導(dǎo)讀
人工智能的蓬勃發(fā)展離不開云計算所帶來的強大算力，然而隨著物聯(lián)網(wǎng)以及硬件的快速發(fā)展，邊緣計算正受到越來越多的關(guān)注。未來，智能邊緣計算將與智能云計算互為補充，創(chuàng)造一個嶄新的智能新世界。本文中，微軟亞洲研究院系統(tǒng)與網(wǎng)絡(luò)研究組首席研究員劉云新將為大家介紹智能邊緣計算的發(fā)展與最新研究方向。
01
智能邊緣計算的興起
近年來，“物聯(lián)網(wǎng)”“云計算”等技術(shù)得到廣泛應(yīng)用，但是隨著萬物互聯(lián)以及 5G 高帶寬、低時延時代的到來，各類業(yè)務(wù)如車聯(lián)網(wǎng)、工業(yè)控制、4K/8K、虛擬現(xiàn)實 / 增強現(xiàn)實(VR/AR)等所產(chǎn)生的數(shù)據(jù)量爆炸式增長，對計算設(shè)施帶來了實時性、網(wǎng)絡(luò)依賴性和安全性等方面的要求，為了解決這些問題，國內(nèi)外學(xué)者們提出了邊緣計算的概念。
邊緣計算的“邊緣”指的是在數(shù)據(jù)源與云端數(shù)據(jù)中心之間的任何計算及網(wǎng)絡(luò)資源。例如，智能手機就是個人與云端的“邊緣”，智能家居中的網(wǎng)關(guān)就是家庭設(shè)備與云端的“邊緣”。邊緣計算的基本原理就是在靠近數(shù)據(jù)源的地方進(jìn)行計算，是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力，就近提供邊緣智能服務(wù)的開放平臺。與云計算相比較，邊緣計算就近布置，因而可以理解為云計算的下沉。
邊緣計算實現(xiàn)了物聯(lián)網(wǎng)技術(shù)前所未有的連接性、集中化和智能化，由此可以滿足敏捷連接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的需求，是實現(xiàn)分布式自治、工業(yè)控制自動化的重要支撐。
邊緣計算是計算系統(tǒng)從扁平到邊緣，以及面向 5G 網(wǎng)絡(luò)架構(gòu)演進(jìn)的必然技術(shù)，同時也提供了一種新的生態(tài)系統(tǒng)和價值鏈。第三方數(shù)據(jù)分析機構(gòu)IDC 預(yù)測，到2020年，全球?qū)⒂屑s500億的智能設(shè)備接入互聯(lián)網(wǎng)，其中主要涉及智能手機、可穿戴設(shè)備、個人交通工具等，其中 40% 的數(shù)據(jù)需要邊緣計算服務(wù)。邊緣計算有著強大市場潛力，也引起了各研究機構(gòu)、標(biāo)準(zhǔn)組織、服務(wù)提供商和產(chǎn)業(yè)界極大的關(guān)注。
邊緣計算(Edge Computing)在學(xué)術(shù)界和工業(yè)界都成為了一個熱門話題。事實上，邊緣計算是相對于云計算(Cloud Computing)而言的。在云計算中，所有的計算和存儲資源都集中在云上，也就是數(shù)據(jù)中心(Datacenter)里;在終端設(shè)備上產(chǎn)生的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)皆粕希嬎闳蝿?wù)和數(shù)據(jù)處理都在云上進(jìn)行。而在邊緣計算中，計算和存儲資源被部署到邊緣上(邊緣服務(wù)器或者終端設(shè)備)，可以就近對本地的數(shù)據(jù)進(jìn)行處理，無需把數(shù)據(jù)傳輸?shù)竭h(yuǎn)端的云上，從而避免網(wǎng)絡(luò)傳輸帶來的延遲。
