90ZB级的数据总量，边缘计算市场井喷式增长

电子发烧友网报道（文/周凯扬）云计算作为云时代最重要的一大产物，如今已经成为了许多行业处理大数据的首选，与此一并应运而生的的概念还有雾计算和边缘计算。雾计算主要用于本地网络资产微型数据中心，而边缘计算主要用于工业PC和限定流程的应用，以及自治设备上的实时信息处理。

IDC预计，到2020年，全球将有超过500亿的终端和设备联网，2025年全球数据重量将达到175ZB，其中半数以上（90ZB+）的数据需要在网络边缘侧进行存储、处理和分析。2023年，将有42.4%的企业采取边缘+核心的方案建立数据库，设备的架构也将逐渐演化为“云+边+端”的三级架构。

据统计，2019年全球边缘计算市场总值为35亿美元，预计从2020年到2027年将实现37%以上的复合年增长率。据Stratistics MRC 2018年发布的全球边缘计算报告中提到，早在2017年，全球移动端的边缘计算市场就已经达到了2亿美元，而2026年这一市值将达到27.72亿美元，这一预测区间内的年复合增长率达到33.9%。

美国边缘计算市场分布趋势（单位：十亿美元）/ GrandView

云计算vs边缘计算

不论是何种应用，我们从所需带宽、算力和接入数量上来看，云计算都足以满足这些应用的需要，那么为什么需要转而选择边缘计算呢？

众所周知，云计算是集中式的，而边缘计算是分布式的。由于集中部署需要建立数据中心的局限性，用户侧与数据中心的距离就成了阻碍，引发了带宽成本高、时延大、流量密集等问题。边缘计算都选择了以边缘端的设备来进行数据的处理和传输，从而降低发送到云端的延迟，一并降低了部署成本和带宽成本。

边缘计算与云计算还有一处差异，那就是前者的应用场景更加做到更加细化。比如在ADAS中，边缘计算方案对可靠性和安全性的需求更高，同时还要保证尽可能低的功耗。

几大全球云服务商巨头如今也开始向边缘计算稳步布局，借用早期在云计算上发展的优势，亚马逊、微软、谷歌还有国内的BAT都开始将计算技术下沉至边缘侧。同步发展的还有相关产业链上的软硬件提供商等，分别在能源、工业、交通和智慧城市等领域渗透。

2019年全球边缘计算市场份额 / GrandView

边缘计算服务商

亚马逊

今年六月，亚马逊正式发布了AWS Snowcone，一个同时做到轻量级和安全坚固的边缘计算、边缘存储和数据传输设备。Snowcone是亚马逊Snow系列的新品，该系列专注于解决严峻非数据中心环境下的客户需求，为他们提供一致网络连接的站点运行操作。但与AWS Snowball和AWS Snowmobile这类大型边缘计算设备不同，Snowcone主打轻量级的物理边缘计算，适用于战术边缘计算、医护物联网、工业物联网、交通运输等应用场景。

AWS Snowcone / 亚马逊

如上图所示，该设备质量小至2kg，却包含了8TB的存储空间，并配有2个CPU，4GB内存以及USB-C连接。Snowcone可用于桌面端、数据中心、车辆与无人机等环境，既可以运行在交流电源下，也可以选用电池供电，这对自治应用来说是至关重要的一大特色。除了防窃取和防篡改之外，Snowcone还支持可信平台模块（TPM），确保数据的安全性和监管。内部数据采用AWS的密匙管理服务加密，并不会将密匙存储于设备内。对于移动端部署来说，Snowcone可以在特定电池功率下工作，比如以25%的CPU占用率，在65W的电池下工作近6小时。同时还可以采用Wi-Fi接口从无线传感器中收集数据。

微软

除了像AWS Snow系列的物理边缘计算平台之外，亚马逊还推出了针对5G网络边缘的AWS Wavelength，将计算和存储服务嵌入电信运营商的5G网络边缘。而微软为了响应这一市场的竞争，也于今年正式公布了Azure Edge Zones。5G虽然将移动宽带的速度提升至10倍以上，但同样需要考虑逐渐升高的设备密度和日益增长的延时需求。在Azure Edge Zones下，多接入的边缘网络可以做到5ms到30ms内的延迟。

