智到功成
当前位置:首页 - 养生 >

边缘计算: 协同5G,开拓蓝海新市场

2019-09-07来源:现代快报


边缘计算: 协同5G,开拓蓝海新市场

边缘计算技术作为5G网络架构中核心的一环,顺随运营商边缘机房智能化改造的趋势,致力于解决5G网络对于低时延、大带宽、海量物联的硬性要求,正在成为各大运营商与行业相关企业占据5G发展快速道、把握未来全新业务形态、开拓蓝海市场的关键。


▌关于边缘计算的概述

边缘计算的概念

按照边缘计算产业联盟的定义,边缘计算是指在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,充分利用整个路径上各种设备的处理能力,就地存储处理隐私和冗余数据,降低网络带宽占用,提高系统实时性和可用性,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私等方面的关键需求。


通俗来说,边缘计算就是将云端的计算存储能力下沉到网络边缘,用分布式的计算与存储在本地直接处理或解决特定的业务需求,用以满足不断出现的新业态对于网络高带宽、低延迟的硬性要求。

边缘计算: 协同5G,开拓蓝海新市场

边缘计算其实早在2002年就已提出,近些年来,随着SDN/NFV等先进网络技术的日渐成熟,各大网络标准化组织才逐渐意识到边缘计算对于网络功能的巨大提升;并于2016年4月,将之列为5G网络架构的关键技术。


2016年11月,华为、英特尔、ARM、中国科学院沈阳自动化研究所、中国信息通信研究院和软通动力发起成立了边缘计算产业联盟(ECC),致力于边缘计算在各行业的数字化创新与行业应用落地。


根据ECC发布的边缘计算参考架构,整个系统被分为三层,即现场层、边缘层、云端。


其中边缘层又划分为边缘管理器和边缘节点两部分,边缘节点是具有计算和存储能力的功能模块,包括负责处理和转换网络协议的边缘网关,负责闭环控制业务的边缘控制器,负责大规模数据处理的边缘云以及负责信息采集与简单处理的边缘传感器;而边缘管理器则主要是实现对边缘节点的各项功能进行统一管理和调度。

边缘计算: 协同5G,开拓蓝海新市场

整个框架强调了云—边—端一体化的要求,边缘传感器将设备端基础数据汇集到边缘云平台,在平台上对数据进行分析处理,得到的即时结果反馈到设备端。


而边缘管理器则负责数据的统一调配,与云端建立联系,将业务相关数据传输到云端进行更加深入的分析,而后再对边缘侧算法进行优化,从而灵活高效的指导生产实践。


边缘计算是云与端连接的桥梁,其所处的地理位置与具备的功能定位决定了它自身所必然具备的特点与属性。

边缘计算: 协同5G,开拓蓝海新市场


▌与边缘计算相比,云计算有诸多劣势

首先是实时性,传感器接收到数据以后,云计算需要通过网络传输到数据中心,经过分析处理后再由网络反馈到终端设备,这样数据来回传传输就造成了较高时延。


其次云计算对带宽的要求也越来越大,例如在公共安全领域,每一个高清摄像头都需要2M的带宽来传输视频,这样的一个摄像头一天就可以产生10几个G的数据,如果这样的数据全部传到数据中心进行分析存储的话,对带宽的消耗非常大。


第三是能耗方面,现在数据中心的能耗在业界已经占据了非常高的比例,国家也不断对数据中心的能耗指标作出要求。最后是数据安全和隐私方面,数据经由网络上传到云端经历了众多环节,每个环节数据都有可能被泄露。


而边缘计算则可以完美的解决以上诸多问题,边缘计算就部署在接入网,在网络边缘就可以完成对数据的分析处理,数据甚至都不必上传至云端,这样就大幅降低了数据传输时间,减轻了通信网络的带宽压力,数据在边缘处理存储也更加高效安全。


