邊緣計算不“邊緣”：先發者優勢明顯，決勝于產品與場景化落地

數字經濟時代，80%的人工智能決策將發生在邊緣和端側。據IDC預測，全球企業基礎設施建設在邊緣部署比例將從2020年的10%增長到2023年的50%，全球智能終端接入數量將從2020年的500億個增長到2025年的1500億個，爆發式增長的數據量在邊緣側源源不斷地產生，由此導致邊緣計算不“邊緣”的時代正在到來。

AI等諸多因素助推，邊緣計算跑步前進

提及邊緣計算，咨詢和評論機構可謂不吝筆墨。其中IDC給出了一些精確描述性的信息：“邊緣計算是微型數據中心的網狀網絡，在本地處理或存儲關鍵數據，并將所有接收到的數據推送到中央數據中心或云存儲庫，其覆蓋范圍不到100平方英尺”，不僅定性圈定了邊緣計算所處的位置，還定量給出了離數據發生地的距離數字；相對IDC這段充滿術語的描述，Ganter的副總裁兼分析師Dave Russell的定義更加文藝范兒：“邊緣計算就是現實與數字的交互之處”。

在我們看來，邊緣計算不完全是什么新鮮事。多年來，企業一直在傳統數據中心之外部署信息技術。例如，石油和天然氣公司一直在偏遠地區使用先進的傳感器和儀表進行作業。然而，只不過最近幾年，一些新的技術趨勢，如人工智能，物聯網、計算力等的快速發展，正在加速廣泛行業的邊緣技術變革。

以人工智能為例，其正在從互聯網行業向通信、制造、能源、醫療、政府等各行各業滲透，成為了社會經濟活動中最具變革的力量。而得益于物聯網等技術的發展，其在落地應用的過程中，延伸到了網絡的邊緣端，從疫情期間的體溫檢測、道路上的無人駕駛計算單元、工廠的無人質檢等。

又如物聯網的發展。IDC預測顯示，全球企業基礎設施建設在邊緣部署比例將從2020年的10%增長到23年的50%，全球智能終端接入數量將從2020年的500億個增長到2025年的1500億個，產生的數據量爆炸式增長。人與機器、機器與機器間的數據交互、數據分析以及建模、推理，加速工作負載和數據“重心”快速向邊緣發展。

鑒于此，Gartner最新分析認為，邊緣計算已經跑步前進到熱門期，未來2—5年內，更多的基于邊緣計算的應用場景將會涌現，前景廣闊。

那么問題來了，它到底有哪些優勢？會給相關產業帶來怎樣的影響？

邊緣計算好處多，相關產業、市場空間廣闊

提及邊緣計算的優勢，與傳統的云計算相比，主要體現在以下幾個方面。

首先是成本更低。邊緣計算的數據主要是在近端處理，因此在網絡傳輸、中心運算、中心存儲、回傳等各個環節，都能節省大量的服務器、存儲、交換、帶寬、電量乃至物理空間等諸多成本，從而實現低成本化、綠色化。

其次是部署更加方便。眾所周知，部署云計算的數據中心，是一個浩大的工程。物理選址、區域劃分、工程建設、設備安裝、設備調試，涉及到眾多的大節點，這其中每一個節點的工作量都是巨大的。相反，邊緣計算的部署相對來說就要簡單得多。

再次是響應更加及時。如今AR、VR、4K、8K、直播、短視頻、游戲、云上辦公、云上娛樂、自動駕駛、智能家居、智能交通等各種場景日益普及，這些場景下的應用對傳輸、計算、存儲等的速度和效率要求也越來越高。

以自動駕駛為例，幾乎是“0延時”的響應速度要求。而如此低的時延，傳統數據中心模式的響應、計算、存儲和傳輸速度，顯然是不夠的。這時候“近端處理”的邊緣計算，自然就成為了“實時化”要求的最好選擇。

最后是擁有更高可用性和魯棒性。云計算中心如果發生節點或者單個虛擬機故障，將會影響連接網絡的成千上萬個設備，其結果是災難性的。相較之下，邊緣計算的分布式架構，即使一個設備發生故障，也不會影響其它設備，在使用的可靠性和魯棒性上，都要高得多。

由此來看，邊緣計算的概念可能不是革命性的，但其實現將是革命性的。這些實現將解決許多日益嚴重的問題，包括降低大型數據中心（云計算）的能耗，提高專用數據的安全性，實現故障安全解決方案，降低信息存儲量和通信成本，以及通過降低延遲能力來開創新應用。

基于此，邊緣計算未來的市場空間相當廣闊。

首先在市場規模上，幾乎所有權威的統計機構都給予邊緣計算以很好的市場預期。例如Gartner的研究報告中預測到2025年，在“傳統的”集中式數據中心或云存儲以外處理的企業生成的數據的比例將從2018年的10％躍升至75％。Forrester也認為“邊緣云服務市場未來成長速度將達到50%以上”。

