2022边缘计算+技术白皮书.pdf

“边缘计算+”技术白皮书算网融合产业及标准推进委员会2022年8月（2022 年）前言前言作为行业数字转型的核心能力底座，边缘计算获得业界的广泛关注。随着边缘计算在医疗、交通、工业等各行业规模部署，要求边缘计算应面向特定行业具备差异化与定制化的能力，为满足行业应用在高效算力、海量接入、智能分析、安全防护等方面的需求，边缘计算技术与 5G、大数据、人工智能、安全等各类技术深度融合，共同构成“边缘计算+”技术创新体系。“边缘计算+”既是边缘计算技术的融合创新，也是边缘计算服务能力的升级演进，其深层含义是各类技术通过“边缘计算化”赋能产业数字化、网络化、智能化转型。本白皮书基于行业研究和调研报告，梳理了技术融合在边缘计算行业赋能方面的助力作用，总结提炼边缘计算技术融合的核心价值；提出了“边缘计算+”内涵，从边缘计算赋能底座、技术融合与行业应用三个层次介绍“边缘计算+”参考模型；从场景需求、技术架构和典型案例三个方面，系统梳理“边缘计算+5G”、“边缘计算+人工智能”、“边缘计算+音视频”等六项“边缘计算+”的关键技术能力；最后围绕算网融合、一体化智能化、云原生与安全防护，展望“边缘计算+”技术演进趋势。当然，白皮书仍然存在诸多不足，恳请各界批评指正。目录一、融合创新已成为边缘计算发展的必然趋势.1(一)边缘计算构筑行业数字转型能力底座.1(二)技术融合助力边缘计算实现行业赋能.2(三)边缘计算技术融合的核心价值.5二、“边缘计算+”的内涵与参考模型.7(一)“边缘计算+”内涵.7(二)“边缘计算+”参考模型.8三、“边缘计算+”关键技术能力.17(一)边缘计算+5G.17(二)边缘计算+人工智能.26(三)边缘计算+音视频.38(四)边缘计算+区块链.51(五)边缘计算+安全.56(六)边缘计算+高性能计算.62四、“边缘计算+”技术发展趋势.68(一)“边缘计算+”技术从概念走向深入.68(二)一体化与智能化成为“边缘计算+”重要发展方向.69(三)云原生将成为“边缘计算+”技术演进的加速器.69(四)可信设施与安全服务共同构筑“边缘计算+”安全壁垒.70参考文献.72缩略语.73图 目 录图 1“边缘计算+”参考模型.8图 2 MEC 参考模型.21图 3 机器人联网监控和预测维修案例.24图 4 智慧商超案例.24图 5 智慧园区案例.25图 6 边缘 AI 参考架构.31图 7 工业质检典型场景部署架构.34图 8 期货交易所仓库运营管理方案.35图 9 建筑工地人员行为分析平台.36图 10 在线视频流量分发技术落后于内容需求.39图 11 边缘计算音视频参考架构.40图 12 边缘 RTC 方案.45图 13 边缘视频源站.46图 14 视频安防方案.47图 15 边缘节点与云 CDN 协同.48图 16 边缘计算+区块链架构图.54图 17 边缘计算安全架构.59图 18 无人机通信链路.60图 19 可信电力调度方案.62图 20 边缘高性能计算架构.64图 21“软件+硬件”异构计算架构.66“边缘计算+”技术白皮书（2022 年）1一、融合创新已成为边缘计算发展的必然趋势(一)边缘计算构筑行业数字转型能力底座数字经济成为构建新发展格局的关键支撑。党的十九届五中全会提出，要加快构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，把实施扩大内需战略同深化供给侧结构性改革有机结合起来，以创新驱动、高质量供给引领和创造新需求。数字化转型过程将以信息技术，特别是新一代信息通信技术为基础。在数字经济发展需求的驱动下，新建数据量将超过去 30 年的总和，娱乐数据将保持主体地位，生产数据占比将持续增长。数字经济时代，80%的数据和计算将发生在边缘。作为行业数字化转型的基础赋能平台，边缘计算通过在网络边缘位置，为各类行业用户提供数字化、网络化、智能化服务，以满足行业数字变革过程中在低时延、大带宽、智能分析、海量数据、安全可信、高效算力等不同方面的差异化需求。全球各国积极推进边缘计算的战略布局。以美国、欧洲为代表的发达国家，均将边缘计算列入产业数字化转型中的关键环节和技术进行统筹部署，并积极推进创新应用。我国高度重视边缘计算的发展，近期工信部印发了5G 应用“扬帆”行动计划（2021-2023年）、新型数据中心发展三年行动计划（2021-2023 年）、工业“边缘计算+”技术白皮书（2022 年）2互联网综合标准化体系建设指南（2021 版）等相关文件，积极推进边缘计算在工业互联网等多个领域的技术、标准与产业发展。