去年底，中國電子技術標準化研究院、阿里雲等單位共同編制併發布了一份《邊緣雲端計算技術與標準化白皮書》，定義了邊緣雲端計算的概念和標準等，白皮書篇幅略長，邊緣計算社群將通過幾篇文章拆解白皮書。本文來源：邊緣雲端計算技術及標準化白皮書（2018）。
邊緣雲端計算場景有很多。內容分發網路（CDN）是一個典型應用。目前很多公司和團隊由於業務架構的需要，在全國各地的運營商IDC機房採購資源，自建多個邊緣計算節點。這些公司和團隊開展邊緣計算的業務時共同的痛點是重資產、業務彈性、運維投入等。當邊緣節點有覆蓋度要求時，以上問題將會成倍放大。邊緣雲端計算服務在邊緣節點交付、運維、服務等方面的技術優勢以及規模效應，解決了這些客戶的痛點問題。目前，邊緣雲端計算的應用場景從覆蓋上可以分為全網覆蓋類和本地覆蓋類兩大類：
1.全網覆蓋類應用的核心要求是從邊緣節點在地區和運營商網路兩個層面上的覆蓋度，來保證就近計算（如CDN、互動直播、邊緣撥測/監控等業務），或者基於足夠多的節點進行網路鏈路優化（如SDN/SD-WAN、線上教育、實時通訊等）。
2. 本地覆蓋類應用的核心要求是邊緣節點的本地化，即邊緣節點的接入距離要足夠近（目標<30 公里），時延足夠低（目標<5ms），來支援本地化服務的上雲需求，例如新零售、醫療等行業的監控資料上雲，連鎖門店等線下行業的IT基礎設施上雲等。這類應用的大頻寬需求是最能體現邊緣雲端計算時延和成本優化等核心優勢的場景。
隨著人工智慧和大資料的發展，各行各業都在利用科技智慧化和大資料分析等前沿科技手段，提升行業應用的科技效率，減低產業數字化系統的運維成本。例如在數字機床和工控領域等行業，可以把AI能力和數字分析能力部署在工業園區內，以實現在邊緣局域範圍內完成實時的工控智慧。在機場、車站等人流密集區域，通過把人臉識別和視訊監控能力部署在邊緣側，實現在邊緣側實時處理分析具有特徵值的人和物，滿足實時監控需求。
此類應用一般屬於全網覆蓋類應用。圖2是互動直播業務架構，展示了基於邊緣雲端計算技術的邊緣節點在類似場景中起到的作用。
主播的媒體流推送到就近的邊緣節點，在邊緣節點直接進行轉碼，轉碼後的媒體流分發到CDN邊緣節點，當有使用者訪問時就近返回內容。基於邊緣節點上的服務、直播流的上下行內容推送以及轉碼處理等都不用再回中心，大大降低了業務時延，提升了互動體驗，同時邊緣處理架構對頻寬成本的節省也非常明顯。 以虎牙直播為例，作為具有行業影響力的互動遊戲直播平臺，對視訊直播技術有著極高的追求，以滿足使用者對藍光畫質、低延時、穩定性以及實時互動等方面的要求，直播業務場景具有“高頻寬、高併發、計算密集”的特性。邊緣雲端計算服務在主播直播推流時，實現就近節點進行轉碼和分發，同時支援高併發實時彈幕的邊緣分發，減少了對中心的壓力，節省了30%以上的中心頻寬成本，同時獲得網路低時延，實現了邊緣節點網路連線時延小於5毫秒，提升了主播上行質量和使用者觀看體驗。通過基於邊緣雲端計算技術的邊緣節點服務（ENS）與 CDN資源協同，為虎牙直播提供穩定可靠的計算和網路服務，實現了彈性伸縮和分鐘級交付的能力，具備了規模經濟性，節省了使用者頻寬成本。
