万物互联的时代，网络连接对象正从人扩展至物。IDC统计数据显示，到2020年，将有超过500亿终端与设备联入网络。这说明，随着物联网规模的快速增长以及5G时代的日益临近，集中式的数据存储、处理模式将面临难解的瓶颈和压力，此时在靠近数据产生的网络边缘提供数据处理能力和服务是推动ICT产业发展的重要驱动力，边缘计算（Edge Computing）概念由此而生。

边缘计算实在靠近物或者数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务。Gartner预测，2022年超过50%的企业数据产生在云和数据中心之外。在其近期公布的2019十大技术趋势中，边缘计算位列其中，Gartner认为从云到边缘(Cloud to the Edge)被视为未来科技发展的重要趋势。

忽然间，所有人都在谈论边缘计算，有IT界公有云巨头，有CT界电信运营商，也有OT界的制造业领头羊。不同领域的玩家谈论边缘计算的语境并不相同，很多人都会有困惑。对此，本文将主要玩家分为以下几类，以便理解:

第一类：公有云厂商，该类厂商将公有云服务延伸至边缘，通过AI+IoT能力无缝扩展至边缘设备；
第二类：电信运营商，在5G网络建设中推进网络云化，在通信网络边缘引入边缘计算节点，例如中国电信、中国联通、中国移动等均在积极探索网络边缘机房DC化改造；
第三类：视频监控提供商（大华、海康等）、CDN提供商（如网宿科技）等专业服务提供商；
第四类：工业设备、边缘服务器、边缘芯片制造商等。

本文试图站在公有云厂商和电信运营商视角，窥探他们眼中的边缘计算。

公有云厂家

AWS

近几年，向来以“敏捷”著称的公有云厂商纷纷推出边缘计算服务。AWS是最早发布边缘计算服务的公有云厂商。2017年6月，AWS Greengrass正式商用，宣传重点是Greengrass支持AWS Lambda。由于缺乏ML和AI支持，马上招致业界批评“太保守”、“只是一个现场网关”等。

2018年4月，AWS Greengrass迅速推出提供机器学习推理 ML Inference @Edge功能的版本，用户需要在Greengrass Core设备上安装预编译好的TensorFlow或MXNet运行库，再把AWS SageMaker培训好的模型导出发布至Greengrass组。通过这一创新性产品，瞬间提高了边缘计算在未来发展的想象空间，用户可以在几分钟内将一个普通的硬件变成一个聪明的硬件，可以做视频分析、图像处理、文字识别。

此后，AWS再接再厉陆续发布了系列边缘硬件，如Snowball Edge、Deeplens。Snowball Edges是一款数据传输与计算设备，基于Greengrass和Lambda可以运行AI推理任务，也可以运行Amazon EC2实例，用户可以通过租赁方式使用该款边缘硬件。

DeepLens是一个面向图像/视频场景的机器学习开发者解决方案，将SageMaker的机器学习模型、Lambda的业务逻辑处理、GreenGrass的边缘部署能力整合到一款叫“Deeplens”的摄像头，用户可以实时更新机器学习模型，满足不同的个性化需求。

可以看出，AWS边缘计算的思路是基于Greengrass 作为内核构建，搭配AI服务、IoT服务，期望拉动更多场景、更多数据上云，消耗更多公有云资源，并且从开始探索在边缘进行简单数据处理（IoT+边缘）逐步演进到复杂数据处理（AI+边缘）的产品形态。

AZURE

微软在Build 2017发布了Azure IoT Edge服务，主题是让AI走向边缘，并战略投入边缘计算，认为未来是智能云（Intelligent Cloud）与智能边缘（Intelligent Edge）的世界。微软认为，随着物联网终端数据越来越多，会要求更多的计算能力下沉，强调边缘AI，支持以容器和函数计算的方式将AI能力下沉，为公有云引流。

微软在边缘计算领域显得更加开放，看重生态建设，开源Azure IoT Edge Runtime，吸引开发者参与，扩大生态影响力，同时希望大力发展边缘硬件合作伙伴认证以及边缘应用市场来繁荣生态；
聚焦智能，将云智能和分析扩展到边缘，边缘能力逐渐增强，支持部署机器学习、计算机视觉模型、流分析、数据库等。