在边缘计算分类方式上，Linux 基金会的 LF Edge 根据部署的位置，将边缘计算划分为用户边缘和服务提供商边缘两类1。其中，用户边缘包括端侧设备、网关设备以及边缘数据中心等；服务提供商边缘包括访问边缘和区域边缘等。本文按照边缘计算的技术实现方式，边缘计算可分为：运营商边缘、云边缘和工业边缘三类：运营商边缘：基于运营商网络，在基站、中心机房等位置部署计算资源，提供边缘服务。云边缘：云服务商基于 CDN 节点和网络构建，通过虚拟化技术，将算力“下沉”到距离用户较近的城域内，构建边缘服务能力。工业边缘：通常在工业企业内部构建边缘基础设施，面向“人、机、料、法、环”产品质量管理全环节，部署边缘应用，实现 OT 与 ICT 的深度融合。上述三类边缘计算已经在垂直行业的不同场景中得以广泛应用。(二)技术融合助力边缘计算实现行业赋能1.运营商边缘运营商边缘主要为终端用户提供大流量、低时延的服务，典型应用例如互动直播、云渲染、云 VR 等。运营商边缘的部署位置通常“边缘计算+”技术白皮书（2022 年）3位于运营商的通信机房中，与通信设备部署在一起，通过低成本的方式获得大带宽。5G 与边缘计算的深度融合已成为行业数字转型的能力底座。自2020 年开始，国内三大电信运营商已经开始进行 5G 网络的大规模部署建设。由于 5G 的目标是与各行各业深度融合，推动垂直行业数字化转型，所以在 5G 网络建设部署的同时，还需要部署大量的边缘计算节点来打造支持大带宽、大规模复杂连接的 5G 边缘云。5G 边缘云将成为承载新商业应用、电信运营商基础网络及业务系统云化的“底座”，是电信运营商借以进行 ToB 业务竞争的核心竞争力，也是电信运营商与互联网企业在垂直行业竞争的“护城河”。边缘计算技术与 5G 技术的深度融合促使网络流量通过各种低成本的本地专线的方式接入云网络。此外，运营商边缘正在逐步向提供跨电信运营商的统一边缘云服务方向迈进。通过采用统一通用的 API 接口，实现应用的跨电信运营商统一部署交付、运维和管控。2.云边缘云边缘为客户提供指定地理位置附近的云能力。与运营商边缘相比，云服务商借助已部署的 CDN 网络，并提供多个运营商的网络接入能力，以服务更多的用户。云边缘到终端用户的时延一般在20ms 以内2，主要为用户终端用户提供对时延和网络稳定性有一定要求的服务。边缘计算与视频技术的深度融合进一步提升视频类应用的用户“边缘计算+”技术白皮书（2022 年）4体验。云服务商在视频边缘计算领域拥有大量的业务需求和成功经验，以云游戏、直播、音视频加速、安防监控等为代表的大流量大并发业务，在 4G 时代已得到广泛应用。随着 5G 时代的到来，云服务商通过“CDN 下沉”的方式，将算力下放至近用户侧，提供低时延、智能化的边缘服务。音视频加速业务利用云边缘基础设施，为其客户提供音视频加速服务，利用边缘节点的低成本及低延迟优势，提升产品竞争力及用户体验。云游戏利用云边缘基础设施，以最少的机器成本为节点覆盖区域提供低成本及高性能的 PC 及手机端云游戏服务。安防监控利用云边缘，实现安防摄像头数据的转存及转发两大业务，利用边缘节点的低成本特性，极大降低的视频数据的传输和存储成本。基于边缘节点建设的存储功能，实现了摄像头数据的就近存储和就近访问。3.工业边缘工业边缘是边缘计算的重要应用领域，广泛分布于制造、能源、仓储物流等各个环节中，如制造车间、变电站、物流分拨中心、工业园区的网络机房等。各类工业应用在海量通信协议、异构数据、时间确定性与低时延、数据私密性与安全性、设备运行环境等不同方面对边缘计算提出了更高的要求。随着工业互联网的发展，工业边缘计算会在人、机、料、法、环、测等各个环节遍地开花。利用边缘计算与人工智能融合技术实“边缘计算+”技术白皮书（2022 年）5现的机器视觉，可以对人和设备的安全提供保障、对生产物料质量进行识别纠错等；通过大数据实时采集分析可以对工作设备进行预测性维护、对周围环境进行监测预警等。同时，伴随着通信技术的不断发展，5G 的低延时和大带宽特性也正在和工业互联网的发展产生交集。我们可以看到工业现场的轻型边缘计算设备可以通过 5G 与网络边缘的基础设施高效协同工作，以此充分利用各自的物理资源。比如，大带宽可以将重计算量的大数据分析分配在网络边缘，低延时可以将毫秒级的控制应用部分上移到网络边缘，以此使工业边缘与网络边缘互相融合协同创新。