对昨日柴天佑院士报告会中一直提及的端边云技术进行简要了解。
1、什么是端边云
在好莱坞大片《摩天营救》里面，退伍军人威尔·索耶担任着世界第一高楼珍珠大厦的安保工作。他所管理的摩天大楼突然起火，还被人栽赃成为纵火的罪魁祸首。危机下，他必须洗清身上被通缉的罪名，尽快找到真正的罪犯。在他遭遇突发火灾的摩天大楼展开犯罪调查与高空营救的危难之际。一位亚洲面孔在大厦的外围开始与威尔·索耶展开配合。这位亚洲面孔把威尔·索耶带进了一个房间，告诉他，“这里有317块屏幕能进行动态捕捉投影，这些屏幕内外两面都有高清8K摄像头”。
威尔·索耶走进房间，便发现自己踩在了317块屏幕以及8K摄像头所构建的城市之上，城市全貌被他纵览。
随后，他又走进了一个大型会议室，会议室里布满了一块块电子显示屏，电子显示屏上全都是城市的各项社会、经济数据的指标和图表。一群工作人员匍匐在案前，随时审视着城市重要数据的变化。
这个场景是怎样实现的？简单说，大概分成三步走。
端：在城市各个角落安装采集城市画面、信息且可以进行数据化处理的摄像机
边：在城市近端安装部署存储机房以及边缘计算，存储和处理这些海量数据
云：把这些数据上传云端分析处理，再通过可视化方式在大屏实时呈现
2、端边云三者之间的关系
端：是终端设备，如手机、lbs定位器、各类传感器、摄像头等。
边：是云计算的边缘侧，分为基础设施边缘和设备边缘；边涉及的概念是云的子集。
云：是传统云计算的中心节点，是边缘计算的管控端；
2.1、云的时代：提供数字信息存储与应用服务
互联网的前20年是消费互联网的天下，云计算也从一个新兴概念转变为一个落地应用，飞速发展。当历史的车轮驶入21世纪20年代，产业互联网成为了这个时代新的焦点。众多企业将“云”作为转型的抓手，计算的中心化，技术资源的中心化，AI、大数据、IoT等技术落地到各行各业都需要通过云计算这个基础设施。云计算提供数字信息存储与应用服务。然而，面对海量数据计算、新兴计算场景、小数据实时处理等方面的挑战，单一的云计算显得尤为吃力，这时候需要新技术来突破 。
2.2、边缘计算的登场：与云计算分工协作
定义： 是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。
核心理念：是将数据的存储、传输、计算和安全交给边缘节点来处理，其应用程序在边缘侧发起，可以产生更快的网络服务响应，满足各行业在实时业务、应用智能、安全与隐私保护等方面的需求。
2.3、不同应用部署方式
在传统云平台上部署应用：适合实时性要求不高、计算和I/O密集型场景，如：面向互联网的各种各样的Web服务、AI模型训练、离线大数据处理等。
在云、边协同的集群上部署应用：适合实时性要求较高、比较重视隐私、与云连接的网络质量没有保障、网络带宽受限的场景，如：5G、无人驾驶、车联网、智能家居、工业互联网、医疗互联网、AR/VR等
2.4、边缘计算整体架构
边缘计算整体架构：系统整体分为云、边、端三部分
2.5、边缘计算系统逻辑架构
云、边、端的交互协同
云部分
边部分
端部分
3、端边云的应用
3.1、云边协同在 CDN 场景中的应用
随着目前 5G 的部署，配合 AI 技术、大数据、云计算、 IoT 等，万物互联的信息时代将让互联网进入一个新的阶段，现阶段的 CDN架构已经无法满足 5G 时代的应用需求， CDN 将迎来以边缘云+AI的新发展，以快速响应需求并实现服务能力、服务状态和服务质量的更加透明。通过将 CDN 部署到移动网络内部，比如借助边缘云平台将 vCDN（virtual Content Delivery Network，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。基于云边协同构建 CDN，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。
3.2、云边协同在工业互联网场景中的应用
近年来，随着政府部门陆续出台相关政策支持以及生态建设的不断完善，中国工业互联网产业正在迅猛发展。据 IDC 预测，到 2020年全球将有超过 50%的物联网数据将在边缘处理，而工业互联网作为物联网在工业制造领域的延伸，也继承了物联网数据海量异构的特点。在工业互联网场景中， 边缘设备只能处理局部数据，无法形成全局认知， 在实际应用中仍然需要借助云计算平台来实现信息的融合，因此， 云边协同正逐渐成为支撑工业互联网发展的重要支柱。