雖然邊緣計算成為廣受關(guān)注的熱門話題的時間并不久，但邊緣計算的概念并不新。早在2008年，微軟研究院的 Victor Bahl 博士邀請了學(xué)術(shù)界和工業(yè)界的知名學(xué)者，包括卡內(nèi)基·梅隆大學(xué)的 Mahadev Satyanarayanan 教授、AT&T 實驗室的 Ramón Cáceres博士、蘭卡斯特大學(xué)(Lancaster University, U.K.)的Nigel Davies教授、英特爾研究院(Intel Research)的 Roy Want 博士等，一起探討云計算的未來時 [1]，就提出了基于 Cloudlet 的邊緣計算的概念;并于次年在 IEEE Pervasive Computing 期刊上發(fā)表了廣為人知的名為 “The Case for VM-based Cloudlets in Mobile Computing”的文章 [2]。
此后，越來越多的研究人員開始關(guān)注邊緣計算。值得一提的是，2016年，首屆專注于邊緣計算的學(xué)術(shù)會議 The First IEEE/ACM Symposium on Edge Computing 在美國華盛頓特區(qū)召開 [3]。目前，邊緣計算已成為相關(guān)頂級學(xué)術(shù)會議(比如MobiCom)的重要專題之一。在工業(yè)界，2017年微軟公司 CEO 薩提亞·納德拉就將邊緣計算和云計算并列成為全公司的戰(zhàn)略之一。之后，各大云計算公司和運營商都紛紛推出了自己的邊緣計算服務(wù);邊緣計算相關(guān)的創(chuàng)業(yè)公司更是不斷涌現(xiàn)。
在人工智能時代，邊緣計算不僅僅只是計算，更是智能+計算，我們稱之為智能邊緣計算(Intelligent Edge Computing)。
02
計算模式的輪回：
在集中式和分布式之間的搖擺
唯物辯證法指出，事物的發(fā)展總是曲折、循環(huán)往復(fù)，并在波浪中不斷前進(jìn)的。計算模式(Computing Paradigm)也不例外。如圖1所示，如果我們回顧計算模式的發(fā)展歷史，就會發(fā)現(xiàn)一個簡單的規(guī)律：計算模式是在集中式計算和分布式計算之間不斷搖擺，往復(fù)式發(fā)展前進(jìn)的。
圖1：計算模式的發(fā)展歷史
在大型機(Mainframe)時代，計算資源稀缺，很多人共享一臺主機，計算是集中式的;到了個人計算(Personal Computing)時代，硬件變得小型化，價格低廉，人們可以擁有自己的個人設(shè)備，計算成為了分布式的;在云計算時代，通過高速網(wǎng)絡(luò)，人們可以共享云上的海量的計算和存儲資源，計算模式又回到集中式的。此時，人工智能蓬勃發(fā)展，云上提供的眾多智能服務(wù)帶來了智能云計算。而隨著邊緣計算的出現(xiàn)，計算模式再一次成為分布式的。現(xiàn)在，我們不僅有智能云，還有智能邊緣。
智能邊緣計算的出現(xiàn)當(dāng)然不僅僅是滿足表面上的簡單規(guī)律，背后有其必然性和強大的驅(qū)動力，是計算機軟硬件和新應(yīng)用新需求不斷發(fā)展的必然結(jié)果。