(三)边缘计算技术融合的核心价值作为行业数字转型的核心能力底座，边缘计算获得业界的广泛关注。边缘计算已由技术概念期进入到期望峰值期，成为未来计算的重要趋势之一。于此同时，随着数字转型的深入，边缘计算在行业应用深度和广度上将得到进一步加强，广泛应用于工业、医疗、交通、教育、能源等众多领域，充分利用近用户侧的先天优势，为行业用户提供低成本、高质量的服务。边缘计算技术融合将成为边缘计算产业落地的“助推器”。行业数字转型要求边缘计算应面向特定行业具备差异化与定制化的能力，以满足行业应用在高效算力、海量接入、智能分析、安全防护等方面的需求。边缘计算作为基础能力底座，与人工智能、大数据、区“边缘计算+”技术白皮书（2022 年）6块链、5G 等各类新兴技术具有天然的亲和性，通过将各类技术“边缘计算化”，实现边缘计算服务能力升级，满足行业应用需求，推动边缘计算产业快速落地。“边缘计算+”技术白皮书（2022 年）7二、“边缘计算+”的内涵与参考模型(一)“边缘计算+”内涵随着各行业数字转型的逐渐深入，为了满足行业在高效算力、海量接入、智能化分析、安全防护等差异化应用需求，边缘计算技术与 5G、大数据、人工智能、安全等各类技术深度融合，以 MEC、边缘 AI、边缘 IoT、边缘高性能等为代表融合创新技术，共同构成了“边缘计算+”技术创新体系。“边缘计算+”既是边缘计算技术的融合创新，也是边缘计算服务能力的升级演进，其深层含义是各类技术通过“边缘计算化”赋能产业数字化、网络化、智能化转型。“边缘计算+”技术白皮书（2022 年）8(二)“边缘计算+”参考模型图 1“边缘计算+”参考模型1.边缘计算构筑技术融合创新能力底座如图 1 所示，在“边缘计算+”参考模型中，边缘计算为 5G、AI、高性能计算等新一代 ICT 技术的行业落地，提供了必要的算力供给能力、边缘服务能力、端侧感知能力以及协同联动能力。各类ICT 技术利用由边缘计算构筑的基础赋能平台，实现与边缘计算技术的融合创新，将服务能力延展至“端、边、云”各个层次，满足各行业定制化服务需求。边缘计算融合创新能力底座应具备以下核心能力：“边缘计算+”技术白皮书（2022 年）9 端侧感知能力：端侧设备主要包括了 PC、手机、物联网设备等用户终端设备。边缘计算支持种类繁多的通信协议，提供了海量设备接入能力。边缘平台可以及时感知各类端侧设备的状态，获取相关采集数据，向 ICT 应用/服务提供数据输入。边缘服务能力：边缘计算为各类 ICT 技术的应用与服务部署，提供了边缘化服务供给能力，并结合低时延、大带宽等边缘计算基本特性，可以满足行业用户高质量服务需求。算力供给能力：边缘计算为 ICT 技术应用提供了“云、边、端”一体化、多样化的算力供给能力，云侧平台负责对全网算力资源进行统一管理，通过智能化算力调度，满足各类技术应用运行的算力需求。另外，边缘计算提供了异构计算的能力，支持 CPU、GPU、FPGA 等不同硬件资源。协同联动能力：从云网一体到算网融合，“端边云”已经成为行业应用部署的基本范式。不论是在云网时代还是在算网时代，边缘计算均提供了“端边云”高效协同数据处理能力，端侧主要负责数据采集，边侧主要提供边缘数据分析处理，云侧负责集中式管理以及部分数据处理。以提供边缘计算核心能力为目标，充分发挥边缘计算的融合创新赋能作用，各类边缘计算技术正在不断地创新演进。以云边协同、计算卸载、边缘原生等为代表的边缘计算核心技术，一方面将延展“边缘计算+”技术白皮书（2022 年）10边缘计算的赋能范围，加速边缘计算与更多技术的融合创新，另一方面将提升边缘计算的赋能能力，满足 ICT 技术应用/服务的高效运行需求。（1）云边协同技术边缘计算与云计算需要从资源、数据、应用、服务四个维度进行紧密协同，并在中心云的统一管理下，实现边缘节点之间协同。在资源协同方面，云边协同的作用之一，根据可用资源和资源需求，完成业务的部署、调度和负荷分担。调度过程需依据业务的资源占用、流量、运行状态等，从全局视角，对计算资源、网络互联带宽和延时、存储资源和应用软件资源完成调度和配置，以达到全局的业务整合。云边资源协同在具体落地的形态上，根据运营商边缘、云边缘和工业边缘三种不同模式，和中心云的交互也有一定的差异实现。运营商边缘实现的是 MEC 通信级别机房和中心云的互通，一般通过专用网络方式实现；云边缘是 IDC 互联网机房和中心云的互通，一般通过 SD-WAN 模式实现；工业边缘是单体网关和中心云的互通，一般通过普通互联网实现。