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。设备本身就像一个数据中心，由于基本分析正在设备上进行，因此延迟几乎为零。利用这种新增功能，数据处理变得分散，网络流量大大减少。云端可以在以后收集这些数据进行第二轮评估，处理和深入分析。
同时，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，提升工厂运行效率的同时也能预防设备故障问题。将处理后的数据上传到云端进行存储、管理、态势感知，同时，云端也负责对数据传输监控和边缘设备使用进行管理。
3.3、 云边协同在能源场景中的应用
能源互联网是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产业发展新形态，具有设备智能、多能协同、信息堆成、供需分散、系统扁平、交易开放等主要特征。
在传统能源产业向能源互联网升级的过程中，利用云计算和边缘计算两方的优势，可以加速升级过程。
以石油行业为例，在油气开采、运输、储存等各个关键环节，均会产生大量的生产数据。在传统模式下，需要大量的人力通过人工抄表的方式定期对数据进行收集，并且对设备进行监控检查，以预防安全事故的发生。抄表员定期将收集的数据进行上报，再由数据员对数据进行人工的录入和分析，一来人工成本非常高，二来数据分析效率低、时延大，并且不能实时掌握各关键设备的状态，无法提前预见安全事件防范事故。而边缘计算节点的加入，则可以通过温度、湿度、压力传感器芯片以及具备联网功能的摄像头等设备，实现对油气开采关键环节关键设备的实时自动化数据收集和安全监控，将实时采集的原始数据首先汇集至边缘计算节点中进行初步计算分析，对特定设备的健康状况进行监测并进行相关的控制。此时需要与云端交互的数据仅为经过加工分析后的高价值数据，一方面极大的节省了网络带宽资源，另一方面也为云端后续进一步大数据分析、数据挖掘提供了数据预加工服务，为云端规避了多种采集设备带来的多源异构数据问题。
云边协同中，要求终端设备或者传感器具备一定的计算能力，能够对采集到的数据进行实时处理，进行本地优化控制，故障自动处理，负荷识别和建模等操作， 把加工汇集后的高价值数据与云端进行交互，云端进行全网的安全和风险分析，进行大数据和人工智能的模式识别、节能和策略改进等操作。同时，如果遇到网络覆盖不到的地区，可以先在边缘侧进行数据处理，在有网络的情况下将数据上传到云端，云端进行数据存储和分析。
3.4、云边协同在智能家庭场景中的应用
随着信息化技术的逐步发展、网络技术的日益完善、可应用网络载体的日益丰富和大带宽室内网络入户战略的逐步推广，智能化信息服务进家入户成为可能。智慧家庭综合利用互联网技术、计算机技术、遥感控制技术等，将家庭局域网络、家庭设备控制、家庭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。
在家庭智能化信息服务进家入户的今天，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成为关注焦点。
在智能家庭场景中，边缘计算节点（家庭网关、智能终端）具备各种异构接口，包括网线、电力线、同轴电缆、无线等等，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，对长时间的数据进行访问。
同时， 智能家庭云边协同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互联网（未来 5G 时代还会通过 5G移动网络）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。
未来，智能家庭场景中云边协同将会越来越得到产业链各方的重视，电信运营商、家电制造商、智能终端制造商等都会在相应的领域进行探索。在不远的将来，家庭智能化信息服务业不仅仅限于对于家用设备的控制，家庭能源、家庭医疗、家庭安防、家庭教育等产业也将于家庭智能化应用紧密结合，成为智能家庭大家族中的一员。
3.5、云边协同在智慧交通场景中的应用
车路协同，是智慧交通的重要发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。据公安部统计，截至 2018 年底，中国汽车保有量已突破 2.4 亿辆，汽车驾驶人达到 3.69 亿人。可以预见， 车路协同在中国有巨大 的市场空间，这为智慧交通在中国的发展和落地提供了得天独厚的“试验场”。