实际上,云计算与边缘计算的关系更像是人体的神经网络系统,大脑即为云计算中心,而神经中枢与神经元则代表了下沉到不同程度的边缘计算。


传感器从边缘设备对数据进行初始的采集,到边缘层进行一部分实时的处理,再传输到核心层进行深度的计算分析,最后再将分析结果回馈到边缘,对边缘智能进行优化完善。


两者构成了一套完整的系统,云计算负责全局性、非实时、长周期的大数据处理与分析,而边缘计算则根据特定的需求对局部性、实时、短周期数据的处理与分析。


目前市场上边缘计算的建设主体主要有电信运营商、第三方厂商、OT厂商等,电信运营商采用MEC多接入边缘计算的形式将边缘计算部署在网络的边缘,一般是在宏基站的机房内或者多个宏基站的汇聚点。


第三方厂商则需要借助运营商MEC平台开放底层资源来推出自己个性化服务,一般是自身云计算业务的在边缘处的延伸。


而OT厂商则聚焦于边缘设备,对其进行智能化改造,让终端设备具备一定的计算能力,用以满足自身业务需求。


由于以上两类边缘计算应用形式面向的客户场景不同,体现的客户价值也不同,所以各建设主体对于边缘计算的理解、用到的关键技术等都有较大的区别。


各参与者根据自己的优劣势,在不同的业务形态中担任不同的角色。需要说明的是,在实际部署的商业用例中,上述两种边缘计算应用可以独立存在,也可以两者相互融合互补并存。


边缘计算: 协同5G,开拓蓝海新市场

与5G同行,多方共同打造MEC产业生态。


网络侧多接入边缘计算MEC是一种基于通信网络的全新分布式计算方式,已经被3GPPSA2列为5G网络架构的关键技术。


通过部署在一定的计算存储能力部署在RAN端、构建接入网云服务环境,使得一部分的网络服务与网络功能在脱离核心网的情况下进行,从而大幅度的减少数据传输的时延,节省带宽,降低网络负载,同时还能够保证数据的安全性。


MEC具备丰富的应用场景,典型的如智能驾驶、AR/VR、超高清视频等等。基于运营商的部署规划,5G时期MEC建设将会为市场带来约1485亿元的海量硬件需求,而随着更多层次MEC建设的推进,相关厂商将会从中获益。

边缘计算: 协同5G,开拓蓝海新市场


▌现场侧端级边缘计算,催生应用新蓝海

在现实的生产实践中,遇到的案例并不总是像智能驾驶、视频优化等应用一样在一个平台提供集中式的数据分析与处理,有些场景如工业现场的设备检测及管理,不同的设备可能面对的是完全不同的业务需求,现场的数据处理需求太过碎片化,异构的数据导致难以或者无法提供一个通用的解决方案。


这时,将边缘计算的计算存储能力直接下沉到设备边缘,即对设备进行智能化改造,在设备端直接对数据进行处理,分析结果直接用于指导现场设备的生产制造,这样就可以解决边缘侧需求多样化的问题,从而降低企业的生产成本,提高生产效率。


目前,计算能力直接下沉到端的应用主要集中在三个领域:智慧安防、工业互联网、智能家居领域,其共同的特点是终端数量庞大,产生的数据多且杂,如果采用云计算的方式,要么不满足具体业务的需求,要么会造成大量网络资源的浪费。


而边缘计算则可以很好的满足上述要求,边缘设备甚至无需联接外网,就可以满足自身业务需求。

边缘计算: 协同5G,开拓蓝海新市场

端级边缘计算在智慧安防领域的应用

在智慧安防领域,一个二线以上城市可能就有上百万个监控摄像头,针对产生的海量视频数据,云计算中心服务器计算能力有限。


如果我们能够在边缘处能够对视频进行预处理,将部分或全部视频分析迁移到边缘处,那么我们就可以大大降低对云中心的计算、存储和网络带宽需求。


根据现有的实践案例,如果我们仅仅用摄像头把原始视频传送到云端人脸引擎,一台4核的16G内存的服务器只能支持3个摄像头的数据处理;