在数据协同方面，边缘侧可以提供区域化、个性化的本地服务，同时降低回传网络负载压力；在安全隐私方面，边缘侧在接收到敏感信息或隐私数据后，执行数据脱敏过程，把结果上传至云端形成样本积累，通过大量样本学习，提高迭代效率。边缘侧还可以将接入的本地资源与网络其它部分隔离，将敏感信息或隐私数据控制在“边缘计算+”技术白皮书（2022 年）11区域内部。在服务协同方面，通过边缘计算为用户提供优质的更高效、优质、精细化的服务，边缘计算节点使分布式计算渗透到网络的各个位置，满足对海量边缘节点统一管理和终端服务精细化控制的需求，要求端、边、云有效协同搭建管理与安全服务体系。在应用协同方面，通过“端”、“边”、“云”三者的有效协同，实现各类应用的业务数据分发和应用请求调度。其中，端与云的交互实现设备集中管控、请求精确调度，边与云的交互实现计算存储下沉、应用自动注册；端与边的交互实现文件快速交付、边缘服务发现。（2）计算卸载技术计算卸载技术是指计算密集型任务从计算资源受限的计算环境卸载到有满足算力资源需求的计算环境中执行，具体指将某个计算量大的任务根据一定的卸载策略合理分配给资源充足的远程设备处理的过程。其中，卸载策略和计算资源分配策略是计算卸载的核心。卸载策略主要基于可分配到的资源大小、计算和回传时间的长短以及完成计算的功耗大小来进行决策，包括：最小化执行时延的卸载决策、最小化能量损耗的卸载决策等。计算资源分配策略主要是通过资源调度器根据目前网络资源的状况以及不同用户的时延要求来分配计算资源，包括单节点资源分配、多节点资源分配等方式。（3）边缘原生技术“边缘计算+”技术白皮书（2022 年）12边缘原生技术是由 5G 确定性网络产业联盟（5GDNA）、EdgeGallery 开源社区、边缘计算产业联盟（ECC）和工业互联网联盟（AII）共同提出，该技术是云原生技术向边缘侧的演进，主要技术包括：以边缘侧 5G 网络能力开放为特征的边缘服务、基于云边协同和边边协同的边缘网格技术、面向复杂场景跨网络的边缘编排技术等。（4）异构计算技术在边缘计算环境中，海量的端侧设备与包含 CPU、GPU、FPGA、TPU 等不同计算架构的边缘计算基础设施共同构成了极度异构的计算环境。异构计算技术在异构硬件资源的基础上，构建异构计算平台，充分发挥各类计算硬件的优势，提高算力资源利用率。为了实现不同计算硬件的统一调度，业界从两个方向开展技术研究与实现，以云厂商为代表的边缘计算服务商，通过虚拟化技术将计算资源池化，向用户提供算力资源服务；边缘计算硬件厂商，基于自身硬件产品，提出统一的编程模型，为跨 CPU、GPU、FPGA、专用加速器的开发者提供统一的体验。（5）能力开放技术能力开放方面从实际的业务场景需求来看，边缘侧不仅需要具备 CT 的能力，还需要具备 IT 能力。因此能力开放技术既应包括边缘计算平台能力的开放，还应包括网络服务能力的开放。“边缘计算+”技术白皮书（2022 年）13在平台能力开放方面，针对各种垂直行业不同的业务需求提供各类平台能力，包括直播场景下的视频编解码、视频渲染能力，智能制造场景下的视频 AI 处理能力等。在网络服务能力开放方面，可以提供网络及用户信息开放、业务及资源控制功能开放、本地分流、DNS 服务等相关能力。2.边缘计算与 ICT 技术深度融合，满足行业应用差异化需求在“边缘计算+”参考模型中，基于边缘计算提供的技术融合创新能力底座，以 5G、AI、高性能计算等为代表的 ICT 技术与边缘计算技术深度融合，形成 MEC、边缘 AI、边缘 HPC、边缘安全等“边缘计算+”关键技术，并面向行业用户提供高效算力、海量接入、安全防护、智能分析等融合能力，通过统一的服务接口，为行业应用提供定制化、差异化服务。在边缘计算与 5G 技术融合方面，边缘计算充分结合 5G eMBB高带宽、uRLLC 极低时延、mMTC 大连接等特性，将云的能力下沉到移动网络边缘，满足车路协同场景、智能制造场景、智慧能源场景等众多场景，在高通量实时智能分析等方面的处理需求。在边缘计算与人工智能技术融合方面，伴随行业数字转型浪潮的到来，结合边缘计算与人工智能的边缘人工智能技术，将人工智能算法运行在边缘侧，满足智慧交通、智慧物流、智慧水利等众多场景的实时性、本地化的智能处理需求。“边缘计算+”技术白皮书（2022 年）14在边缘计算和音视频技术融合方面，以超高清视频、工业视觉、AR/VR 等为代表的视频应用，借助边缘计算“低时延、高带宽、大连接”的先天优势，助力各行业数字化转型，满足各行业对视频业务实时性、视频数据智能化等方面的需求。