首先，隨著物聯(lián)網(wǎng)特別是智能物聯(lián)網(wǎng)(AIoT)的發(fā)展，各種新型智能設(shè)備不斷涌現(xiàn)，產(chǎn)生了海量的數(shù)據(jù)。比如，監(jiān)控攝像頭已經(jīng)無處不在(據(jù)統(tǒng)計，在倫敦每14個人就有一個監(jiān)控攝像頭 [4])，每天產(chǎn)生大量的視頻數(shù)據(jù)。而每輛自動駕駛汽車每天更是會產(chǎn)生多達(dá)5TB的數(shù)據(jù)。把所有這些數(shù)據(jù)都傳輸?shù)皆粕线M(jìn)行處理是今天的云和網(wǎng)絡(luò)無法承受的。
其次，新的場景和應(yīng)用需要對數(shù)據(jù)在本地進(jìn)行處理。比如，自動駕駛和工業(yè)自動化對數(shù)據(jù)處理的實時性有很高的要求。數(shù)據(jù)傳輸帶來的網(wǎng)絡(luò)延遲往往無法滿足實時性的要求，如果網(wǎng)絡(luò)發(fā)生故障可能帶來災(zāi)難性后果。再如，人們對個人隱私越來越關(guān)注，而很多數(shù)據(jù)(視頻、圖片、音頻等)都包含大量的個人隱私。保護(hù)個人隱私的最好的方法就是在本地進(jìn)行數(shù)據(jù)處理，不把個人數(shù)據(jù)傳到網(wǎng)絡(luò)上去。
另外，同樣重要的是，硬件的快速發(fā)展使得智能邊緣計算成為可能。隨著 AI 算法的日益成熟，人們開始設(shè)計制造專用的 AI 芯片，特別是專門用于深度學(xué)習(xí)模型推理的 AI 芯片，這些 AI 芯片不僅數(shù)據(jù)處理能力強大，而且尺寸小、功耗低、價格便宜，可以應(yīng)用到各種邊緣設(shè)備上，為智能邊緣計算提供了堅實的硬件基礎(chǔ)。
需要指出的是，智能邊緣計算并不是要取代云計算，而是和云計算互為補充，一起更好地為用戶提供服務(wù)。云計算和邊緣計算會不斷融合;智能計算分布在不同的地方，但又相互連接，協(xié)同合作。
03
智能邊緣計算中的關(guān)鍵問題研究
在微軟亞洲研究院，我們致力于研究智能邊緣計算中的關(guān)鍵問題，更好地將 AI 賦能于邊緣設(shè)備(包括終端設(shè)備和邊緣服務(wù)器)和應(yīng)用，提高智能邊緣計算的系統(tǒng)性能和用戶體驗。具體來說，目前我們主要關(guān)注以下幾個研究方向：
針對不同設(shè)備的模型壓縮和優(yōu)化。高精度的深度學(xué)習(xí)模型通常都十分龐大，由數(shù)百萬甚至以億計的參數(shù)構(gòu)成。運行這些模型需要耗費大量的計算和內(nèi)存資源。雖然智能邊緣設(shè)備的處理和存儲能力大幅增長，但仍遠(yuǎn)遠(yuǎn)比不上云計算設(shè)備。因此，如何把深度學(xué)習(xí)模型在資源受限的邊緣設(shè)備上運行起來是一個巨大的挑戰(zhàn)。傳統(tǒng)的模型壓縮和優(yōu)化(比如剪枝、量化等)主要關(guān)注的是在如何把模型變小的同時盡量少損失模型精度。然而，邊緣設(shè)備的特點是類型多、差異性大，處理器類型性能和內(nèi)存大小千差萬別。我們認(rèn)為，沒有一個統(tǒng)一的模型能夠適用于所有的邊緣設(shè)備，而是應(yīng)該結(jié)合硬件的特性，為不同的設(shè)備提供最適合的模型，不僅考慮模型大小和精度損失，更要考慮模型在設(shè)備上的執(zhí)行性能，比如延遲和功耗等。
