划重点！看巨头公司的边缘计算业务模式及潜力发展方向
边缘计算的概念问世已经多年，经历了业界长时间的摸索，如今在5G的起点，基于国家对工业互联网的大力推动、万物互联时代的期待等边际变化，让市场对边缘计算的关注度和期待高涨。
01概念
为了独立形成概念，市场往往把云计算和边缘计算割裂甚至对立来看。但从技术本质分析，边缘计算是云计算的发展，是向终端和用户侧延伸形成的新模式。两者需要协同实施，云边协同将成为主流模式，这种协同模式下，云计算在向一种更加全局化的分布式节点组合新形态进阶。
边缘计算的概念，不同组织给出了不同的定义，但是共同逻辑是不变的，按照核心-边缘-终端的经典通信网络模型来看，边缘计算的核心是将计算资源前置到离终端最近的位置提供计算服务，从而做到离用户和数据最近，直接的效益就是显著减少了对于网络传输的需求。
结合海康威视对边缘计算应用的理解和规划，更容易理解边缘计算的意义所在。我们可以简单认为海康威视的云边融合网络，其最末梢的终端是无数台安防监控摄像头，在云计算的时代，摄像头实现了联网，其录像数据可以自动上传至各级公安局的数据中心中，集中计算识别犯罪行为。
然而，随着业务发展，终端摄像头数量暴增，且单个摄像头清晰度要求不断提升至720P以上，根据安防镜头供货商宇瞳光学的招股书数据推算海康存量安防摄像头数量在上亿级别。可想而知如果1亿台摄像头7*24小时不停的拍摄720P视频，并上传至数据中心，将会极大消耗数据中心算力，极大消耗数据中心存储空间，并极大占用通信网络传输带宽。
因此必须改进业务架构逻辑，在实践中发现，7*24小时的监控视频中，真正捕捉到了犯罪行为的有效时间可能仅仅有10分钟，只需要将这10分钟视频上传即可，其余的计算、存储和传输都是浪费资源。为了将10分钟的有效视频从大量无效视频中筛选出来，就需要边缘计算计算，当然还需要辅助AI的图像识别功能。
具体做法，是在每个摄像头中内置一款图像识别芯片，在特定算法下直接计算识别有效视频片段（或者区域的数百个摄像头数据汇集到边缘服务器中计算筛选）然后将这些片段发送给各级公安部门的数据中心。这种在终端侧开展的计算能力，就是典型的边缘计算应用。
而数据中心侧的云计算，做大数据分析挖掘、数据共享，同时进行算法模型的训练和升级，升级后的算法推送到前端，使前端设备更新和升级，完成自主学习闭环。同时，这些数据也有备份的需要，当边缘计算过程中出现意外情况，存储在云端的数据也不会丢失。
02巨头公司的边缘计算业务模式
行业领导公司都在结合自身资源特点，探索不同的边缘计算业务模式。目前主要可以分为运营商、工业企业、电信互联网企业、海外巨头等四大类参与者。
2.1运营商的边缘计算发展依托5G建设
移动边缘计算（MEC）是利用无线接入网络就近提供电信用户IT所需服务和云端计算功能，实现计算及存储资源的弹性利用。
目前中国移动已在全国10省20多个地市现网开展MEC应用试点，尝试构建基于边缘TIC的MEC端到端方案验证平台，并基于5G边缘云技术在VR上进行相关应用，未来将从标准、技术、产业三方面增强MEC与5G的结合；
中国联通在2018年发布《中国联通EdgeCloud平台架构及产业生态白皮书》，并在15个省市进行规模试点及试商用网络建设，计划2019年面向5G平滑演进，基于EdgeCloud平台打造智慧港口、智能驾驶、智慧场馆、智能制造、视频监控、云游戏、智慧医疗等30余个试商用样板工程；
中国电信在深圳召开的5G创新合作大会上对外展示了自主研发的基于分布式开放平台的边缘计算MEC平台，该平台就近提供边缘智能服务，支持固定/移动网络接入、第三方能力/应用灵活部署以及边缘能力统一开放，可应用于工业互联网、高清视频、车联网等行业。
2.2传统工业企业探索边缘计算解决生产现场问题
海尔专门为物联网企业打造的一站式设备管理平台——COSMOEdge平台，提供多源的边缘设备接入能力与强大的边缘计算能力，支持多种工业协议解析，提供可视化流式管道，提供数字化建模与实体映射，提供设备即服务的应用模式，帮助用户快速构建物联网应用，实现数字化生产，助力企业效益提升；
树根互联提供的开放物联平台，提供物联网关Gateway、根云T-Box车载物联盒、根云连接器、根云物联代理开放平台等一系列覆盖主流工业控制器和工业协议解析，实现全行业各类设备一站式快速接入，提供便捷、便宜、开放的设备接入解决方案。