在边缘计算与区块链技术融合方面，通过在边缘计算节点上部署区块链服务，既可以为行业应用提供实时的数据存储，也可以提供可信的数据分析和业务执行。在边缘计算与安全技术融合方面，边缘计算节点需要面对海量设备接入，在隐私保护、数据安全等方面面临诸多挑战。边缘计算与安全技术的融合，一方面体现在构建安全可用的边缘计算生态系统，保护边缘计算设备、基础设施、边缘应用等边缘计算架构安全；另一方面，可以在边缘侧提供安全网关、安全检测等各类安全服务。在边缘计算与高性能计算技术融合方面，自动驾驶、数字制造等场景需要在边缘侧提供高性能算力资源与计算架构，满足计算密集型任务的处理需求。于此同时，高性能计算应用上云已成为行业发展的必然趋势，通过在边缘侧和云侧同时部署云化 HPC 应用，将充分满足行业应用灵活、弹性的高性能算力需求。3.边缘计算技术融合满足行业应用差异化需求利用边缘计算融合创新平台，MEC、边缘音视频、边缘 HPC、边缘安全等边缘计算融合创新技术，将充分满足行业应用差异化需求，促进边缘计算在各行业领域不同应用场景中应用部署。“边缘计算+”技术白皮书（2022 年）15智慧石油场景中，“边缘计算+”将重点解决由于油井地理位置偏远，给油井现场、设备的实时管理和监控带来挑战。利用 MEC 的接入能力，结合边缘视频处理技术以及边缘 AI 能力，实现现场级的油井异物入侵、人员行为检测、设备状态监控等业务能力，降低业务成本，保障石油开采过程中人员设备安全。车路协同场景中，利用“边缘计算+”提供的边缘 AI 能力，实现道路与车辆相关信息的实时智能分析；通过 MEC 技术实现车-路、人-车、车-车之间的高速信息交互；通过边缘 HPC 提供的强大算力，实现对外部环境突发情况的及时响应。视频点播/直播场景中，利用“边缘计算+”提供边缘音视频技术实现包括转码、合流、切片等在内的视频流边缘处理，直播流可以就近分发、就近访问，减少网络传输时延，降低网络带宽成本，提高用户的服务体验。智能园区场景中，利用边缘计算+区块链技术，可以实现园区内监控视频的本地存储与视频存证，保证视频数据的真实性和可信度。另外，利用边缘 AI 技术，可以实现智能化的车辆识别，降低安保压力。无人零售场景中，边缘 AI 技术提供的智能化数据处理能力，满足货品监测、收银记录、人员识别等多个无人零售核心业务需求。在基础设施方面，利用边缘 HPC 技术，提供优秀的性能功耗比，令计算密级型 AI 应用运行于低功耗的设备中，满足业务场景对性能和“边缘计算+”技术白皮书（2022 年）16功耗的苛刻要求。此外，“边缘计算+”所提供的融合创新能力还可以广泛应用于智慧医疗、智慧电网、智能制造等多个领域，满足更多场景数字化、网络化、智能化的应用需求。“边缘计算+”技术白皮书（2022 年）17三、“边缘计算+”关键技术能力(一)边缘计算+5G多接入边缘计算（Multi-access Edge Computing，MEC）技术是边缘计算与 5G 融合的代表性技术3。该技术将云的能力下沉到网络边缘，结合 5G eMBB 高带宽、uRLLC 极低时延、mMTC 大连接等特性，移动通信网络将更多的应用到垂直行业，越来越多的数字化场景将可能被解锁。边缘计算兼顾成本和性能的优势，通过将终端算力后移到边缘，云端服务下沉到边侧，可以有效降低终端成本，减少传输带宽占用，降低业务时延，提高业务数据安全4。1.应用场景与需求边缘计算的业务场景、部署环境、承载的应用需求都与传统云计算不同。通常边缘节点都是小规模部署，算力、存储、网络等资源相对于云数据中心有着各种各样的限制。给边缘平台如何降低系统资源开销，以及如何合理、高效的利用有限资源等方面带来挑战。另一方面，边缘计算集群部署的机房条件（空间、温度、湿度等）通常参差不齐，有些环境条件非常恶劣，运维人员无法在平台出现故障时及时到达或进行定期巡检维护，这也对边缘计算平台的可靠性、可用性提出了非常苛刻的要求。在网络端，边缘计算平台需要能够实时感知 5G 网络的状态，用“边缘计算+”技术白皮书（2022 年）18户设备的状态，以便利用这些信息智能化完成例如流量切换、QoS规划等，进而优化网络性能，提升用户体验。在 5G 网络时代，伴随着超高清视频、VR/AR、智能安防、远程医疗等智能应用下沉到边缘处理，在带来对人工智能算力高需求的同时，如何充分利用终端设备、边缘节点和云数据中心的资源，优化人工智能模型的整体训练和推理性能，来构建更为高效的机器学习模型，也是当前边缘智能面临的问题之一。