如果我们将计算能力直接下沉到端,即在摄像头附近加一个数据处理芯片,功能就是把视频流有人脸的图片传输到服务器,没有的则直接省去,在边缘侧实现数据的预处理,那么一个人脸引擎可以处理20个摄像头的数据。


市场上200万像素的摄像头大概在300~500元之间,如果加入芯片与存储,价格会在800~1000左右,成本会增加80%左右,但是从整体网络带宽的消耗和服务器端整体成本来看,这种解决方案还是大大节省了开支。


随着“平安城市”建设进程的推进,我国的安防行业保持了快速发展的势头,安防产业链不断完善,市场规模持续增长。据智研咨询发布的报告,2022年我国安防行业市场规模将会达到9737亿元。


安防行业收入主要来源于安防工程和安防产品。

根据智研咨询发布的数据,2016年中国安防工程产值约3100亿元,安防产品产值约1900亿元,报警运营服务及其他产值约410亿元。


其中视频监控产品产值在全部物理安防产品产值中占比最高,2016年我国视频监控产品产值约达到962亿元,已占到了全部电子安防产品的1/2以上。


目前边缘计算在安防行业还处在市场推广的阶段,其应用还未真正普及。


我们认为,基于边缘计算的视频监控、门禁系统等应用场景确实能够大大减少安防领域的开支,随着边缘计算在行业应用的不断深入,应用边缘计算的安防设备将会成为市场主流。


如果按照2016年安防行业各子模块业务收入比例测算,视频监控产品收入约占安防行业整体规模的18%,按照60%的边缘计算产品渗透率,2022年基于边缘计算的视频监控产品市场规模将达到1052亿元。


端级边缘计算在工业互联网领域的应用

工业互联网是新工业革命的关键支撑和智能制造的重要基石。


构建企业工业互联网系统,核心是平台,工业互联网平台是面向制造业数字化、网络化、智能化需求,构建基于海量数据采集、汇聚、分析的服务体系,支撑制造资源泛在连接、弹性供给、高效配臵的工业云平台。


工业互联网平台第一层是就是边缘层,在边缘端通过大范围、深层次的数据采集,以及异构数据的协议转换与边缘处理,构建工业互联网平台的数据基础。


边缘层对数据的处理主要是三个层次:

一是通过各类通信手段接入不同设备、系统和产品,采集海量数据;

二是依托协议转换技术实现多源异构数据的归一化和边缘集成;

三是利用边缘计算设备实现底层数据的汇聚处理,并实现数据向云端平台的集成。


边缘层是数据采集与预处理是工业互联网得以实行的基础,边缘的智能化对于某些特定的业务场景来说尤为重要。


如在工业制造领域的纺织行业,传统方法是通过人工验布的方式来检验布的瑕疵,受检验员的主观意识、经验、环境、认知等因素的限制,检测结果往往差异性大,一致性差。


将边缘计算引入后,在设备边缘直接布臵具备简单计算能力的智能设备,在机器运行时采集相关数据,直接在现场实时处理和分析数据,最大限度的减少因时延而造成产品缺陷。


经过对边缘机器的智能化改造后,一台智能验布机的验布效率相当于5-6台人工验布机,并且检测精度更高,误检漏检率更低。

边缘计算: 协同5G,开拓蓝海新市场

在国家政策的推动下,我国的工业互联网在过去几年经历了爆发式的增长,2019年两会政府工作报告中明确提出:打造工业互联网平台,拓展‘“智能+”,为制造业转型升级赋能。


而边缘计算在工业互联网中的应用实际上更多是以边缘设备的智能化改造的概念提出来的,两者的核心理念也较为接近,都是采用在终端安装智能芯片或外接智能设备的方式让设备具备一定计算能力,从而实现对设备自身简单生产流程的把控。


