)上，做到成本的降低。圖13邊緣視頻源站13等等一系列業(yè)務(wù)定義邏輯。視頻內(nèi)容處理完成，可通過CDN助ToB圖14視頻安防方案14AIAIAICDN15CDNPCDNCDNCDNURL可用原先的URLPCDNCDNCDN逐步過渡采用PCDN圖15邊緣節(jié)點(diǎn)與云CDN協(xié)同PCDNCDNOTTPCDN與云CDN的高效協(xié)同，需能靈活調(diào)度后臺(tái)內(nèi)容資源與服務(wù)Kubernetes（K8s）或定制化容器編排調(diào)度平臺(tái)等，支持包括但不限于K8sPodDockerKataCPU、存儲(chǔ)以LVM分析平臺(tái)和A/B可設(shè)計(jì)一整套經(jīng)濟(jì)學(xué)的撮合機(jī)制，形成循環(huán)的聚合拉動(dòng)模式，并納入用戶和資源供應(yīng)商，既考慮供給節(jié)點(diǎn)的效益，也考慮需求業(yè)務(wù)的效益，注重服務(wù)覆蓋的廣度和規(guī)模以及服務(wù)部署的彈性，建立一套交易模型；通過盡可能地復(fù)用資源，在異構(gòu)的業(yè)務(wù)和異構(gòu)的資源環(huán)境下，同時(shí)滿足用戶和資源供應(yīng)商雙方的要求，形成良性交易循環(huán)，從而完成雙邊經(jīng)濟(jì)。基于大數(shù)據(jù)和人工智能，實(shí)現(xiàn)資源、服務(wù)和任務(wù)的自動(dòng)化調(diào)度，使資源在細(xì)顆粒度下進(jìn)行精確調(diào)度，提升資源的利用率，大幅降低錯(cuò)誤調(diào)度與重復(fù)調(diào)度的發(fā)生頻率，形成以IaC為核心的自動(dòng)化運(yùn)維能力；同時(shí)，對(duì)全網(wǎng)的機(jī)房節(jié)點(diǎn)和服務(wù)器進(jìn)行自動(dòng)化監(jiān)測(cè)，在服務(wù)器硬件故障發(fā)生前可實(shí)現(xiàn)提前預(yù)警，并調(diào)撥任務(wù)到該機(jī)房節(jié)點(diǎn)的其他服務(wù)器，以替換潛在故障服務(wù)器，從而強(qiáng)化節(jié)點(diǎn)資源的穩(wěn)定性和可靠性。一方面，基于動(dòng)態(tài)SDN技術(shù)構(gòu)建服務(wù)器間的網(wǎng)型架構(gòu)，在各個(gè)服務(wù)器節(jié)點(diǎn)之間建立一套可自定義服務(wù)質(zhì)量的、高效虛擬的Overlay傳輸網(wǎng)絡(luò)，使底層網(wǎng)絡(luò)支持動(dòng)態(tài)調(diào)整，在較復(fù)雜的網(wǎng)絡(luò)下兼容于各種異構(gòu)網(wǎng)絡(luò)環(huán)境，從而能容忍準(zhǔn)弱網(wǎng)甚至弱網(wǎng)環(huán)境，保障節(jié)點(diǎn)間網(wǎng)絡(luò)傳輸?shù)馁|(zhì)量和穩(wěn)定性。同時(shí)，繞開骨干網(wǎng)與三線互聯(lián)，在城域網(wǎng)和接入網(wǎng)兩個(gè)環(huán)節(jié)打通整個(gè)網(wǎng)絡(luò)，用上層算法協(xié)議進(jìn)行路由決策，基于七層SDN有效地避免昂貴的BGP帶寬費(fèi)用開銷，并提升用戶體驗(yàn)。另一方面，基于一套鏈路評(píng)估機(jī)制，運(yùn)用多維度指標(biāo)（包括谷歌的BWE，TTL以及成本Cost等）來評(píng)估多路的、單路的、內(nèi)網(wǎng)的異構(gòu)節(jié)點(diǎn)，考慮節(jié)點(diǎn)的歷史穩(wěn)定性。