基于異構(gòu)硬件資源的系統(tǒng)優(yōu)化。即使有了一個可以運行的模型，如何提高模型的運行效率仍是一個值得深入研究的課題。我們需要一個高效的模型推理引擎，把系統(tǒng)性能提高到極致。這不僅需要軟件層面的系統(tǒng)優(yōu)化，更要有軟件和硬件的協(xié)同設(shè)計，能夠充分利用底層硬件的能力。邊緣設(shè)備往往有著各種異構(gòu)的硬件資源，比如智能手機擁有大小不同的 CPU 核(ARM big.Little)、DSP、GPU、甚至 NPU。而現(xiàn)有的系統(tǒng)往往只能利用其中一種計算資源(比如 CPU 或者 GPU)，還不能充分發(fā)揮硬件的性能。我們的工作致力于研究如何充分利用同一設(shè)備上的異構(gòu)硬件資源，深度優(yōu)化系統(tǒng)性能，大大降低模型執(zhí)行的延遲和能耗。
隱私保護(hù)和模型安全。如前所述，用戶隱私數(shù)據(jù)保護(hù)是一個重要的課題。在邊緣設(shè)備無法運行高精度模型的情況下(比如在低端的監(jiān)控攝像頭上)，利用云計算或者邊緣服務(wù)器來執(zhí)行深度學(xué)習(xí)模型就不可避免。在這種情況下，我們就需要研究如何利用遠(yuǎn)程的計算資源的同時還能不泄露用戶的隱私數(shù)據(jù)。另外，在邊緣設(shè)備上運行模型還帶來了一個新的問題——模型的安全。訓(xùn)練一個好的模型需要花費巨大的人力、物力。因此，模型是重要的數(shù)字資產(chǎn)。在云計算模式下，模型的存儲和運行都在云上，終端用戶無法直接接觸模型數(shù)據(jù)。而在邊緣計算中，模型是部署到本地設(shè)備上的，惡意用戶可以破解終端系統(tǒng)，復(fù)制模型數(shù)據(jù)。所以，如何在智能邊緣計算中保護(hù)模型的安全就是一個新的重要研究課題。
持續(xù)學(xué)習(xí)和合作學(xué)習(xí)。智能邊緣計算還帶來了新的改善模型的機會。目前的模型訓(xùn)練和模型使用通常是割裂的。一個模型在事先收集好的數(shù)據(jù)集上進(jìn)行訓(xùn)練，然后被部署到設(shè)備上進(jìn)行使用。然而，模型使用中的數(shù)據(jù)通常是和訓(xùn)練時的數(shù)據(jù)集不一樣的。比如，每個智能攝像頭由于其位置和光線的不同，它們看到的圖像內(nèi)容和特征都不盡相同，從而導(dǎo)致模型精度下降。我們認(rèn)為，模型被部署到設(shè)備上以后，應(yīng)該根據(jù)設(shè)備上的輸入數(shù)據(jù)進(jìn)行適配和優(yōu)化，而且隨著設(shè)備處理越來越多的新數(shù)據(jù)，它應(yīng)該從中學(xué)習(xí)到新的知識，持續(xù)不斷地提高它的模型，這就是持續(xù)學(xué)習(xí)(Continuous Learning)。此外，多個設(shè)備還應(yīng)該把它們學(xué)習(xí)到的不同的新知識合并到起來，一起合作來改進(jìn)完和善全局的模型，我們稱之為合作學(xué)習(xí)(Collaborative Learning)。與主要關(guān)注如何利用多方數(shù)據(jù)集進(jìn)行模型訓(xùn)練而不相互泄露數(shù)據(jù)的聯(lián)邦學(xué)習(xí)(Federated Learning)不同，持續(xù)學(xué)習(xí)和合作學(xué)習(xí)的重點是如何在模型部署后從新獲取的數(shù)據(jù)中學(xué)習(xí)新的知識。
此外，我們還關(guān)注智能邊緣計算中的各種新場景和新應(yīng)用，比如視頻分析、VR/AR、自動駕駛、AIoT 等，特別是隨著 5G 的到來，如何構(gòu)建更好的智能邊緣+智能云的系統(tǒng)，為這些場景和應(yīng)用提供更好的支撐。