2.3电信互联网公司试图打造边缘计算平台产品
国内的电信互联网公司，阿里、腾讯、百度、华为、中兴通讯、新华三等也推出了各自的边缘计算产品。
阿里推出LinkIoTEdge平台。通过部署在不同量级的智能设备和端侧计算节点中。通过定义物模型连接不同协议、不同数据格式的设备，提供安全可靠、低延时、低成本、易扩展的本地计算服务；
腾讯针对边缘计算推出了CDNEdge，将数据中心的服务下沉至CDN边缘节点，以最低的延迟相应终端用户，同时降低用户数据中心的计算压力和网络负载；百度推出智能边缘BIE，将云计算能力拓展至用户现场，提供临时离线、低延时的计算服务，同时配合智能边缘云端管理套件，形成“云管理，端计算”的端云一体解决方案；
华为在2018年推出了IEF平台，通过纳管用户的边缘节点，提供将云上应用延伸到边缘的能力，联动边缘和云端的数据，为企业提供完整的边缘和云协同的一体化服务的边缘计算解决方案；中兴通讯推出了边缘计算产品，提供从硬件到软件全套的基础设施，支持多种边缘计算系统级方案，在边缘计算平台上提供多种高算力的应用的资源；
新华三推出了超融合边缘计算产品UIS-Edge，支持多种硬件形态与部署方式，将云原生能力延伸至边缘，提供完善的设备接入、边缘计算及云边协同能力，为企业提供一站式云边端融合解决方案。
2.4海外巨头将边缘计算和云计算结合的更加紧密
海外云计算巨头亚马逊、微软和谷歌都已经推出了边缘计算产品。亚马逊推出AWSGreengrass功能软件，将AWS扩展到设备上，在本地处理终端生成的数据，同时仍然可以使用运算来进行管理、数据分析和持久的存储；
微软发布AzureIoTEdge边缘侧产品，将云分析扩展到边缘设备，支持离线使用，同时聚焦边缘的人工智能应用；
谷歌也在2018年推出了硬件芯片EdgeTPU和软件堆栈CloudIoTEdge，可将数据处理和机器学习功能扩展到边缘设备，使设备能够对来自其传感器的数据进行实时操作，并在本地进行结果预测。
03边缘计算的潜力发展方向
边缘计算类似于互联网、云计算，其应用领域非常广泛，也是相关投资机会的吸引人之处。但是甄选出能够最先发展起来的应用领域就更加重要，否则便成了一味的概念炒作。下面几个方向，就是目前边缘计算应用出现爆发可能性的重点领域，值得重点跟踪，等待爆发时点到来。
3.1基础设施
边缘计算的基础设施，本质上与数据中心采用的同样是服务器作为硬件载体。关于服务器的讨论分析，可以参看我们之前对于浪潮信息和服务器行业的分析文章。
体积小和性能强是浪潮在设计边缘计算服务器时所追求的方向。以龙头厂商浪潮信息近期中标中国移动有限公司研究院的OTII服务器设备采购项目为例，主要用于中国移动研究院的边缘计算试点类和测试类业务场景。中标产品为NE5260M5，高度为2U，宽19英寸，深度为430mm，仅有传统标准服务器深度的1/2稍多，是一款符合OTII标准的边缘计算服务器。
而在有限的空间限制下，NE5260M5仍然具有十分理想的扩展性，支持2颗处理器，采用模块化设计，支持16个DIMM，6个PCI-E插槽，6块2.5寸硬盘，2个SSD。
IDC数据显示，2020年将有超过50%的数据需要在网络边缘侧分析、处理与存储。伴随着5G的商用，边缘服务器市场开始爆发。边缘服务器需要部署在环境恶劣的电信数据中心，而不是IP数据中心，承担的是电信业务，在实时性、稳定性、管理便利性等方面都针对电信应用进行强化，在物理方面，需要耐受高温、高湿、高尘等边缘数据中心的恶劣条件，浪潮NE5260M5正是针对边缘机房极端的部署环境和所承载的业务应用，在不同层面进行了大量针对性设计。
边缘服务器的部署环境十分简陋，甚至直接悬挂在信号塔上，温度、湿度都不可控。NE5260M5则采用了壁挂设计wallMount，不仅可以部署在机架上，也可以直接悬挂在墙壁上。NE5260M5在耐高温、防尘、耐腐蚀、电磁兼容、抗震等方面也进行了大量针对性设计，能够耐受边缘数据中心的恶劣物理环境，长时间耐受40度环境温度、85%相对湿度。