其次是邊緣端將演化出多樣化的計算場景，比如ICT融合場景、泛CDN、智能網聯汽車、工業互聯網、能源、交通、金融等產業+AI、城市治理、智能物聯網等均會帶來很大的市場前景和機會。

如此巨大的市場機會，邊緣計算的競爭也就此拉開帷幕。

邊緣計算馬太效應漸顯，產品與場景化落地是關鍵

熟悉TMT行業的人都知道，其細分領域所謂“彎道超車”的機會并不太多。原因在于落后者以同樣的方式追趕領先者，那么幾乎是永遠也追不上的，即時通訊、社交、搜索、電商、安全等領域，無不如此。對于邊緣計算也不例外。

IDC分析稱，在物聯網與AI的推動下，邊緣計算未來將呈現指數級增長，占領市場先機也將占據領先優勢，馬太效應開始顯現。

與云計算的落地需要“軟硬兼施”一樣，邊緣計算也是如此。而從目前看，在邊緣計算基礎設施層面，中國市場發展勢頭最猛。

以邊緣服務器為例，據IDC發布的2020年度《中國邊緣計算服務器市場報告（PRC Edge ComputingServer Tracker）》顯示，中國邊緣計算服務器市場的增長率高于全球，5年復合增長率為22%。2020年度中國邊緣計算服務器市場中，浪潮邊緣計算服務器以32%的市場占有率，位居第一，超第2—5名廠商份額之和，表現最為搶眼。

那么問題來了，以浪潮為代表的中國企業何以在邊緣服務器市場占有如此大的優勢？

究其原因，浪潮早在多年前，就從產品性能、節能、安全性、嚴苛環境的適應性、大規模場景的運維部署等方面進行全面考量，快速布局邊緣，并率先發布邊緣微中心、邊緣云服務器、便攜AI服務器、邊緣微服務器四大產品系列，提供從數據中心到邊緣側的智慧算力，滿足用戶數字化轉型與重塑過程中多樣化、場景化的應用需求。

值得一提的是，浪潮邊緣服務器NE5260M5更是在國際AI基準測試MLPerfTM中“一戰成名”，一舉拿下邊緣場景下7項冠軍，覆蓋圖像分類、目標檢測、醫療圖像分割、語音識別等6類AI邊緣推理場景，成為邊緣AI推理全能王，先發優勢凸顯。

需要說明的是，同樣是來自IDC的報告稱，在制造、能源、交通等行業用戶需求的驅動下，邊緣定制服務器市場將由點到面迎來快速增長，預計在未來五年成為服務器市場增長最快的子市場之一。具體到中國市場，邊緣定制服務器市場在2019-2024年將保持130.2%的年復合增長率，到2024年，在該細分市場的占比將超過40%，這意味著浪潮的先發優勢還將延續。

除了上述基礎設施層面，在應用層面，邊緣計算的落地需要與生態伙伴的深度合作，針對不同行業的實際需求打造有針對性的解決方案。這方面，中國企業也體現出相當的實力。

以在前述在邊緣計算服務器領先的浪潮為例，其面對邊緣側多樣化、復雜的計算需求，與合作伙伴發布了6大行業的場景化解決方案，匯聚雙方在基礎設施、系統、算法、應用等方面優勢，為智慧能源、智慧水利、智能工廠等應用場景提供云邊端一體化的全解決方案，驅動邊緣計算、AI等技術向傳統行業的加速落地。

以智慧油井解決方案為例，眾所周知，石油天然氣是國民經濟的重要支柱之一。在我國，有上萬口油井需要進行日常監測和維修，人力運維遠不足支撐日常的管理需求。不僅如此，安全、合規地進行開采和生產作業是保障石油化工企業平穩運行的基礎條件。

為此，浪潮推出了智慧油井解決方案，通過對油田現場智能儀器的電壓、電流、載荷、溫度、視頻圖像等數據進行自動化采集，在基于浪潮邊緣微服務器EIS200的邊緣計算平臺進行實時分析處理，并將數據回傳到數據中心進行模型的優化與算法迭代，實現對油井設備的智能監測管理，礦機可以按照底下油量儲備情況去智能啟停和調節它的頻率，從而節省電費80%以上，同時，可以對作業現場的人員是否佩戴安全帽等安全合規操作行為進行檢測，保障油田開采工作安全平穩運行。