车路协同无人驾驶场景城市道路交通智慧化的实现，需要基于 5G 通信、边缘计算、传感器探测等技术，实现人、车、路、环境等要素之间的大协同，这种大协同首先需要从车路协同（5G-V2X）的建设开启。车路协同（V2X）的核心在于实现车辆与车辆、行人、基础设施、云端等万物的互联，能够感知外部环境，助力下一代自动驾驶，实现实时监控，进一步缓解交通环境拥堵、提高道路交通安全。车路协同场景中边缘计算平台通过对路侧设备包括摄像头、雷达产生的数据进行边缘端的 AI 推理分析，实现车-路、人-车、车-车之间的实时高效的信息交互，为交通参与者提供全方位可靠的的交通信息。通过视频流进行 AI 智能分析，辅以雷达测距，将道路参与主体（人、车、非机动车）的状态、速度、方向、位置等信息进行检测，并采用轨迹跟踪、行为分析、事件触发、违规检测等技术，在智慧交通领域形成广泛应用。“边缘计算+”技术白皮书（2022 年）19 工业边缘物联网大数据场景智能制造离不开智能装备的支撑，包括高级数控机床、配备新型传感器的智能机器人、智能化成套生产线等，以实现生产过程的自动化、智能化、高效化。从 2015 年到今天，国内机器人装机量从25 万台猛增长到 100 万台。大量的智能装备的运维和管理离不开工业物联网体系的支撑。通过智能制造物联网平台，将机器、设备、人员这些真实的物体进行联结，通过边缘计算就近提供边缘智能的服务，对设备进行集中管理控制，实现智能化生产、个性化定制、网络化协同。工业物联网大数据平台的建设离不开强大边缘计算和 4G/5G 网络环境。边缘计算平台提供了高性能流式分析工具实时判定设备的故障告警，数据清洗、去重和实时计算等预处理秒级响应。物联网平台支持有线网络、4G/5G 无线网络、串口转网口等多种网络连接环境。智慧石油场景我国几大石油企业正在开展“减员增效”改革，积极试点 AI、5G、边缘计算、数字化等技术在整个业务流程上的应用。石油的边缘端场景主要集中在众多偏僻郊野的采油井上，现阶段石油客户对边缘计算+5G 的需求主要在油井现场的管理、油井设备智能化管理以及油藏智能监控等方面。油井现场管理。油井侧部署的摄像头所采集的视频数据接入 AI“边缘计算+”技术白皮书（2022 年）20盒子中，实时分析，大量数据边缘卸载，只传回部分分析结果数据，降低数据传输带宽需求。包括油井异物入侵实时监控、工人现场行为监测等；油井设备智能化管理。传统模式下，为保证作业现场设备正常运行，每 3 小时需要对设备进行巡检。通过在油井上部署 AI 盒子，部署相应的算法模型，对接入的设备运行数据及传感器传回数据进行实时分析，监控设备运行状态，减少人工巡检工作量。油藏智能监控。通过机器视觉技术，对井下石油的渗出情况进行判断，将传统管控模式升级为智能管控模式，实现油井液量的智能计算、抽油机井智能自主间抽、注水井智能调控等。油井抽油机主要是电力驱动，耗电量大。智能自主间隔抽油后，降低了抽油频率，据客户测算，单口油井能节省 80%的电力开支。智慧电力场景电力行业目前边缘+5G 场景很多，包括变电站、输电线路等。目前主要应用方向集中在人工智能图像、视频识别应用上，客户对边缘计算的需求目前主要在输电线路图像识别（无人机/直升机/可视化）、安全行为智能分析、配电站房监控、能源语义搜索等方面。针对配电站房和变电站等无人值守环境，研发越界检测、表计识别、设备状态识别、安全帽及工服检测等模型，应用边缘计算+5G实现监控视频的准实时边端检测。针对电力系统施工现场作业监督需求，研发人脸识别、安全帽“边缘计算+”技术白皮书（2022 年）21检测、闯入识别、吸烟识别、滞留识别等模型，实现对电力施工现场的安全管控。2.技术架构图 2 MEC 参考模型由图 2 所示，MEC 参考模型主要分为网络层、主机层和系统层三部分。MEC 网络层由各类有线、无线网络组成，实现 MEC 主机与外界的高效连接。MEC 主机层由 MEC 主机、MEC 主机管理模块组成。MEC 主机又包含了虚拟基础设施、MEC 平台和 MEC 应用三部分。丰富的 MEC 应用将运行于虚拟基础设施上，为边缘用户提供不同“边缘计算+”技术白皮书（2022 年）22的边缘服务。虚拟基础设施资源为 MEC 应用提供了虚拟计算资源、虚拟存储资源和虚拟网络资源。MEC 应用之间依靠 MEC平台上安装的转发规格进行流量转发。