在過去兩年，我們和國內(nèi)外的高校緊密合作，在這些研究方向上取得了一系列的進(jìn)展，也在相關(guān)學(xué)術(shù)會議上發(fā)表了多篇論文。其中，我們和北京大學(xué)和美國普渡大學(xué)關(guān)于如何利用緩存技術(shù)(Cache)提高卷積神經(jīng)網(wǎng)絡(luò)(CNN)執(zhí)行效率的工作發(fā)表在 MobiCom 2018上 [5];和哈爾濱工業(yè)大學(xué)等學(xué)校合作的關(guān)于如何利用模型稀疏性(Sparsity)加速模型執(zhí)行的工作發(fā)表在 FPGA 2019和 CVPR 2019上 [6] [7];和韓國 KAIST 等學(xué)校合作的關(guān)于如何利用 SGX 保護(hù)用戶隱私的工作發(fā)表在 MobiCom 2019上 [8];和美國紐約大學(xué)和清華大學(xué)合作的關(guān)于合作學(xué)習(xí)的工作發(fā)表在 SEC 2019上 [9]。
04
世界發(fā)展現(xiàn)狀與趨勢
目前，邊緣計算技術(shù)與應(yīng)用仍處于發(fā)展初期階段，亞馬遜、谷歌和微軟等云計算巨頭是該領(lǐng)域的領(lǐng)跑者。
2017年，亞馬遜攜AWS Greengrass 進(jìn)軍邊緣計算領(lǐng)域，走在了行業(yè)的前面。該服務(wù)將AWS擴展到設(shè)備上，這樣就可以“在本地處理它們所生成的數(shù)據(jù)，同時仍然可以使用云來進(jìn)行管理、分析數(shù)據(jù)和持久的存儲”。
微軟公司計劃未來4年在物聯(lián)網(wǎng)領(lǐng)域投入 50 億美元，其中包括邊緣計算項目。2017 微軟發(fā)布了Azure IoT Edge 解決方案，該方案“將云分析擴展到邊緣設(shè)備”，支持離線使用。該公司還希望聚焦于人工智能應(yīng)用。
谷歌2017年以來已宣布了兩款相關(guān)的新產(chǎn)品，即硬件芯片Edge TPU 和軟件堆棧Cloud IoT Edge，意在幫助改善邊緣聯(lián)網(wǎng)設(shè)備的開發(fā)。谷歌表示，“Cloud IoT Edge 將谷歌云強大的數(shù)據(jù)處理和機器學(xué)習(xí)功能擴展到數(shù)十億臺邊緣設(shè)備，比如機器人手臂、風(fēng)力渦輪機和石油鉆塔，這樣它們就能夠?qū)碜云鋫鞲衅鞯臄?shù)據(jù)進(jìn)行實時操作，并在本地進(jìn)行結(jié)
果預(yù)測。”
國際上許多公司也在開發(fā)軟件和技術(shù)幫助邊緣計算實現(xiàn)騰飛。惠普公司計劃在未來 4 年內(nèi)向邊緣計算領(lǐng)域投資40億美元。該公司的 Edgeline Converged Edge Systems 系統(tǒng)的目標(biāo)客戶是那些希望獲得數(shù)據(jù)中心級計算能力，且通常在邊遠(yuǎn)地區(qū)運營的工業(yè)合作伙伴。其系統(tǒng)承諾在不依賴于將數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心的情況下，為工業(yè)運營(比如石油鉆井平臺、工廠或銅礦)提供來自聯(lián)網(wǎng)設(shè)備的洞見。
人工智能芯片制造商英偉達(dá)于2017年推出了 Jetson TX2，這是一個面向邊緣設(shè)備的人工智能計算平臺。它的前身是 Jetson TX1，它號稱要“重新定義將高級AI 從云端擴展到邊緣的可能性”。