根据智研咨询发布的数据,2017年,中国智能制造产业规模将近15000亿元,预计到2022年市场规模将超过25300亿元,随着国家对工业智能制造的不断推动,我们预测到2022年基于边缘计算技术的智能制造渗透率至少达到60%,即市场规模将达到15180亿元。


边缘智能元器件作为智能制造的重要支撑,必将受益于智能制造的不断深入。


边缘计算: 协同5G,开拓蓝海新市场

端级边缘计算在智能家居领域的应用

在智能家电领域,边缘计算也有着极大的用武之地。


这里所说的的智能家电与我们目前生活中的智能家电有一定的区别,目前我们所接触到的智能家电同样也装有传感器及处理芯片,但其感知的对象是其所处的物理环境因素,如感知时间、环境温度等等。


这里所说的智能家电更具智能化,家电自身将变成一个拟人智能终端,通过对人的行为习惯的感知为用户提供生活上的指导建议,而物联网的应用又使得其对身边的物具备了感知能力,这样所有家电就构成了一套完善的智能家居系统,为生活提供更多智能化服务。


家电作为人们生活中不可或缺的一部分,其自身的智能化发展是必然的趋势。边缘计算技术也将作为一项基本技术嵌入智能家居系统中。


截至2016年,家电行业已有海尔、长虹、创维、美的、海信、海立、九阳、老板(等)8家企业先后成为工信部“智能制造综合试点示范”项目。


根据中商产业研究院的数据,2017年中国家电行业市场规模达到了7740亿元,其中,智能家电行业市场规模为2828亿元,占比达36.54%,预计2022年智能家电行业规模将达到7610亿元。

边缘计算: 协同5G,开拓蓝海新市场

未来,基于边缘计算技术的智能家居系统将会是市场主流,即将所有家电产品的控制、数据分析等集中到一个智能终端上,在终端上通过紧紧粘合消费者的细节需求、情感需求、关爱需求等,为用户提供可以无限延伸的、个性化的服务,通过人和产品之间、产品和产品之间的交互,构建一体化的智慧家庭。


但受限于网络基础设施建设进度,基于边缘计算技术的智能家居渗透率可能不像工业领域那样高,保守估计,2022年边缘计算技术在智能家居领域的渗透率为20%,那么这一块将会是1522亿元的市场规模。

边缘计算: 协同5G,开拓蓝海新市场

目前,端级边缘计算是各OT厂商争相抢占的战略高地之一。


智慧安防、工业互联网、智能家居是目前端级边缘计算主要的应用场景,各厂商在这些应用场景下也都有了完整的解决方案。


并且在智慧安防及工业互联网领域,端级边缘计算带来的红利肉眼可见,因而这两个领域会是接下来端级边缘计算应用的主战场。


而智能家居带来的好处多是用户体验层面,决定权在用户,其推广势必会相对较慢,但一体化智能家居系统是未来发展的方向。


国家层面上,政策也在积极推动传统工业的数字化转型,应用先进的数字通信技术为传统工业赋能。


从上面大致的测算来看,端级边缘计算下游应用会是一个超过1.7万亿元(智能安防1052亿+智能制造15180亿+智能家居1522亿)的市场规模,国内的相关芯片厂商及相关元器件供应商也必将从中获益。

边缘计算: 协同5G,开拓蓝海新市场


转载文章地址:http://www.lbhfjd.com/yangsheng/37594.html
(本文来自智到功成整合文章:http://www.lbhfjd.com)未经允许,不得转载!
标签:
运营商 云计算 技术 ??? 通信 软通动力 电信 算法 ARM 英特尔 分布式计算 宏碁 人工智能 华为公司
网站简介 联系我们 网站申明 网站地图

版权所有:www.lbhfjd.com ?2017 智到功成

智到功成提供的所有内容均是网络转载或网友提供,本站仅提供内容展示服务,不承认任何法律责任。