此類應用一般屬於本地覆蓋類應用。智慧城市需要資訊的全面感知、智慧識別研判、全域整合和高效處置。智慧城市的資料彙集熱點地區、公安、交警等資料、運營商的通訊類資料、網際網路的社會群體資料、IoT裝置的感應類資料。智慧城市服務需要通過資料智慧識別出各類事件，並根據資料相關性對事態進行預測。基於不同行業的業務規則，對事件風險進行研判。整合公安、交警、城管、公交等社會資源，對重大或者關聯性事件進行全域資源聯合排程。實現流程自動化和資訊一體化，提高社會處置能力。在智慧城市的建設過程中，邊緣雲端計算的價值同樣巨大：如圖3所示，在邊緣雲端計算的架構下，整個系統分為採集層、感知層、應用層。
在採集層，海量監控攝像頭採集原始視訊並傳輸到就近的本地匯聚節點。在感知層，視訊匯聚節點內建來自雲端下發的視覺 AI 推理模型及引數，完成對原始視訊流的匯聚和AI計算，提取結構化特徵資訊。 在應用層，城市大腦可根據來自各個匯聚節點上報的特徵資訊，全面統籌規劃形成決策，還可按需實時調取原始視訊流。
這樣的“雲—邊—端”三層架構的價值在於：
1. 提供 AI 雲服務能力：邊緣視訊匯聚節點對接本地的監控攝像頭，可對各種能力不一的存量攝像頭普惠地提供 AI 能力。雲端可以隨時定義和調整針對原始視訊的AI 推理模型，可以支援更加豐富、可擴充套件的視覺 AI 應用。
2. 視訊傳輸穩定可靠：本地的監控攝像頭到雲中心的距離往往比較遠，專網傳輸成本過高，公網直接傳輸難以保證質量。在“先匯聚後傳輸”的模型下，結合匯聚節點（CDN 網路）的鏈路優化能力，可以保證結構化資料和原始視訊的傳輸效果。
3. 節省頻寬：在各類監控視訊上雲的應用中，網路鏈路成本不菲。智慧城市服務對原始視訊有高清位元速率和 7×24 採集的需求，網路鏈路成本甚至可佔到總成本的 50%以上。與資料未經計算全量回傳雲端相比，在視訊匯聚點做 AI 計算可以節省 50%~80%的回源頻寬，極大降低成本。
與使用者自建匯聚節點相比，使用基於邊緣雲端計算技術的邊緣節點服務（ENS）作為視訊匯聚節點具有以下的優勢：
1. 交付效率高：ENS全網建設佈局，覆蓋CDN網路的每個地區及運營商， 所提供的視訊匯聚服務，各行業視訊監控都可以複用，在交付上不需要 專門建設，可直接使用本地現有的節點資源。
2. 運營成本低：允許客戶按需購買，按量付費，提供彈性擴容能力，有助於使用者降低首期投入，實現業務的輕資產運營。
此類應用一般屬於本地覆蓋類應用。在新零售的行業中，線下服務和線上服務結合，各類視訊監控的資料量巨大，具備以下特徵：
1. 本地化：各門店視訊流的生成、採集、分析、管理等環節主要在本地進行，流量跨區情況少。
2. 多機構：與傳統單門店系統不同，客戶會在本地有多家分支機構，視訊監控流需要統一匯聚、分析、管理。
3. AI 分析：客戶需要對視訊監控流內容進行AI分析以滿足模式識別、結構化資訊提取、事件上報等各種行業需求，有別於傳統的視訊流推送和回看等單一功能。採用邊緣雲端計算技術，能夠解決新零售客戶的上述問題。新零售行業所採用的邊緣雲端計算架構如圖 4 所示。
整個邊緣雲端計算系統被分為三層：
視訊採集層：門店對視訊資料進行採集，僅配置監控攝像頭及必要的網路裝置，不再需要配置大量的計算和儲存裝置。各門店以專線接入同城邊緣節點，實時上傳視訊監控流。
視訊分析層：邊緣節點為同城各門店提供基礎設施服務以承載 AI分析、視訊結構化解析、回放儲存等，替換原本在門店中的物理伺服器組。邊緣節點以優選公網鏈路，回傳至雲中心。
視訊管理層：中心雲的相關平臺對接全網上報的資料，做統一運營管理、人工稽核、關鍵資料的持久儲存等。
更多邊緣計算資訊，盡在邊緣計算社群。