Azure Edge Zones / 微软

通过Azure为运营商提供服务，微软对该方案的应用有几大设想：时延要求高的工业物联网和媒体服务负载的本地数据处理；通过物联网和AI的组合加速，助力优化机器人、自动化和混合现实的创新；为游戏等需要高密度图像和实时运算的应用提供新的方向；无缝集成虚拟网络功能，比如诺基亚的Nuage Networks和VMware的VeloCloud等。

硬件供应商

华为

IoT网关AR502H / 华为

华为作为国内较早参与边缘计算的公司之一，已在物联网网关上发布了不少产品。其中新一代边缘计算物联网关AR502H更是在Interop Tokyo大会上斩获金奖。此网关采用了开放式的边缘计算架构，处理器为1GHz 4核的ARM A53，并配有2GB DDR4的内存和2GB SLC NAND的闪存，灵活扩展的AI外设可将算力推至16TOPS，支持TensorFlow和Caffe等主流AI框架；接口方面，支持5G/4G上行，同时集成RS232/485等传统接口，实现了海量工业设备的兼容性。

Ascend 310芯片 / 华为

除了IoT网关之外，华为也推出了自己的边缘计算芯片昇腾310。该处理器采用了华为自研的达芬奇架构，16位浮点数（FP16）下的性能可达8TFLOPS，而功耗仅为8W。其计算引擎选用了3D Cube，针对矩阵运算进行加速，充分发挥边缘端AI的运算潜能，为自动驾驶、IT智能、智能制造等场景提供了优质的解决方案。

比特大陆

算丰BM1684 TPU / 比特大陆

比特大陆在去年推出了针对边缘计算的算丰BM1684张量计算处理器，该芯片是面向深度学习领域推出的第三代张量处理器，相较上代设备性能提升约6倍。32位浮点数（FP32）下的峰值性能可达2.2TFLOPS，标准功耗为16W。比特大陆同期宣布该芯片将助力福州“城市大脑”的基础建设，为城市提供全域分析所需的算力。比特大陆联合创始人兼董事长詹克团此前透露，今年会在合适时机推出第四代AI芯片。

边缘计算面临的技术挑战

1.硬件与算力上的限制：许多边缘计算环境其实都受到硬件上的限制，就拿嵌入式设备来说，这些设备本身并不可能拥有数据中心体量的硬件，而更大的算力才意味着更快的数据处理速度。

2.辅助和操作限制：边缘计算的硬件有时会带来高昂的操作和维护成本，比如遍布数千里的风力涡轮机，或是油井矿脉下的传感器。

3.远程管理：很多边缘计算环境中无法定期部署管理方案，比如应用程序更新、故障时的调试能力等，所以高可用性的边缘计算往往需要具备以下特色：连接丢失时的数据缓存能力，约束网络下的带宽成本节省等。

4.安全：安全是边缘计算的基本考虑因素，要确保数据中心与边缘间的安全通信，保证静态和动态数据的隐私，以及对敏感的客户数据的匿名化。

除了相关企业在加紧扩张边缘计算市场外，政府也在促进相关领域的发展。国内政策将首先估计5G应用的扩展，以此进一步扩大边缘计算的需求。今年的政府工作报告已经指出，3.75万亿元的政府专项债券和6000亿元的中央预算投资将用于新型基建，发展下一代的信息网络。而边缘计算可为海量机器通信（mMTC）和超可靠低延时通信（uRLLC）等5G应用提供合理的解决思路。

除此之外边缘计算的应用领域也在不断扩展，智慧城市是边缘计算的最大应用市场之一。通过对楼宇的分析，不仅可以提供维护建议，同样方便对城市规划做出参考。直播与游戏领域同样在享受边缘计算带来的福利，街机产业发达的日本最近也开始将非营业时间内的机器改造成边缘计算端，从而为用户提供随时随地的低时延游玩体验。

云服务商开始发展边缘计算是市场趋势所致，但各个垂直行业在该领域上的布局仍处于较慢的速度。未来相信在运营商和云服务商的共同推进下，云边协同将成为各个数字化转型和创新的常态。

本文由电子发烧友网原创，未经授权禁止转载。如需转载，请添加微信号elecfans999.

2020年人工智能大会，点此参与大会报名
http://www.elecfans.com/activity/ai-2020/index.html