而边缘机房部署环境相对恶劣，位置可能是在村镇、路边、电塔上等，没有专门的运维人员驻守，针对这种情况，浪潮对NE5260M5也进行了优化设计，可以实现远程在线维护及管理功能自我修复机制，且机器全部采用前维护设计，方便运维人员到场后快速维护。
A股的重点关注公司为浪潮信息、中科曙光。
3.2安防监控
目前安防监控领域，从部署安装角度，传统的监控部署采用有线方式，有线网络覆盖全部的摄像头，布线成本高，效率低，占用大量有线资源。采用WiFi回传的方式，WiFi稳定性较差，覆盖范围较小，需要补充大量路由节点以保证覆盖和稳定性。传统方式下需要将监控视频通过承载网和核心网传输至云端或服务器进行存储和处理，不仅加重了网络的负载，业务的端到端时延也难以得到有效的保障。
同时，大量的摄像采集终端都配备较强的数据采集能力，一方面对摄像头的整体架构提出了较高的要求，如何在尺寸体积固定和耗电量较低的情况下，保证处理能力和便捷安装，同时另一方面又尽可能的保障摄像采集端成本较低，是边缘计算应用的核心问题。
可以将监控数据分流到边缘计算节点（边缘计算业务平台），从而有效降低网络传输压力和业务端到端时延。此外，视频监控还可以和人工智能相结合，在边缘计算节点上搭载AI人工智能视频分析模块，面向智能安防、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前基于AI的视频分析中产生的时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。
云端执行AI的训练任务，边缘计算节点执行AI的推论，二者协同可实现本地决策、实时响应，可实现表情识别、行为检测、轨迹跟踪、热点管理、体态属性识别等多种本地AI典型应用。
通过在边缘的视频预分析，实现园区、住宅、商超等视频监控场景实时感知异常事件，实现事前布防、预判，事中现场可视、集中指挥调度，事后可回溯、取证等业务优势。边缘侧视频预分析，结合云端的智能视频分析服务，精准定位可疑场景、事件，不需要人工查询大量监控数据，效率高；通过云端可对边缘应用全生命周期进行管理，降低运维成本。
A股的重点公司包括海康威视、大华股份、宇瞳光学等。
3.3 CDN
CDN服务是互联网视频等大容量内容的配送网络，起到了类似于外卖配送员的分发作用，是互联网发展必不可少的功能。特别是视频类业务的快速增长对移动运营商的网络承载能力带来了很大的冲击。
当前移动网的CDN系统一般部署在省级IDC机房，并非运行于移动网络内部，离移动用户较远，仍然需要占用大量的移动回传带宽，服务的“就近”程度尚不足以满足对时延和带宽更敏感的移动业务场景。
此外，目前OTT厂家已经规模部署了很多CDN节点，但此类CDN节点主要部署在固网内部，移动用户访问视频业务仍需要通过核心网后端进行访问，对运营商的网络资源传输带宽造成了极大占用。
随着目前5G的部署，配合AI技术、大数据、云计算、IoT等技术发展，万物互联的信息时代将让互联网进入一个新的阶段，4K、VR/AR、云游戏等新内容技术的发展正在加速，现阶段的CDN架构已经无法满足5G时代的应用需求，CDN将迎来边缘云+AI的新发展模式。
例如将CDN部署到移动网络内部，借助边缘云平台将vCDN（virtualContentDeliveryNetwork，虚拟内容分发网络）下沉到运营商的边缘数据中心中，将大大缓解传统网络的压力，并且提升移动用户视频业务的体验。不仅在中心IDC的基础上扩大CDN资源池，同时还可以有效的利用边缘云进一步提升CDN节点满足资源弹性伸缩的能力。
CDN云边协同适用于本地化+热点内容频繁请求的场景，适用于商超、住宅、办公楼宇、校园等。对于近期热点视频和内容，可能出现本地化频繁请求，通过一次远端内容回源本地建立vCDN节点之后，本地区内多次请求热点内容均可从本地节点分发，提高命中率，降低响应时延，可提升QoS指标。同理，还可将此类过程应用于4K、8K、AR/VR、3D全息等场景，本地化快速建立场景和环境，同时提高用户体验，降低眩晕感和延迟卡顿。
典型应用案例是，中国电信自主研发的内容边缘化分发缓存的虚拟网络（EECDN）。相比传统CDN，边缘节点更加下沉，将内容分发能力延伸至区县级，将源站内容分发至最接近用户的节点，使用户可就近获取所需内容，解决带宽及性能带来的访问延迟问题，从而提高用户访问的响应速度和成功率，适用于站点下载加速、点播、直播等场景。
