边缘计算白皮书.docx

《边缘计算白皮书.docx》由会员分享，可在线阅读，更多相关《边缘计算白皮书.docx（34页珍藏版）》请在第一文库网上搜索。

1、 刖言边缘计算白皮书（2022 版）边缘计算是指在靠近数据源头执行计算的一种新型计算架构。边缘计算基于融合的边缘侧计算、存储、网络能力，就近提供边缘智能服务，满足行业数字化转型所面临的敏捷连接、实时业务、智能应用、数据安全等关键需求。据Gartner预测，到2021年底将有50%的大型企业在项目中纳入边缘计算。而到2022年，边缘计算将成为所有数字业务的必要需求。2025年将有75%的数据产生在数据中心和云之外并在边缘侧进行处理。边缘计算与云计算、人工智能、物联网、5G等技术协同,成为国家新基建的核心所在。本白皮书将分析边缘计算发展的需求和挑战，阐述联想在边缘计算领域的思考和布局，介绍联想边缘

2、计算产品、技术、解决方案及行业应用。2边缘计算是指在靠近数据源头执行计算的一种新型计算架构。边缘计算基于融合的边缘侧计算、存储、网络能力，就近提供边缘智能服务，满足行业数字化转型所面临的敏捷连接、实时业务、智能应用、数据安全等关键需求。据Gartner预测，到2021年底将有50%的大型企业在项目中纳入边缘计算。而到2022年，边缘计算将成为所有数字业务的必要需求。2025年将有75%的数据产生在数据中心和云之外并在边缘侧进行处理。边缘计算与云计算、人工智能、物联网、5G等技术协同,成为国家新基建的核心所在。本白皮书将分析边缘计算发展的需求和挑战，阐述联想在边缘计算领域的思考和布局，介绍联想边

3、缘计算产品、技术、解决方案及行业应用。316.参考文献41 .边缘计算发展背景1.1 行业数字化转型驱动边缘计算工业互联网伴随着全球工业数字化转型的浪潮，边缘终端设备的数量以及这些设备产生的数据量都在激增。这些与日俱增的设备数据在传统云计算处理模式下会对网络带宽造成了极大的压力。同时，工业现场的许多数据都有非常短的时效性，对网络联接的可靠性也有极高要求，一旦处理延迟或断网，就会失去决策的意义，甚至造成重大生产事故。工业互联网发展要求边缘计算来实现快速接入、稳定可靠的低延时实时响应、实时处理数据、业务管理优化、智能安全等。工业生产的特殊性对边缘计算提出了具体要求:一是工业现场的复杂性。目前，工业

4、设备的通信协议繁多，边缘计算需要处理各种制式的网络通信协议相互转换、互联互通，同时又能够应对异构网络部署与配置、网络管理与维护等方面的艰巨挑战。二是工业生产要求计算能力实时、可靠。工业控制的部分场景要求计算处理的时延不超过10mso同时，在工业生产中要求计算能力不受网络传输带宽和负载影响，在断网、时延过大等极端情况下仍然能够保证对实时工业生产的支持。三是许多工业数据有私密性要求，尽可能在生产过程中进行处理，以保证数据不流出产区及落入未被授权的使用者手中，所以边缘侧数据安全也使边缘计算及边缘安全成为必须。 智慧园区智慧园区利用5G等新一代通信技术对园区工作生活环节进行感知、监控、分析、控制和整合

5、资源，并在此基础通过人工智能技术对各种工作生活关键场景进行创新，为园区企业提供高效、便捷、个性化的发展空间。在智慧园区中，为了实现智能的感知、监控，必须稳定可靠地从海量传感器、仪器仪表、控制器等设备中采集数据；然后需要对这些数据进行实时处理，比如车牌识别、人脸识别、安防告警、人员流动及空间优化等；同时，出于隐私保护的考虑，人脸数据等敏感数据的处理需要不出园区；此外，各种智慧园区应用需要一个高效、稳定、自治的支撑环境以及生命周期管理，比如新的应用需要快速上线，楼宇智能自控、智能协作等关键应用在断网情况下也需要继续正常执行本地业务逻辑，当网络连接恢复后，完成数据和状态同步。总结来说，智慧园区对边缘