有關(guān)邊緣計算的標(biāo)準(zhǔn)化工作也逐漸受到各大標(biāo)準(zhǔn)化組織的關(guān)注，主要國際標(biāo)準(zhǔn)化組織紛紛成立相關(guān)工作組，開展邊緣計算標(biāo)準(zhǔn)化工作。2014年，歐洲電信標(biāo)準(zhǔn)化協(xié)會(ETSI)成立移動邊緣計算標(biāo)準(zhǔn)化工作組;2015年，思科、ARM、戴爾、英特爾、微軟、普林斯頓大學(xué)等機構(gòu)聯(lián)合發(fā)起成立開放霧計算聯(lián)盟;2017 年 ISO/IECJTC1SC41 成立了邊緣計算研究小組，以推動邊緣計算標(biāo)準(zhǔn)化工作。2017年 IEC發(fā)布了VEI(Vertical Edge Intelli-gence)白皮書，介紹了邊緣計算對于制造業(yè)等垂直行業(yè)的重要價值。2018年初，ITU-TSG20(國際電信聯(lián)盟物聯(lián)網(wǎng)和智慧城市研究組)成功立項首個物聯(lián)網(wǎng)領(lǐng)域邊緣計算項目“用于邊緣計算的 IOT 需求”。
來源：沈向洋博士在2018微軟人工智能大會上的演講 [10]
05
我國發(fā)展現(xiàn)狀與水平
2016年11月30日，我國邊緣計算產(chǎn)業(yè)聯(lián)盟(ECC，Edge Computing Consortium)在北京成立。該聯(lián)盟由華為技術(shù)有限公司、中國科學(xué)院沈陽自動化研究所、中國信息通信研究院、英特爾公司、ARM和軟通動力信息技術(shù)有限公司創(chuàng)始成立，首批成員單位共 62 家，涵蓋科研院校、工業(yè)制造、能源電力等不同領(lǐng)域。2016年和2017年分別出版了國內(nèi)的《邊緣計算參考架構(gòu)》1.0 和2.0版本，梳理了邊緣計算的測試床，提出了邊緣計算在工業(yè)制造、電力能源、智慧城市、交通等行業(yè)應(yīng)用的解決方案。
邊緣計算是 5G 的核心能力之一，是實現(xiàn) 5G 性能提升的關(guān)鍵。2017 年，中國通信標(biāo)準(zhǔn)化協(xié)會(CCSA)發(fā)起了邊緣計算研究項目。CCSA 無線通信技術(shù)委員會(TC5)和工業(yè)互聯(lián)網(wǎng)特設(shè)任務(wù)組(ST8)都分別立項了有關(guān)邊緣計算的項目。在 CCSA ST8 中，重點討論面向工業(yè)互聯(lián)網(wǎng)的邊緣計算和邊緣云標(biāo)準(zhǔn)化內(nèi)容。目前，ST8 任務(wù)組已經(jīng)立項標(biāo)準(zhǔn)包括：《工業(yè)互聯(lián)網(wǎng)邊緣計算總體架構(gòu)與要求》，《工業(yè)互聯(lián)網(wǎng)邊緣計算技術(shù)研究》《工業(yè)互聯(lián)網(wǎng)邊緣計算邊緣節(jié)點模型與要求》，《工業(yè)互聯(lián)網(wǎng)邊緣計算需求》。
在 CCSA TC5 中，三大運營商分別在邊緣計算領(lǐng)域立項，涉及邊緣計算平臺架構(gòu)、場景需求、關(guān)鍵技術(shù)研究和總體技術(shù)要求。中國聯(lián)通發(fā)起并主導(dǎo)的“5G 邊緣計算平臺能力開放技術(shù)研究”項目，將結(jié)合邊緣計算平臺架構(gòu)以及移動網(wǎng)絡(luò)能力，進(jìn)行 5G 邊緣計算能力開放的場景分析和方案研究，進(jìn)一步標(biāo)準(zhǔn)化網(wǎng)絡(luò)信息開放框架與內(nèi)容。中國移動和中國電信也分別牽頭立項《邊緣計算總體技術(shù)要求》和《邊緣計算關(guān)鍵技術(shù)研究》，內(nèi)容涵蓋了 5G MEC 的關(guān)鍵技術(shù)，包括：本地分流、業(yè)務(wù)緩存和加速、本地內(nèi)容計費、智能化感知與分析、網(wǎng)絡(luò)能力開放、移動性管理和業(yè)務(wù)連續(xù)性保障。
