邊緣計算，5G中最有錢途的卻最難把握

蟲二

很多人擔心5G會變成大魚吃小魚，小魚吃蝦米的游戲。

因為大魚還是那幾條。

BAT之外，就是三大通信運營商、華為等有實力的硬件巨無霸，以及一票云服務商。

小魚也不同凡響。

AI、車聯網、全屋智能、手機、直播、短視頻等領域都有迷你巨頭。

蝦米就太多了。

不少實體企業，在互聯網和移動互聯網時代當了背景墻，甚至是技術革命的犧牲品，這次拼了命也不會錯過撿漏的機會。

今年1月任正非有個判斷：

“實際上5G沒有那么大的作用，人類的社會也沒有那么需要5G，5G的需求到來還有很長一段時間，而不是浪潮式的，5G的發展一定是緩慢的。”

很遺憾，大部分人沒能準確解讀這話的含義。

對消費者來說，5G的感知有一個過程，第一階段的沖擊主要釋放在產業層面，5G的熱，熱在呼應了消費互聯網向產業互聯網升級的大趨勢。

5G的關鍵能力是大帶寬、大連接、低時延，背后對應著四個能力，高速度、高密度、低功耗、泛在網，能把這些能力整合到極致的是什么？

答案是邊緣計算。

所謂邊緣計算是指以往集中在云端的算力（或者你可以理解為數據處理能力）向產生數據的終端沉降，好處是極大提升了線下場景的響應。

華為在一篇科普文中將邊緣計算比做章魚，觸角擁有比大腦更多的神經元，每根觸角都可以獨立思考，獨立運作，這對終端硬件和服務行業的確是天大的好消息。

四肢發達，頭腦真的可以簡單！

邊緣計算的優勢體現在四個方面。

1.場景關聯，邊緣計算與信息源、數據產生的場景以及設備終端的關聯度很高，提煉處理信息的能力可能要強于傳統的集中式云服務。

2.低時延，因為算力本身沉降到了終端設備，即使5G時代這個速度優勢仍不可忽視。

3.高帶寬，這使得邊緣計算產生的數據可以與集中式云服務進行交互。

4.位置認知，作為移動互聯網和移動應用的融合，支持每個設備的位置判斷。

所以，邊緣計算帶來的第一個重要變化是角色互換。

舉個例子，傳統的電化教育學校需要配備很多電腦，所做的事情其實高度同質化，如果有了邊緣計算所有設備只保留屏幕即可；比如安防廠商，以前KPI都在硬件層面，提升攝像頭清晰度，讓云臺更好用等等，但今天的很多能力是基于算力產生的，比如人臉識別等，全用硬件解決不可取，因為成本非常不合理，如果將算力提到云端，實時傳輸的壓力又很大；再比如工業互聯網，生產型企業的設備會產生故障、報警等信息，如果及時在終端決策處理，有助于提升整個系統的冗余和彈性。

這些問題反映了兩個現實困擾。

其一，以上情況云服務都有解決方案，但成本不低，而且大企業或規模化企業園區對于數據和信息安全特別敏感，因此算力下沉的需求很迫切。

其二，像移動、電信、聯通這樣的運營商過去只能被動成為流量管道，云服務的支配權掌握在微軟、谷歌、亞馬遜、阿里、騰訊等科技互聯網巨頭手中。

中國移動就表示將在今年評估100個部署邊緣計算的試驗節點，引入100個合作伙伴，聯通聯合華為承諾投入數十億元資金用于邊緣計算全網規模部署。

5G和邊緣計算提供了一個破局機會，大連接支持海量設備，低時延意味著數據傳輸突破瓶頸，隨之而來的是所有參與者的角色重構。

1988年成立的歐洲電信標準化協會（ETSI）提出了邊緣計算（Mobile Edge Computing，簡稱MEC）架構，尋求利用5G的關鍵能力在網絡邊緣形成IT環境。

這既有可能讓擁有大量基站的通訊運營商成為邊緣計算的天然終端，也有可能給一些大型實體企業帶來自主權。

很多擁有線下場景的企業將因此受益，比如自動駕駛，一天要產生4TB的數據，自行存儲和處理無疑是最佳方案，對于智能家居、共享單車、游戲等行業都可以降低成本，當然更能加強滴滴順風車等產品的風險控制。

這并不意味著云服務巨頭的能力受到削弱，云計算擅長全局性、非實時、長周期的大數據處理分析，與邊緣計算的效率、成本優勢正好互補。

第二個變化是從技術驅動轉向需求驅動。

過去的幾次技術革命大多是科技互聯網巨頭主導，傳統企業和實體經濟被動參與，導致一些信息代差，邊緣計算有可能第一次改變這種局面。

今年2月的MWC上，除了折疊手機、AR、VR設備、高通的SoC移動平臺以及5G基帶芯片等不斷亮相，最熱的就是關于邊緣計算的技術和設備，英特爾去年已經發布過芯片、板卡和軟件工具組成的邊緣計算全棧式解決方案，浪潮、中興首發了邊緣計算服務器，邊緣云等概念更是盛極一時。

整個行業呈現出投資加速、提前布局、預熱概念，搶跑落地的態勢。另一方面，終端需求再次成為刺激邊緣計算的核心動力。

其中，時延敏感場景是主力軍。

直播短視頻、云游戲、智能車聯、自動駕駛等應用方向，對用戶體驗的改善最為直觀，場景也趨于成熟，有可能是邊緣計算最先爆發的產品。

同時，邊緣計算也會帶動產業鏈的整體進化。

邊緣計算本質上是一種與場景密切相關的下沉云服務，標準路徑與集中式云服務相同，都是先有基礎設施，再有軟件平臺，最后落地應用服務。

隨著5G商用，邊緣計算雖然會讓終端智能化的門檻變低，但在應用和安全層面還有不少技術難點等待克服。

首先，邊緣計算的典型玩法應該是先由終端設備過濾和處理簡單信息，然后將重要數據上傳云端，因為下沉算力很難運行大型的數據處理軟件。

所以邊緣計算實質上是一種基礎算力的遷移，并不是代替傳統的云服務，這也意味著在某些情況下大量應用的成本值得考量。

另一方面，大量終端設備來自不同廠家，運行不同的系統，兼容性存在差異，邊緣計算的統一部署并不容易，涉及輕量級函數庫和內核的支持。

同時，傳統云服務大多支持用戶在目標平臺上編寫和編譯程序，然后運行到云服務器，亞馬遜就有Lambda，方便性和透明性不言而喻，而在邊緣計算模型下部署用戶應用程序的時候，碼農就面臨極大挑戰，至少現有的編程模型都不合適。

再就是算力調度問題。云計算會將超負荷任務轉移到閑置節點，邊緣計算只能根據任務類型和設備本身的計算能力進行動態調度，這并不容易。

最后也最大的難題是與終端企業的合作。

對于傳統的云計算來說，專業人員通過供訪問接口處理數據，不需要深入業務場景，邊緣計算正相反，設備和算力都在生產端，系統在設計時就需要與服務的行業密切合作。

在這場全民狂歡中，技術不再天馬行空，邊緣計算有可能打破互聯網和實體經濟的藩籬，最后促成產業互聯網的大融合。