6、计算提出了海量设备可靠连接，数据本地实时处理，应用管理自治等关键需求。智慧园区也包含工厂、医院、购物中心等区域管理的智能化升级改造的需要。 智能家居智能家居将家中各种设备，如照明、音响、空调、通风机、报警器、电动窗帘、传感器等各种家电通过网络连接在一起，从而实现自动化和智能化控制，提升家居活动的便利、舒画口安全。目前在智能家居领域，云计算应用比较广泛，但是存在如下问题：首先，对网络稳定连接有强依赖，在网络不稳定或者断开的时候，很多智能家居的应用都会出现问题，语音入口更是无法正常工作；第二，成本高，效率低。用户数据需要通过网络发送至遥远的云计算平台，计算结果再经网络返回至用户端，整体占用的流量和

7、算力都上蹄交大；第三，存在用户隐私数据泄露的风险。智能家居需要边缘计算在家庭范围内部署算力，管理设备，并与云计算协调配合，对现有场景进行优化，也支持新场景的落地。比如云端的AI模型可以下发到位于家里的边缘计算网关，数据可以直接在网关进行AI推理，无需传送到云端，产生的决策也可及时驱动控制器执行操作。只将必要的经过分析处理后的数据传送到云端，减低隐私数据泄露的风险。 车联网车联网中的车辆上装有多种车载设备，这些车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的智能服务，比如，能够为车与车之间的间距提供保障，降低车辆发生碰撞事故的几率；可以帮助车主实时

8、导航，并通过与其它车辆和网络系统的通信，提高交通运行的效率。车辆的本地计算资源非常有限，难以满足复杂高动态场景中基于图像识别、视频处理等计算密集型任务。而将数据传至云端进行处理再将决策指令传回车辆一方面占用巨大带宽资源，另一方面无法满足实时决策的性能需求。因此车联网也需要利用边缘计算能力将车辆感知生成的计算任务从车辆通过高速可靠的5G网络卸载到车辆附边缘网关服务器进行处理，从而提高了车群系统的感知决策能力。1.2 技术发展驱动边缘计算 5G5G是电磁波频率在sub-6GHz （低频）和28GHz （高频）频段附近的第五代移动通信技术。5G网络具有增强型移动宽带（eMBB ）大规模机器类型通信（

9、mMTC 1超高可靠和低时延通信（uRLLC ）三大特征，触发了当前各种高带宽、泛连接和低延时行业应用的大量涌现。例如，工业设备的精准实时控制、虚拟现实（VR ） /增强现实（AR 1在线4K /8K视频等要求高带宽的业务；智慧城市、智能交通等需要泛连接的业务；以及车联网、无人驾驶、无人机等要求低时延的业务。传统网络结构中，信息的处理主要位于核心网的数据中心机房内，所有信息必须从基站的网络边缘传输到数据中心机房进行处理之后再返回网络边缘，导致带宽瓶颈、时延抖动等性能问题难以解决。5G承载网引入资源池云化、控制平面/用户平面分离等新架构，使得可以在网络边缘部署计算能力，将低时延业务、局域性数据、

10、低价值数据等在边缘机房进行处理，而不需要通过传输网返回核心网，从而降低时延、减少回传压力、提升用户体验。 AI随着AI算法、算力、数据的发展，AI在各行各业的应用变得十分广泛。例如机场车站的人脸识别，生产线上的质控、分拣机器人，家庭中的智能音箱，电商平台的智能客服等。目前，由于AI应用对算力要求较高，典型的做法是将数据从端设备传输到云数据中心进行分析处理，然后再将结果传回端设备。这种中心化的AI模式存在诸多挑战，首先是海量数据向云数据中心的传输占用大量带宽资源、造成网络拥堵、产生高昂的成本。其次，因为长距离不稳定的网络传输，数据可能丢失，影响云端分析的正确性。第三，受网络延迟或者中断的影响，一