过去各方对于智慧交通的关注点主要集中在车端， 例如自动驾驶，研发投入也主要在车的智能化上， 这对于车的感知能力和计算能力提出了很高的要求， 导致智能汽车的成本居高不下。另一方面， 在当前的技术条件下， 自动驾驶车辆在传统道路环境中的表现仍然不尽人意。国内外各大厂商逐渐意识到， 路侧智能对于实现智慧交通是不可或缺的， 因此最近两年纷纷投入路侧的智能化，目标是实现人、 车、 路之间高效的互联互通和信息共享。
在实际应用中， 边缘计算可以与云计算配合， 将大部分的计算负载整合到道路边缘层，并且利用 5G、 LTE-V 等通信手段与车辆进行实时的信息交互。未来的道路边缘节点还将集成局部地图系统、交通信号信息、附近移动目标信息和多种传感器接口，为车辆提供协同决策、事故预警、 辅助驾驶等多种服务。与此同时， 汽车本身也将成为边缘计算节点，与云边协同相配合为车辆提供控制和其他增值服务。
汽车将集成激光雷达、 摄像头等感应装置，并将采集到的数据与道路边缘节点和周边车辆进行交互， 从而扩展感知能力， 实现车与车、 车与路的协同。云计算中心则负责收集来自分布广泛的边缘节点的数据，感知交通系统的运行状况， 并通过大数据和人工智能算法，为边缘节点、 交通信号系统和车辆下发合理的调度指令， 从而提高交通系统的运行效率， 最大限度的减少道路拥堵。
3.6、云边协同在安防监控场景中的应用
目前安防监控领域， 从部署安装角度，一般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，是一个比较重要的问题。
基于上述诉求，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。
3.7、云边协同在农业生产场景中的应用
智慧农业是农业生产的高级阶段，是集新兴的互联网、移动互联网、云计算和物联网技术为一体，依托部署在农业生产现场的各种传感节点和无线通信网络实现农业生产环境的智能感知、智能预警、智能决策、智能分析、专家在线指导，为农业生产提供精准化种植、可视化管理、智能化决策。
以智慧大棚为例：针对条件较好的大棚，安装有电动卷帘，排风机，电动灌溉系统等机电设备， 通过云端可实现远程控制功能。农户可通过手机或电脑登录云端系统，控制温室内的水阀、排风机、卷帘机的开关；也可在云端设定好控制逻辑， 云端将控制逻辑下放到边缘控制设备，边缘控制设备通过传感设备实时采集大棚环境的空气温度、空气湿度、二氧化碳、光照、土壤水分、土壤温度、棚外温度与风速等数据，自动根据内外情况自动开启或关闭卷帘机、水阀、风机等大棚机电设备。
3.8、云边协同在云游戏场景中的应用分析
随着互联网的发展，以及 5G 网络已经成为现实的今天，“云游戏”这个名词也开始被越来越多的厂商利用，同时也被越来越多的玩家所期待。所谓“云游戏”，就是所有游戏都在云端服务器中运行，云端将渲染完毕后的游戏画面压缩后通过网络传送给用户发送到终端。在终端，用户的游戏设备不需要任何高端处理器和显卡，只需要具备基本的视频解压和指令转发功能即可。
在 2018 年，已经有 AT&T、 Verizon 等电信巨头以及微软、亚马逊等 IT 巨头先后公布了云游戏相关的测试或者布局。在 2019 年的 MWC 上，国内手机厂商 OPPO 和一加也分别展示了相关的云游戏服务。根据第三方机构的预测，全球云游戏市场将从 2018 年的0.66 亿美元增加到 2023 年的 4.5 亿美元，复合年均增长率为 47％。
以 AR 为例，应用程序需要通过相机的视图、定位技术或将两者结合起来，判断用户处于哪个位置以及面向哪个方向。对位置和方向信息加以分析之后，应用程序可以实时向用户提供其他信息。而当用户移动后，需要刷新该信息。边缘计算将计算任务卸到边缘服务器或移动端上，降低平均处理的延时。前景的交互放在云上，背景则交给移动端，最终实现完整的 AR 体验。
有一种声音说边缘计算是云计算的对立面，其实是错误的，边缘计算更多的是云计算向终端和用户侧延伸形成的新解决方案。边缘计算本身就是云计算概念的延伸，即便是赋予其独立的概念，也无法做到与云计算切割开，二者本就是相依而生、协同运作的。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。