根據(jù)以上維度的指標(biāo)數(shù)據(jù)，為每條鏈路進(jìn)行定期打分；并基于鏈路打分，對(duì)數(shù)據(jù)進(jìn)行分片，用不同的鏈路傳輸不同的數(shù)據(jù)，實(shí)現(xiàn)并行傳輸，從而規(guī)避因?yàn)閱温窂街袛喽鴮?dǎo)致網(wǎng)絡(luò)異常的情形；此外，借助RTC中的FEC技術(shù)，把數(shù)據(jù)切片之后用噴泉碼做擴(kuò)展，構(gòu)建數(shù)據(jù)冗余機(jī)制，控制傳輸可靠性和延遲。(四)邊緣計(jì)算+區(qū)塊鏈邊緣計(jì)算與區(qū)塊鏈技術(shù)具有廣域分布的共性技術(shù)特征，兩種技術(shù)具有天然的親和性，兩種技術(shù)的融合可以為行業(yè)應(yīng)用提供高效的可信認(rèn)證能力。一方面，區(qū)塊鏈服務(wù)可以利用邊緣計(jì)算的基礎(chǔ)賦能底座，獲得邊緣側(cè)算力資源與通信能力，提升自身服務(wù)能力；另一方面，運(yùn)行于邊緣側(cè)的各類行業(yè)應(yīng)用可以利用區(qū)塊鏈服務(wù)提供可信的數(shù)據(jù)信息[7]。應(yīng)用場(chǎng)景與需求在人員日常通信設(shè)備巡檢中，巡檢效率低，成本高，耗時(shí)長(zhǎng)，通信設(shè)備數(shù)量多、型號(hào)多、品牌多，當(dāng)巡檢工作外包給第三方公司時(shí)，就可能會(huì)有造假情況的發(fā)生。區(qū)塊鏈服務(wù)部署在邊緣計(jì)算節(jié)點(diǎn)服務(wù)器上，為設(shè)備檢驗(yàn)提供數(shù)據(jù)采集、信息登記、設(shè)備查詢、數(shù)據(jù)存儲(chǔ)、可視化顯示等功能，并提供檢驗(yàn)數(shù)據(jù)的全過程追溯，確保檢驗(yàn)結(jié)果的真實(shí)性和可靠性。還可以對(duì)巡檢數(shù)據(jù)進(jìn)行分析，為操作人員提供巡檢數(shù)據(jù)管理服務(wù)，從而提高巡檢質(zhì)量和效率。數(shù)據(jù)采集目前的方式可分為人工巡檢和自動(dòng)巡檢兩種。人工巡邊緣計(jì)算與區(qū)塊鏈共同為行業(yè)生產(chǎn)活動(dòng)的數(shù)字化提供高可信、高效率處理:行業(yè)多方將長(zhǎng)流程業(yè)務(wù)各方面的生產(chǎn)數(shù)據(jù)實(shí)時(shí)傳輸?shù)竭吘壴?。部署在邊緣?jì)算節(jié)點(diǎn)上的區(qū)塊鏈服務(wù)可以提供實(shí)時(shí)存儲(chǔ)，基于可信數(shù)據(jù)的分析和處理，支持業(yè)務(wù)的可信執(zhí)行，解決業(yè)務(wù)數(shù)據(jù)處理的帶寬、安全性、實(shí)時(shí)性和高可靠性問題。性，對(duì)數(shù)據(jù)進(jìn)行智能分析處理，將數(shù)據(jù)傳感、分析、存儲(chǔ)和聯(lián)動(dòng)一體化，完成遠(yuǎn)程監(jiān)測(cè)、預(yù)警和控制。視頻數(shù)據(jù)通過邊緣節(jié)點(diǎn)上的區(qū)塊鏈存儲(chǔ)在本地。當(dāng)業(yè)務(wù)端查詢數(shù)據(jù)時(shí)，自動(dòng)完成數(shù)據(jù)驗(yàn)證服務(wù)，業(yè)務(wù)端可以方便高效地知道數(shù)據(jù)的真實(shí)性。校園、客運(yùn)站、商城等區(qū)域的監(jiān)控視頻、執(zhí)法視頻等，都是由各單位自行存儲(chǔ)，當(dāng)需要調(diào)閱視頻時(shí)，只能查詢各單位自身存儲(chǔ)的視頻數(shù)據(jù)，而各單位可能出于對(duì)本單位利益的考慮，很可能對(duì)視頻數(shù)據(jù)進(jìn)行刪除、偽造等，這樣數(shù)據(jù)就存在造假的隱患，不利于還原事實(shí)真相。視頻存儲(chǔ)的需求通常是在有視頻錄制方和監(jiān)管方時(shí)產(chǎn)生的，比如總司對(duì)分公司的監(jiān)控或公共安全方面的統(tǒng)一要求等。