重点公司为A股的网宿科技。
3.4工业互联网
在国家供给侧改革政策的推动下，在人们对于工业产品品质需求和个性化需求不断提高的背景下，叠加了人力成本不断上涨以及上游材料成本提升等多重因素，工业企业向智能化生产转型的需求急迫。工业互联网将信息技术与工业系统全方位深度融合，成为工业企业向智能化转型的关键基础设施。
工业互联网是物联网在工业制造领域的延伸，继承了物联网数据海量异构数据的特点。在工业互联网场景中，边缘设备只处理局部数据，无法形成全局认知，需要借助云计算平台来实现信息的融合，因此，云边协同是工业互联网可行模式。
工业互联网的边缘计算与云计算协同工作,在边缘计算环境中安装和连接的智能设备能够处理关键任务数据并实时响应，而不是通过网络将所有数据发送到云端并等待云端响应。设备本身通过加装边缘计算服务器，成为一个迷你数据中心，基本分析在设备上进行，因此延迟几乎为零，同时网络流量大大减少。云端可以有充足的时间收集这些一次数据进行第二轮评估，处理和深入分析，指导后续工艺改进和生产流程优化。
在工业制造领域，单点故障在工业级应用场景中是绝对不能被接受的，因此除了云端的统一控制外，工业现场的边缘计算节点必须具备一定的计算能力，能够自主判断并解决问题，及时检测异常情况，更好的实现预测性监控，提升工厂运行效率。将处理后的数据上传到云端进行存储、管理、态势感知，云端也负责对数据传输监控和边缘设备使用进行管理。
典型案例为四川爱联科技，在工厂的网络边缘层部署边缘计算设备及配套设备，边缘计算设备通过数据采集模块从所有PLC设备采集实时数据，存储于实时数据库内，供MES、ERP等其他功能模块调用处理，建立起工单、物料、设备、人员、工具、质量、产品之间的关联关系。保证了信息的继承性与可追溯性，在边缘层快速建立一体化和实时化的信息体系，满足工业现场对实时性要求，实现工业现场的传感器、自动化设备、机器人的数据接入，提供数据采集、数据分析、人工智能（推理阶段）等服务。
由边缘计算设备接入云端，实现大量、异地分布的数据接入，既可以向生产管理人员提供车间作业和设备的实际状况，也可以向业务部门提供客户订单的生产情况，还能根据实际生产情况计算出直接物料的成本、产量、设备故障、消耗等，构建云端-边缘协同化的生产管理体系。
重点公司包括A股的用友网络、工业富联等。
3.5智慧家庭
智慧家庭综合利用互联网、电子控制、传感技术等，将家庭网络、设备控制、成员信息交流等家庭生活有效结合，创造出舒适、便捷、安全、高效的现代化家居生活。
智慧家庭场景下各种异构的家用设备如何简单地接入智能家庭网络，用户如何便捷地使用智能家庭中的各项功能是行业发展过程中的核心痛点。在智能家庭场景中，边缘计算节点（家庭网关、智能终端等形态）具备各种异构接口，包括网线、电力线、同轴电缆、无线信号等等，同时还可以对大量异构数据进行处理，再将处理后的数据统一上传到云平台。
用户不仅仅可以通过网络连接边缘计算节点，对家庭终端进行控制，还可以通过访问云端，对长时间累积的数据进行访问。同时，智能家庭基于虚拟化技术的云服务基础设施，以多样化的家庭终端为载体，通过整合已有业务系统，利用边缘计算节点将包括家用电器、照明控制、多媒体终端、计算机等家庭终端组成家庭局域网。边缘计算节点再通过固定互联网甚至移动网与广域网相连，继而与云端进行数据交互，从而实现电器控制、安全保护、视频监控、定时控制、环境检测、场景控制、可视对讲等功能。
智能家庭场景中云边协同越来越得到产业链各方的重视，运营商、家电制造商、智能终端制造商等都在相应的领域进行探索。在完成了家用设备灵活智能控制的基础上，还可以进一步拓展家庭能源管理、家庭医疗服务、家庭安防、家庭教育等增值服务。
典型案例是小米家居智能防盗方案，通过门窗传感器+网关+智能摄像头的组合，当门、窗推开，两只传感器错位，网关发出高分贝警报声同时闪烁红色警报光，智能摄像头开启，录像上传云端，同时通知手机App；警报声如果没有吓走入侵者，智能摄像头拍摄画面稍有异动（比如画面中闪过一个人影），立刻抓拍前后十五秒录像上传云端保存，实时记录家庭内部情况。
重点公司为港股的小米集团。
