科普貼！什麼是邊緣計算？中美科技巨頭正在佈局的5G關鍵技術

2019年8月9日，華為正式對外發布了鴻蒙作業系統。在鴻蒙作業系統的定義之中，包含了“微核心”、“分散式”、“全場景”三個關鍵詞。而這三個關鍵詞，都顯露了華為要在邊緣計算施展抱負的雄心。

2019年9月26日，高通CTO詹姆斯·湯普森博士在高通5G workshop上表示：邊緣計算與AI是支援5G發展的關鍵技術。在此之前，高通就推出了面向物聯網領域的邊緣計算晶片QCS603、QCS605。用以滿足相機、工業機器人等物聯網裝置對AI運算的需求。

隨著5G發展的普及，邊緣計算正在凸顯它越來越重要的技術地位。根據中銀國際的測算，預期到2022年基於邊緣計算的智慧製造滲透率至少達到60%，市場規模將達到15180億元人民幣。

也就是說，2020年有一多半的製造工廠因為邊緣計算而變得更加智慧，更有效率。

什麼叫邊緣計算？

所謂邊緣，簡單理解就是指在網路拓撲結構中，處在外圍邊緣的終端裝置。而邊緣計算就是，這些讓這些外圍終端來進行資料處理運算的技術。沒錯，你的手機、電腦、路由器、汽車都可以看成是承接邊緣計算的重要載體，與雲端伺服器一起為你服務。

根據邊緣計算產業聯盟ECC釋出的邊緣計算參考架構顯示，雲、邊、端將在未來全面實現一體化。邊緣感測器所收集的基礎資料直接就能在平臺上進行處理，並及時反饋給裝置端，然後再交付給雲端進行更深入的資料分析。

舉一個形象的例子，你的自動駕駛汽車正行駛在公路上。突然，公路上竄出一個小孩。你的汽車發現之後自動識別危險，立刻剎車停了下來。由於大多數情況下，這種危險只發生在一兩秒內。如果把資料傳到雲端進行處理，然後再下達對應的指令，那麼一兩秒鐘早就過去了，根本來不及讓汽車反應，極有可能造成事故。於是為了滿足機器對突發情況的處理能力，在這種情況下，邊緣計算的概念就應運而生。

在2019年10月的世界智慧網聯汽車大會上，華為輪值董事長徐直軍推出了一個名稱頗為形象的車雲協同平臺，華為八爪魚（HUAWEI Octopus）。它除了擁有不斷學習的大腦之外，最重要的是在系統邊緣有具備感知和思考能力的觸角。

章魚這種生物很奇特，除了有作為神經中樞的大腦之外，它還有獨特的腕足腦。主腦集中了40%的神經元，剩下60%的神經元就主要分佈在八個腕足腦上。這八個腕足腦能夠在大腦不參與思考的狀況下指揮對應的觸手完成獨立工作。而這些腕足腦就相當於是我們邊緣計算中的資料處理中心。

這樣的類比就為普通人解釋了雲計算與邊緣計算的協同關係。

另外，無人駕駛汽車還需要解決的一個關鍵問題就是：沒網怎麼辦？沒網就意味著沒有可靠的雲端核心運算能力支撐。而如果邊緣計算能力得到普及，那麼裝置完全可以在斷網的狀態下獨立地進行資料的採集和處理。其實華為這兩年釋出的麒麟晶片就可以看作是用於邊緣計算的處理器。從麒麟980開始，離線的AI資料處理就成為了麒麟晶片的核心能力之一。

即能獨立運作，又能與雲端協同，這便是邊緣計算的意義所在。

邊緣計算如何改變我們的生活？

目前坊間對於邊緣計算的探討大多基於未來5G全面鋪開的想象之中，似乎與我們的生活關係並不大。但透過閱讀上文我們知道，包括華為的麒麟晶片、蘋果的faceID、影片監控系統等等，其實都有邊緣計算技術的參與。

2017年，海康威視釋出了AI Cloud框架，它是一個基於神經網路的認知計算系統。由雲中心、邊緣域、邊緣節點三部分組成。重點在於海康威視將AI算力注入了邊緣，讓處在邊緣的各類攝像頭能夠初步對資料進行處理，從而讓雲端可以更高效的處理核心資料。

當一個地鐵攝像頭在採集資料的時候，它需要進行初步的人臉識別、步態識別、著裝識別等資料的處理，其中還要剔除無關項、干擾項，比如說突然出現在畫面中的貓、狗等動物，反覆出現在攝像頭視線內的地鐵工作人員。甚至還包括要對影片資料進行亮度、對比度、色彩方面的處理，從而提取到更多的影象資訊。這些都是邊緣計算要在本地的完成的工作。

如今的海康威視早已不再是傳統意義上的影片監控公司，它憑藉著自身在人工智慧、IoT領域的研發投入也成為了具備一定科技實力的高科技公司。有些人甚至認為，由於同樣對於人工智慧、物聯網領域的技術研發，海康威視或許在未來將與華為成為直接的競爭對手。

還有上文提到的高通QCS603、QCS605這兩款晶片，它們就是應用於視覺平臺的SoC，可以安裝於安防用的影片攝像頭上。相容基於Tensorflow、Caff、Caff2、安卓Neural Networks API、高通NPE等平臺開發的機器學習架構，可以實現每秒高達2。1個TOPS的運算（1TOPS代表每秒鐘一萬億次運算，2。1個TOPS就是2。1萬億次）。

然而就算是2。1萬億次的運算能力，恐怕仍無法支撐起未來海量的資料處理。根據IDC的預測，到了2025年，全球將會有416億臺聯網裝置，產生79。4ZB的資料。1ZB=1024EB、1EB=1024PB、1PB=1024TB、1TB=1024GB。在這樣的換算關係之下，2。1萬億次的運算能力就不會顯得那麼誇張，甚至還有點捉襟見肘。

面對著如此海量的運算資料，它們不可能全部交由核心伺服器進行分析處理，因此就凸顯了邊緣計算對於系統穩固、流暢的重要性。

邊緣計算競賽，中國有市場優勢

雖然被視為邊緣計算起源的CDN技術，早在1998年就由美國阿卡邁公司發明。但客觀地說，憑藉應用市場廣闊，在邊緣計算的賽道上，中國和美國幾乎處在同一起跑線上。

確實，美國的亞馬遜、英特爾、微軟、IBM都非常早的就進入了邊緣計算領域，建立了一定的技術壁壘。像是亞馬遜推出的AWS Greengrass、微軟的Azure IoT Edge，IBM的IBM Cloud等等。

但細心的人應該發現大，上述這些邊緣計算工具都是衝著IoT而來。然而，根據IDC的預測，到了2022年，在全球的物聯網市場中，中國的佔比將達到30。9%，成為全球最大物聯網市場。

第一大物聯網市場的優勢，再疊加製造業中心的地位，中國的邊緣計算技術發展完全有實力超越美國。