三大運營商在邊緣計算方面已經(jīng)展開廣泛探索。其中，中國聯(lián)通 2018 年 2 月宣布正式啟動全國范圍內(nèi) 15 個省市的 Edge-Cloud 規(guī)模試點和數(shù)千個邊緣數(shù)據(jù)中心的規(guī)劃建設(shè)工作;中國移動在江蘇、浙江等地通過核心網(wǎng)下沉網(wǎng)關(guān)分流至 CDN 邊緣節(jié)點，并探索了一些商用場景;中國電信在 2018 年搭建了基于邊緣計算的vCDN 概念驗證解決方案環(huán)境，測試結(jié)果理想。
目前，運營商的邊緣計算主要處于技術(shù)研究、實驗室測試，以及相對簡單場景的預(yù)商用階段。英特爾和阿里云聯(lián)合在重慶瑞方渝美壓鑄有限公司打造的工業(yè)邊緣計算平臺，采用了英特爾開發(fā)的深度學(xué)習(xí)算法和數(shù)據(jù)采集到協(xié)議轉(zhuǎn)換的軟件，以及阿里云開發(fā)的基于 Yocto 的操作系統(tǒng)(AliOS Things)、數(shù)據(jù)接入云端Link Edge。該平臺可以運行在工業(yè)邊緣計算節(jié)點本地，并將結(jié)果聚合并存儲在邊緣服務(wù)器上，再通過阿里云的 LinkEdge 實現(xiàn)數(shù)據(jù)上云。該平臺采用的機器視覺解決方案在 0.695 秒的時間內(nèi)，幾乎可以實時地識別制造缺陷，檢測精度約為 100%。
總體來說，我國的邊緣計算研究還處于起步階段。
06
邊緣計算面臨的挑戰(zhàn)
目前，關(guān)于邊緣計算的研究才剛剛起步，雖然已經(jīng)取得了一定成果，但從實際應(yīng)用來說，還存在很多問題需要研究，下面對其中的幾個主要問題進(jìn)行分析。
第一，多主體的資源管理。邊緣計算資源分散在數(shù)據(jù)的傳輸路徑上，被不同的主體所管理和控制，比如用戶控制終端設(shè)備、網(wǎng)絡(luò)運營商控制通信基站、網(wǎng)絡(luò)基礎(chǔ)設(shè)施提供商控制路由器、應(yīng)用服務(wù)供應(yīng)商控制邊緣服務(wù)器與內(nèi)容傳輸網(wǎng)絡(luò)。而云計算中的資源都是集中式的管理，因此云計算的資源管理方式并不適用管理邊緣計算分散的資源。而目前關(guān)于邊緣計算的研究也主要集中在對單一主體資源的管理和控制，還未涉及多主體資源的管理，實現(xiàn)靈活的多主體資源管理是一個十分富有挑戰(zhàn)性的問題。
第二，應(yīng)用的移動管理。邊緣計算依靠資源在地理上廣泛分布的特點來支持應(yīng)用的移動性，一個邊緣計算節(jié)點只服務(wù)周圍的用戶，應(yīng)用的移動就會造成服務(wù)節(jié)點的切換，而云計算對應(yīng)用移動性的支持則是“服務(wù)器位置固定，數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)椒?wù)器”。所以，在邊緣計算中應(yīng)用的移動管理也是一種新模式，涉及到資源發(fā)現(xiàn)和資源切換等問題。
第三，虛擬化技術(shù)。為了方便資源的有效管理，邊緣計算需要虛擬化技術(shù)的支持，為系統(tǒng)選擇合適的虛擬化技術(shù)是邊緣計算的一個研究熱點。目前，新型的虛擬化技術(shù)層出不窮，如何打破虛擬機和容器的規(guī)則與界線，將兩者充分融合，同時具備兩者的優(yōu)勢，設(shè)計適應(yīng)邊緣計算特點的虛擬化技術(shù)，也是一大挑戰(zhàn)。