視頻記錄的可信度，尤其是長(zhǎng)期保存的歷史視頻的真實(shí)性，可能會(huì)受到質(zhì)疑。使用區(qū)塊鏈記錄作為證據(jù)大幅度提高視頻的可信度。技術(shù)架構(gòu)圖16邊緣計(jì)算+區(qū)塊鏈架構(gòu)圖16IaaS、PaaS、SaaSIaaSPaaSSaaS典型案例保存人工巡檢或自動(dòng)巡檢過程采集到的各種巡檢數(shù)據(jù)，并將其哈希值保存到區(qū)塊鏈中，以保證數(shù)據(jù)的準(zhǔn)確性。各公司可以通過檢驗(yàn)管理系統(tǒng)查詢檢驗(yàn)結(jié)果。隨著數(shù)據(jù)傳輸量、設(shè)備數(shù)量和數(shù)據(jù)計(jì)算量的快速增加，整個(gè)系統(tǒng)對(duì)傳輸帶寬、計(jì)算量和響應(yīng)速度的要求越來越高，通過邊緣計(jì)算可以提供低功耗、低時(shí)延、高可用性等服務(wù)。同時(shí)，利用區(qū)塊鏈服務(wù)提供多方交互、可信存款、可信執(zhí)行全過程數(shù)據(jù)，從而實(shí)現(xiàn)對(duì)全過程的監(jiān)控。將行業(yè)長(zhǎng)流程業(yè)務(wù)各環(huán)節(jié)的生產(chǎn)數(shù)據(jù)，發(fā)送給部署在周邊邊緣節(jié)點(diǎn)上的相關(guān)應(yīng)用，如單據(jù)、監(jiān)控信息、設(shè)備實(shí)時(shí)情況等，借助區(qū)塊鏈技術(shù)的數(shù)據(jù)透明性，將信息流程實(shí)時(shí)鏈接，數(shù)據(jù)保存，為流程跟蹤和業(yè)務(wù)追溯（如導(dǎo)航、事故原因等）提供更直觀、更詳細(xì)的數(shù)據(jù)支持;邊緣計(jì)算能力用于對(duì)數(shù)據(jù)進(jìn)行分析和決策，依托區(qū)塊鏈的智能合約進(jìn)行流程管控、觸發(fā)報(bào)警、提供實(shí)時(shí)反饋，并產(chǎn)生具有雙向可追溯性的可靠電子證據(jù)等。區(qū)塊鏈賬本存儲(chǔ)空間會(huì)比較有限，視頻文件一般會(huì)很大，在設(shè)計(jì)業(yè)務(wù)方案和流程時(shí)，需要將視頻文件的摘要信息上傳到區(qū)塊鏈存證，而視頻源文件則物理地分散在每個(gè)單元的原始存儲(chǔ)介質(zhì)上。視頻信息包括視頻文件的哈希值、文件名、文件大小等信息?？梢栽谏珊痛鎯?chǔ)視頻文件的地方安裝邊緣視頻服務(wù)軟件，例如攝像頭和視頻服務(wù)器，并且可以定期檢查視頻文件以生成摘要并發(fā)送到邊緣區(qū)塊鏈節(jié)點(diǎn)。共識(shí)處理后，區(qū)塊鏈系統(tǒng)將摘要數(shù)據(jù)存儲(chǔ)在區(qū)塊鏈網(wǎng)絡(luò)上。業(yè)務(wù)人員在調(diào)取本地視頻文件進(jìn)行查看時(shí)，邊緣視頻服務(wù)軟件向區(qū)塊鏈系統(tǒng)發(fā)出一個(gè)驗(yàn)真的請(qǐng)求，并用視頻文件重新生成摘要信息，如果和區(qū)塊鏈上存儲(chǔ)的摘要信息高度契合，則表明其為當(dāng)時(shí)記錄的視頻，沒有被篡改，最終將驗(yàn)真的結(jié)果反饋給業(yè)務(wù)人員。(五)邊緣計(jì)算+安全邊緣計(jì)算具有地域分布廣、算力多元泛在、數(shù)據(jù)海量異構(gòu)、接入?yún)f(xié)議種類繁多等特性，一方面?zhèn)鹘y(tǒng)云計(jì)算環(huán)境下的數(shù)據(jù)安全、隱私防護(hù)等防護(hù)措施在邊緣計(jì)算場(chǎng)景下面臨諸多挑戰(zhàn)，另一方面車聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等諸多場(chǎng)景，要求在邊緣側(cè)部署各類安全策略，保障安全防護(hù)的及時(shí)性與有效性。