11、些时延敏感，甚至要求实时响应的应用，例如无人驾驶、设备反控等，可能产生灾难性的后果。第四，AI处理的数据中有些是非常敏感的，比如病人的病历，个人的身份,商家的客户信息，工厂的机密生产数据等，传输到云端存在被篡改或窃取的风险。边缘计算可以支持AI的推理在靠近数据的本地进行,减少传输的网络开销，降低端到端业务时延，保证数据隐私和安全，提高模型训练和推理的可靠性。云数据中心只负责非实时模型的训练及必要的全局决策，因此避免了高带宽的持续网络连接和高昂的数据存储代价。物联网物联网，即万物相连的互联网，是互联网基础上的延伸和扩展的网络，将各种信息传感设备与互联网结合起来而形成的一个巨大网络，可实现在任何时

12、间、任何地点,人、机、物的互联互通。据国际数据公司(IDC)发布的全球物联网设备数据报告预测，到2025年，全球物联网设备知等达到416亿台，这些设备包括各种机器及其传感器、智能家居、车辆、穿戴设备以及工业设备等，每年产生的数据量将达到79.4ZB。如果将海量物联网数据需要先通过网络全部传输到中心机房，由云计算进行处理，处理完成后再将结果传输到相应位置,就会出现决策不及时和高带宽持续占用两个严重问题。采用边缘计算，可以在网络边缘过滤、清洗、整合大量原始数据，减少中间传输的过程，增强服务响应能力，大大减轻网络带宽和数据中心功耗的压力；同时，物联网数据在边缘侧处理也减少了网络数据泄露的风险，保护了

13、用户数据安全和隐私。13边缘计算发展路线目前，边缘计算市场上的玩家众多，来自不同阵营的力量正在以不同的路线共同推动边缘计算的快速发展。以亚马逊、百度、阿里等为代表的公有云厂商将云计算能力向设备和用户侧延伸，扩充云数据中心的外延，将云原生的统一编程模式通过边缘网关的能力应用到设备构成的边缘云，主打云边协同一体化；以移动、电信、联通为代表的5G运营商将IT能力同基础网络承载与业务运营融合，提供基站的边缘计算服务及5G网络接入管理;以西门子、GE、苹果等为代表的物联网厂商，以设备侧的边缘基础设施为中心，逐渐辐射到远端的数据中心，将一些边缘侧无法完成的任务提交到云端完成，例如通过调用云端的服务进行大算

14、力的运算；以联想、浪潮、新华三、Dell等为代表的ICT厂商将基础软硬件及技术服务同边缘计算场景融合,实现软硬一体的边缘计算私有化部署，并力推云网融合从而达到5G云化网络与边缘计算的充分结合，以满足各类行业智能化应用所急需的新型边缘侧高性能网络与计算资源。92 .联想的边缘计算思考2.1 联想的边缘计算看法联想的3S战略从智能物联网、智能基础设施和智能行业解决方案三个维度入手,建立了 “端-边-云-网-智的新I, （Intelligent Transformation ,行业智能化转型）技术架构体系，在此基础上推动各行各业的智能化转型。“新IT”技术架构智端Intelligence图1：联想“

15、新it”技术架构联想以边缘计算作为新IT”架构中的核心抓手,促进端、边、云、网一体化协同，构建行业专属的新型智能解决方案。端是行业客户数据的源头；边在接近数据源头的地点提供算力，支持AI或物联网及终端内容所需的各类计算需求，同时，边还是通过新型高速可靠网络连接端和云的重要中间介质，实现对端设备进行高效管理以保障源头数据的可靠，边通过对端数据的过滤处理，极大提升了进入云侧数据的质和量，降低了云侧数据管理的成本；云负责多个边之间的协同管理以及时延要求较低的全局决策，并为客户提供端到端的服务和SLA保障；网支持数据、控制在云、边、端之间安全高效地传输；行业解决方案针对客户特定应用场景，快速整合云边端资源，定向技术创新以解决客户痛点。以边缘计算驱动的端边云网高效融合的行业智能解决方案，为行业客户智能化转型保驾护航。行业客户的数据通过端设备经由5G/WIFI/固网等多种网络接入到边缘进行处理、压缩、存储、分析，然后按需进一步传送到云中心支持全局统筹决策与AI训练。根据不同的业务需求，边缘计算的场景，