又如在智慧電力解決方案中，針對近年來電網規模不斷增大，設備的巡視和作業的壓力也與日俱增的挑戰，浪潮聯合全球能源互聯網研究院有限公司（簡稱“國網聯研院”）推出的電網設備巡檢及監控解決方案，通過人工智能、邊緣計算技術與電網場景的深度融合，實現配電站房智能監控、輸電線路巡視圖像智能分析、作業現場安全監控等場景的智能化改造，大幅降低了資源占用和人力投入。算力和人工智能模型的“端-邊-云”協同，使邊緣側15ms內網絡延時，秒級識別分析，異常情況及時預警，保障了設備和作業安全。

正是由于浪潮在邊緣計算中，平臺+生態的發力，不僅讓其在邊緣計算市場競爭中處在前列，更讓行業切身感受到邊緣計算帶來的好處，這對于推動邊緣計算的快速發展才是最關鍵的。

智算中心+元腦生態，邊云協同效應的未來

毋庸置疑，由于邊緣計算如火如荼的發展及更多AI的屬性，讓邊云效應顯得更加重要，即大部分數據處理（如AI推理）都在邊緣進行，而云被用于存儲和大型計算（如AI訓練和大型應用程序）。原因何在？在此，業內通常用動物界的章魚來比喻說明。

眾所周知，章魚之所以聰明，是因為它擁有“一個大腦+多個小腦”，不僅能通過40%的大腦容量進行分析和決策，還能通過八條腿上分布的60%的巨量神經元進行感知和分析，腕足和大腦有效配合，讓章魚在各種復雜環境中都能游刃有余。

以章魚類比，邊緣計算就像是章魚的小腦，云計算則是大腦，邊緣計算與云計算其實各有所長。

其中云計算擅長全局性、非實時、長周期的大數據處理與分析，能夠在長周期維護、業務決策支撐等領域發揮優勢；邊緣計算更適用局部性、實時、短周期數據的處理與分析，能更好地支撐本地業務的實時智能化決策與執行。

因此，邊緣計算與云計算之間不是替代關系，而是互補協同關系。邊緣計算與云計算需要通過緊密協同才能更好地滿足各種需求場景的匹配，從而放大邊緣計算和云計算的應用價值。邊緣計算既靠近執行單元，更是云端所需高價值數據的采集和初步處理單元，可以更好地支撐云端應用；反之，云計算通過大數據分析優化輸出的業務規則或模型可以下發到邊緣側，邊緣計算基于新的業務規則或模型運行。

比如在智慧城市建設過程中，每一個路口都會安裝許多的攝像頭，這里既有針對智能交通應用的攝像頭，也有針對監控等應用的攝像頭，它們隨時都在產生數據，但如果把這些數據統統上傳到云端，顯然并不現實。在這種情況下，邊緣計算的應用就可以幫助邊緣端進行數據的實時處理和篩選，將最有價值的數據同步到云端，從而讓云端的“大腦”越來越聰明。

另據市場調研機構Wikibon的統計數據顯示，云計算和邊緣計算結合，成本只有單獨使用云計算的36%。可見云邊協作的經濟效應。

實際的情況是，幾乎所有的云計算企業以及應用云計算的企業都有一個共識，那就是在即將到來的智能時代，云計算將與邊緣計算互為協同，共同構成智能社會底層的計算基礎。

例如浪潮認為，邊緣側的數據整合、打通，將刺激數據中心數據的新需求、新業務產生，同時，隨著數據中心算力的快速增長，必將帶動新的邊緣計算場景應用，二者相互促進，相輔相成。

但隨之而來的問題是，面對智能社會龐大的AI計算需求和提升效率的挑戰，傳統數據中心本身已經越來越難以承載這樣的需求，為此，作為邊緣計算領先企業浪潮提出的智算中心及相應的元腦生態引發了業內的高度關注。

與傳統數據中心不同，智算中心不僅把算力高密度地集中在一起，而且要解決調度和有效利用計算資源、數據、算法等問題，更像是從計算器進化到了大腦。

至于元腦生態則是聯合具備 AI 開發核心能力的左手伙伴和具備行業整體方案交付能力的右手伙伴，聚合AI最強算力平臺、最優質的算法模型開發能力和最優質的集成、部署和服務能力，支撐和加速各行業、各產業與人工智能的融合。

不知業內看到此有何感想？從未來云邊協同效應的角度看，由于邊緣計算更多面對的是基于AI的計算資源、數據、算法，而這些恰好與智算中心遙相呼應，從而使得邊緣計算與云計算之間可以實現無縫銜接，讓數據處理和流動效率更高，同時保證了從邊緣計算到云計算的一致性管理和操作體驗，實現了邊緣計算所有的基礎能力盡可能與云計算對齊，簡而言之，就是大幅提升現有邊云協同的效率，有可能成為未來邊云協同的發展方向。

總結：會當凌絕頂，一覽眾山小。當邊緣計算在業內狂風乍起之時，唯有從整個智慧計算的高度去審視、布局和發展，才能充分發揮其與云計算的協同效應，才能真正惠及千行百業。