MEC 主机管理主要包括 MEC 主机的资源管理和应用管理。MEC 系统层负责 MEC 全局系统资源的管理、第三方或者设备的请求处理。当海量用户通过网络层接入边缘计算系统后，主要由运行在MEC 主机上的不同边缘应用处理边缘用户请求。当前，边缘计算解决方案主要通过虚拟机或容器的方式运行边缘应用，实现不同边缘应用之间的资源隔离。因此，边缘应用利用虚拟基础设施提供的虚拟资源，针对海量边缘用户请求的处理效率，决定了整个边缘计算系统能够满足低延时和海量接入的需求。MEC 主机层的硬件基础设施主要包括服务器上的计算、存储、网络等设备，以及作为人工智能算力承载的 GPU 设备也包含在内。虚拟基础设施通过虚拟化技术形成一个对外提供资源的池化管理，支持轻量级计算虚拟化技术；分布式存储提供了多副本的数据存储机制；网络虚拟化将 IP、虚拟网卡、分布虚拟交换机、VLAN、VxLAN、虚拟防火墙等资源进行整合；5G 数据转发面提供 5G 网络流量的本地分流；GPU 虚拟化技术则实现了显卡资源的按需分配；MEC 平台在对资源进行有效监控管理的基础上，实现资源编排以及一键部署，满足业务系统的快速运行；实现了镜像管理、本地“边缘计算+”技术白皮书（2022 年）23分流、带宽管理、负载均衡、网络感知等服务；同时支持弹性扩缩容，满足系统可伸缩性需求；边缘高可用有效保证了服务的不间断运行；另外，支持第三方业务接入，在运营商和具体业务间无缝对接；支持运维管理自动化。MEC 平台可以根据软件及服务的负载进行灵活调度，以实现对平台物理资源的最大化利用及服务对资源使用的优化配置。同时平台的高可用功能可以从不同维度以及高可用需求对平台运行服务提供不同层次的高可用保障。3.典型案例 机器人联网监控和预测维修案例在工业互联网的推动下，以设备为核心的智能制造物联网平台兴起。边缘一体机搭配上层数据分析系统，能够高效地收集和分析设备产生的大量数据，盘活 IoT 的数据价值。如图 3 所示，在汽车主机厂内搭建机器人联网系统，可以有效实现工厂的监控和预测维修。工厂仪器通过网络将设备数据，如状态信息、统计信息、结果信息等，实时传送至边缘计算平台。边缘计算的一体机设备利用其靠近应用现场的优势，快速汇集一定区域内的数据，运用数据分析平台内的预训练算法对该类数据进行处理和解析。连接不同终端机器的边缘一体机将处理后的数据汇总，能够统一在数据分析平台上进行晾晒。一方面，用户可以运用汇总信息实现主机厂的监控和运维；另一方面，一体机收集的数据能够用“边缘计算+”技术白皮书（2022 年）24于训练和调试数据分析平台，保证厂内算法的适配性。图 3 机器人联网监控和预测维修案例 智慧商超案例5G+MEC+智慧室分构建云边端协同开放能力，提供面向商超的导航导览和地下停车场定位导航等增值服务。方案提供部署于网络边缘、基于 X86 软硬一体化、开箱即用的 MEC 微数据中心整体解决方案。包括边缘定制服务器、轻量级虚拟化基础设施(IaaS)、资源及应用编排层(PaaS)、MEC 能力开放服务和标准接口，如图 4 所示。图 4 智慧商超案例“边缘计算+”技术白皮书（2022 年）25 智慧园区随着园区的不断建设，面积、功能不断扩大，园区总体管理、办公环境及应用管理需求需要由 5G、物联网、MEC 边缘计算，搭载各类智能终端设备，形成一体化方案构建智慧园区。MEC 边缘计算以微型ICT数据中心下沉到5G网络边缘,为园区提供紧贴园区用户、低时延、高带宽、高可靠的园区综合管理、云协同办公和云存储等园区智能服务，如图 5 所示。图 5 智慧园区案例 车路协同V2X（Vehicle to Everything）车路协同不仅是发展智能交通的关键技术，也是边缘计算的典型应用场景，具有设备多、分布广、网络复杂、低时延等典型边缘计算特点。边缘计算凭借海量边缘节点统一管理、云边协同、边缘节点自治、边缘集群轻量化、智能监控等杀手锏技术实现了路侧众多边缘设备的统一纳管，为 V2X 车路“边缘计算+”技术白皮书（2022 年）26协同提供了可靠、实时的本地能力支撑，保障了智慧交通的快速落地。智慧矿山在边缘计算+5G+智慧领域，实现了 5G 智能边缘计算的本地化部署。基于 5G 的大带宽、低时延和高可靠通信能力和边缘计算的智能调度、智能运维、自动化部署等特性，能够实现 AI 场景化服务到5G 网络边缘的高效部署和毫秒级的计算任务响应，为矿卡车辆的无人驾驶和采矿设备的无人操作，以及矿山生产运营、调度的自动化管理提供支撑。