邊緣計(jì)算安全技術(shù)融合了邊緣計(jì)算架構(gòu)與各類安全防護(hù)技術(shù)，從邊緣基礎(chǔ)設(shè)施安全到邊緣安全服務(wù)，體系化構(gòu)建邊緣計(jì)算安全防護(hù)體系。應(yīng)用場(chǎng)景與需求/例如：在工業(yè)邊緣計(jì)算、企業(yè)IoTZB，缺WPA2過網(wǎng)絡(luò)Overlay[8]。上的數(shù)據(jù)來銷毀某些證據(jù)。在企業(yè)和IoT/IoT邊技術(shù)架構(gòu)圖17邊緣計(jì)算安全架構(gòu)17[9]：蓋了CPUSASE：該層包含一個(gè)或多個(gè)安全環(huán)境，提供與敏感數(shù)Web典型案例在無人機(jī)安全領(lǐng)域，大多采用邊緣部署無人機(jī)的方式，由于通信鏈路的開放性，更容易受到竊聽和篡改等惡意攻擊。被損壞和控制的無人機(jī)可能造成嚴(yán)重的損失。GNSS)18圖18無人機(jī)通信鏈路193.0方案服務(wù)于國(guó)家電網(wǎng)電力調(diào)度系統(tǒng)，使國(guó)家電力調(diào)度系統(tǒng)達(dá)到國(guó)家等級(jí)保護(hù)四級(jí)的安全要求，同時(shí)符合GB/T22239基本要求和GB/T25070設(shè)計(jì)技術(shù)要求。圖19可信電力調(diào)度方案(六)邊緣計(jì)算+高性能計(jì)算在高性能計(jì)算云化發(fā)展的背景下，邊緣計(jì)算與高性能計(jì)算的深度融合，一方面云化的高性能計(jì)算服務(wù)從中心走向邊緣，可以進(jìn)一步滿足更多業(yè)務(wù)場(chǎng)景對(duì)高效算力的需求，另一方面結(jié)合邊云協(xié)同能力，實(shí)現(xiàn)高性能計(jì)算云服務(wù)能力的擴(kuò)展支撐。應(yīng)用場(chǎng)景與需求隨著近年市場(chǎng)需求增長(zhǎng)及計(jì)算機(jī)硬件和圖形學(xué)的迅速發(fā)展，渲染得到了越來越廣泛的應(yīng)用。動(dòng)畫渲染耗費(fèi)大量時(shí)間已經(jīng)成為影響動(dòng)畫制作效率的一個(gè)重要因素，在動(dòng)畫節(jié)目制作過程中渲染所需要的時(shí)間越來越多；而且當(dāng)今的影視后期制作也已離不開特效渲染的支持，后期制作部門面對(duì)觀眾愈加苛求的挑戰(zhàn)，藝術(shù)家們不僅需要在每個(gè)項(xiàng)目上追求創(chuàng)新，并且需要解決實(shí)現(xiàn)復(fù)雜特效的快速工具；即使最絢麗的特效，在交付期結(jié)束前若不能遞交將沒有任何市場(chǎng)價(jià)值。PC云超算是基于云原生高性能計(jì)算的解決方案，協(xié)助傳統(tǒng)基因業(yè)Cromwell流程跑在kubernetes通過混合云方案實(shí)現(xiàn)線下和線上的協(xié)同，開發(fā)測(cè)試和小規(guī)模業(yè)務(wù)在客戶自己的數(shù)據(jù)中心環(huán)境中運(yùn)行，大規(guī)模生產(chǎn)業(yè)務(wù)運(yùn)行在公有云中，提升了環(huán)境隔離和業(yè)務(wù)彈性能力，大幅提高了業(yè)務(wù)承載能力的同時(shí)大幅降低企業(yè)成本。技術(shù)架構(gòu)圖20邊緣高性能計(jì)算架構(gòu)20資源管理、可彈性的資源調(diào)配、較低的運(yùn)維成本。