第四，數(shù)據(jù)分析。數(shù)據(jù)分析的數(shù)據(jù)量越大，往往提取出的價值信息就越多。但是收集數(shù)據(jù)需要時間，價值信息往往也具有時效性。邊緣計算使數(shù)據(jù)可以在匯集的過程中被處理與分析，很多數(shù)據(jù)如果被過早地分析，可能會丟失很多有價值的信息，所以如何權(quán)衡提取信息的價值量與時效性是一個關(guān)鍵性問題。
第五，編程模型。邊緣計算資源動態(tài)、異構(gòu)與分散的特性使應(yīng)用程序的開發(fā)十分困難。為減少應(yīng)用的開發(fā)難度，需要可以適應(yīng)邊緣計算資源的編程模型。
07
我國發(fā)展邊緣計算技術(shù)的對策
據(jù)估算，2017—2026 年美國在邊緣計算方面的支出將達(dá)到 870億美元，歐洲則為 1850 億美元。因此，為應(yīng)對新的發(fā)展機遇，對我國發(fā)展邊緣計算技術(shù)，建議采取以下對策。
第一，加強邊緣計算的技術(shù)標(biāo)準(zhǔn)和規(guī)范建設(shè)。邊緣計算涉及到海量的終端設(shè)備、邊緣節(jié)點，是數(shù)據(jù)采集、數(shù)據(jù)匯聚、數(shù)據(jù)集成、數(shù)據(jù)處理的前端，而這些設(shè)備往往存在異構(gòu)性，來自于不同的生產(chǎn)廠商、不同的數(shù)據(jù)接口、不同的數(shù)據(jù)結(jié)構(gòu)、不同的傳輸協(xié)議、不同的底層平臺等。為此，統(tǒng)一的技術(shù)規(guī)范和標(biāo)準(zhǔn)亟待達(dá)成一致。這些標(biāo)準(zhǔn)和規(guī)范的制定，也將大大節(jié)約邊緣云等的建設(shè)成本。
第二，注重將邊緣計算技術(shù)發(fā)展與新一代信息技術(shù)結(jié)合。應(yīng)將邊緣計算技術(shù)的研發(fā)和應(yīng)用與“互聯(lián)網(wǎng) +”、云計算、大數(shù)據(jù)和新一代通信技術(shù)等研發(fā)計劃發(fā)展協(xié)同起來。邊緣計算是與云計算相生相伴的一種技術(shù)，并且與大數(shù)據(jù)、5G 通信和智能信息處理技術(shù)等高度聯(lián)接。因此，我國在制定相關(guān)研發(fā)計劃的時候，要將對邊緣計算技術(shù)和應(yīng)用的發(fā)展納入進(jìn)去，加快相關(guān)核心技術(shù)的研發(fā)，促進(jìn)邊緣計算技術(shù)成熟度的提升。
第三，加強邊緣計算的開源生態(tài)建設(shè)。邊緣計算本身由海量的終端設(shè)備構(gòu)成，而眾多智能終端如采用統(tǒng)一的開源操作系統(tǒng)，便可形成邊緣計算的開源生態(tài)環(huán)境。利用開源生態(tài)來維持核心代碼，形成業(yè)界認(rèn)可的技術(shù)接口、關(guān)鍵功能、發(fā)展路徑等，將會給各廠商提供均等的發(fā)展機會。
08
結(jié)論
邊緣計算給基于人工智能的系統(tǒng)的開發(fā)者帶來了下一個巨大的挑戰(zhàn)。隨著設(shè)計師增加更高層次的智能，需求將增長的解決方案，可以更快速和準(zhǔn)確地響應(yīng)不斷變化的環(huán)境條件。尋找開發(fā)人員采用廣泛的技術(shù)來滿足這一新的需求。