(二)边缘计算+人工智能在 5G 浪潮的驱动下，智能设备、自动驾驶、VR/AR、智能制造等对于实时性、本地性有着较强需求的场景日益丰富，通过边缘计算可以有效提升用户体验5。但是，随着强实时数据量的迅速攀升，且数据形态更加多元，边缘计算面临的技术挑战更加复杂。在这一趋势下，融入 AI 能力的智能边缘计算应势而起。通过人工智能技术和边缘计算技术相融合，使人工智能算法运行在能够进行边缘计算的设备上，不必连接到云平台，从而保证数据处理的实时性、本地性。1.应用场景与需求“边缘计算+”技术白皮书（2022 年）27 智慧交通场景利用边缘计算+计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析，对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标行为。目前，智能视频监控系统可以有效完成行人行为、车辆行为、道路设施状态、交通环境状况等信息的实时自动监控，为道路安全运行与危险情况营救提供必要的数据支持。主要表现在：1）准确判断车辆的驾驶行为，实时掌握车辆超速、车辆逆行等交通违章现象并及时处理；2）就车流量、车速、交通拥堵等进行分析和预测，实时显示道路运行信息，自动完成拥堵、畅通等级的划分；3）迅速评估火灾、急救、道路烟雾等突发事件紧急程度，为应急救援车辆规划最佳路线，同时快速为周边车辆传播突发危险信息。工业 AI 质检场景计算机、通信、消费类电子等 3C 产品通常对精密度和外观要求非常高，而微小结构件检测产量大、人力耗用巨大，缺陷类型多、数据无法收集，人工检测已经成为制造业效率提升和成本降低的瓶颈。工业 AI 质检解决方案中通过边缘计算技术能够对 5G 传输来的数据做到实时分析处理，保障工厂生产效率的同时实现无人化质检。通过机器视觉+人工智能深度学习算法能够处理很难提取的特征如产品表面的细小瑕疵，同时能够消除由于拍摄、光源、对焦等一系“边缘计算+”技术白皮书（2022 年）28列问题，带来的影响。智慧物流场景物流行业的边缘场景在于各级物流仓，目前 AI 在物流行业应用的主要场景集中在仓储的现场管理。其实现途径是以高清摄像头为硬件载体，通过计算机视觉技术监测并识别仓储现场中人员、货物、车辆的行为与状态。可分成两类：1）仓内现场管理。针对仓内工作人员的行为进行实时监测，识别并记录暴力分拣、违规搬运等容易对货物、包裹造成破坏及损伤的行为，采集行为实施人员的相关信息等；2）场院管理。包括车牌识别、车辆时间判定、装载率识别、能效分析等。智慧水利场景智慧水利检测平台方案，通过水质监测仪采集的数据进行水质监测、水污染管控、水位监控、可疑人员监控等全业务应用，可将业务应用的数据进行统一化管理，通过感知设备到边缘设备再到中心平台进行三级系统协同分析，同时实现端侧快速响应，解决后台集中业务处理负载重的问题，并实现感知设备的监控，实现水质、天气、环境外在入侵全方位感知，全场景数据采集。智能设备场景智能设备指任何一种具有计算处理能力的设备、器械或者机器，如智能送餐机器人、智能语音助手、智能电视、AI 智能音响等等。智能设备主要依赖于基于语音的用户接口，同时引入视觉技术成分。“边缘计算+”技术白皮书（2022 年）29以机顶盒和数字电视为例，诸如自动提供字幕、图像增强以及用户体验提升等功能都有很强的用户需求。从语音的角度来看，设备需要一直处于开启状态，因此需要一种低功耗的解决方案。从视觉的角度来看，由于需要处理大量的数据，它的挑战在于需要高性能。由此，结合人工智能的边缘计算技术，将为支撑以上需求提供高效的解决方案。自动驾驶场景自动驾驶是智能边缘计算的典型应用场景之一。自动驾驶汽车必须不断地扫描周围的环境并评估行驶情况，根据突发事件对其行进轨迹进行校正。这些情况具备很强的实时数据处理需求，通过边缘计算+人工智能技术的融合，在车载端搭建智能边缘计算系统，负责数据的存储、处理和分析，保证数据处理的实时性。VR/AR 场景高质量的 VR/AR 内容是促进行业消费和市场壮大的要素之一，只有具备强大的计算能力和图形处理能力才能满足高质量的 VR 内容渲染要求。VR/AR 服务提供商能够在云上对内容进行实时管理，对不同消费等级的用户提供差异化服务体验，并在更加靠近用户的位置提供音视频的渲染能力。特别在 AR/VR 场景中，边缘计算的引入可以大幅降低 AR/VR 终端设备的复杂度，从而降低成本，同时通过结合 AI 技术强