HPC：主要包括了HPCHPCHPC典型案例目前邊緣視頻AI21圖21“軟件+硬件”異構(gòu)計(jì)算架構(gòu)云側(cè)通過部署異構(gòu)計(jì)算環(huán)境以及大數(shù)據(jù)和人工智能平臺(tái)，負(fù)責(zé)執(zhí)行智能數(shù)據(jù)分析、模型訓(xùn)練任務(wù)、以及部分帶寬占用低、非時(shí)延敏感的推理任務(wù)；與云側(cè)相比，邊緣側(cè)的算力資源更少，主要執(zhí)行數(shù)據(jù)傳輸帶寬壓力大、實(shí)時(shí)性要求高等推理任務(wù)；部分端側(cè)設(shè)備也配置了低功耗的專用芯片，對(duì)采集數(shù)據(jù)進(jìn)行分析處理。99四、“邊緣計(jì)算+”技術(shù)發(fā)展趨勢(shì)(一)“邊緣計(jì)算+”技術(shù)從概念走向深入ICTICTICTAI、邊緣HPC(二)一體化與智能化成為“邊緣計(jì)算+”重要發(fā)展方向。邊緣(三)云原生將成為“邊緣計(jì)算+”技術(shù)演進(jìn)的加速器CIAI算網(wǎng)融合時(shí)代，行業(yè)數(shù)字應(yīng)用要求網(wǎng)絡(luò)安全向軟件化、服務(wù)化方向演進(jìn)發(fā)展，以SASE為代表的“邊緣計(jì)算+”安全服務(wù)技術(shù)將融合網(wǎng)絡(luò)接入與安全能力，在邊緣側(cè)部署安全服務(wù)，提高安全服務(wù)響應(yīng)能力，降低部署成本，實(shí)現(xiàn)統(tǒng)一的安全管理，滿足業(yè)務(wù)動(dòng)態(tài)安全訪問需求。參考文獻(xiàn)The Linux Foundation. State of The Edge /.3GPP.FeasibilitystudyonnewservicesandmarketstechnologyenablersforcriticalcommunicationsV14.1.0:TR22.862[S].2016.ETSI.ETSIGSMEC003MobileEdgeComputing(MEC):FrameworkReferenceArchitecture.GSMA.5G2020.AI2019.算網(wǎng)融合產(chǎn)業(yè)及標(biāo)準(zhǔn)推進(jìn)委員會(huì)（CCSATC621）.面向視頻領(lǐng)域的邊緣計(jì)算白皮書,2021.5G2020.邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟.邊緣計(jì)算安全白皮書,2019.安全訪問服務(wù)邊緣（SASE）整體方案技術(shù)要求（征求意見稿）.縮略語縮略語 英文名稱 中文名稱4thGenerationMobile4thGenerationMobileCommunicationTechnology5thGenerationMobileCommunication5GTechnology

第五代移動(dòng)通信技術(shù)AGV AutomatedGuidedVehicle 自動(dòng)導(dǎo)引運(yùn)輸車AI ArtificialIntelligence 人工智能API ApplicationProgrammingInterface 應(yīng)用程序編程接APP Application 應(yīng)用程序AR AugmentedReality 增強(qiáng)現(xiàn)實(shí)ARQ AutomaticRepeat-reQuest 自動(dòng)重傳請(qǐng)求BGP BorderGatewayProtocol 邊界網(wǎng)關(guān)協(xié)議BP BackPropagation 神經(jīng)網(wǎng)絡(luò)CDNContentDeliveryNetwork內(nèi)容分發(fā)網(wǎng)絡(luò)CIContinuousintegration持續(xù)集成CPUCentralProcessingUnit中央處理器CTCommunicationTechonology通訊技術(shù)產(chǎn)業(yè)DNSDomainName