与AWS一样，微软也发布了自家的边缘硬件Azure Data Box系列产品，有支持在线运行的Data Box Edge以及Data Box Gateway，也有离线数据传输的Data Box Disk，Data Box以及Data Box Heavy。其中Data Box Edge是一款基于Azure IoT Edge服务的产品，可以提供存储网关（数据传输）、IoT Edge应用（函数, ML, 流数据分析)以及FPGA加速的AI 模型推理。

HUAWEI Cloud

华为在边缘AI芯片、边缘服务器、AI方面都有相当多的技术积累，可以简单概括为ABCDE, 即Algorithms +Big Data +Cloud +Edge +Device，称之为人工智能立体化应用。

2018年初，华为云发布智能边缘平台（Intelligent EdgeFabric, IEF）受到广泛关注。IEF原生支持kubernetes和docker生态，将云原生技术带入边缘计算。

IEF通过与华为云ModelArts服务配合，通过云端模型训练，边缘推理等方式，支持视频分析、文字识别、图像识别等20+AI模型下沉，将智能下沉到边缘。目前已在智慧园区、工业制造、零售商超等领域实践，具有广泛应用前景；
通过与边缘服务器整合，提供软硬一体化解决方案，为用户提供低成本、开箱即用、云上集中运维的一站式服务；
与华为自研Ascend昇腾芯片深度集成，形成高性能、低成本的边缘AI推理算力。
针对边缘场景优化，当边缘节点和云端网络不稳定时甚至完全不通时，实现本地自治。
此外，IEF还开放了边缘应用市场，期望与合作伙伴一起繁荣边缘计算生态。

值得一提的是，源自华为云IEF产品的KubeEdge开源项目已经成功加入CNCF社区，这意味着云原生社区对边缘计算领域的关注与重视。

另一方面, 为了解决Kubernetes在IoT Edge场景下的问题，Kubernetes社区成立了一个新的工作组：IoT Edge WG，该工作组由华为、红帽、Google和VMWare共同领导。目标是定义边缘计算标准，提供一个能够适应多种Edge场景的参考架构。相信随着云原生技术不能渗透到边缘计算，势必会给边缘计算注入新的活力。

其他

以上场景都为现场级的边缘计算，旨在解决最后一公里问题。此外，也有公有云厂商开始探索在其自营CDN站点构建边缘计算的能力，连接最后100公里，通过CDN机房大带宽，低时延的优势，提供基于CDN的边缘弹性基础设施，将计算、转发等业务下沉至边缘，降低响应时延和带宽成本、减轻中心集群压力，适用于“中心+边缘”架构模型下的各类业务，如直播、在线教育等。

在此模式下，用户可以弹性付费算力资源（普通虚机，GPU虚机）、就近处理业务。以直播行业为例，在距离主播或粉丝最近的网络边缘，智能接入时延和质量等指标最优的节点。节点中部署音视频流转发模块，快速并稳定地接收主播推流或者粉丝连麦数据流，同时基于对覆盖节点间实时网络质量的评估，寻找最优网络链路，转发到直播中心进行处理。由于客户要在CDN边缘站点构建业务，随着业务复杂性不断提升，对CDN边缘站点弹性能力、运维能力也提出了很高要求，势必会加速引导PaaS形态服务能力下沉，尤其是以Kubernetes和Docker为代表的云原生技术。

除此之外，以Rancher为代表耕耘在私有云领域的厂商也开始基于k8s等云原生技术发布边缘计算产品k3s，以满足在边缘计算环境下运行在x86、ARM64 和 ARMv7 处理器上的小型、易于管理的 Kubernetes 集群日益增长的需求，主要应用于嵌入式设备、CI环境等场景。

公有云玩家总结

可以看出，云计算厂家对边缘计算的理解和定位不尽相同，可谓百花齐放。

事实上，公有云在边缘计算领域的业务探索尚属起步阶段，也面临着很多挑战。边缘计算的特殊性是面临不同的细分市场，需要结合行业和解决方案，提出具体应用场景，解决用户业务实际问题的能力，这才是一个真正能够构筑竞争力的地方。关键在于知道用什么形态的硬件，AI算法或算子，应对什么场景下的问题。这需要对场景有深入了解，并对业务应用有一定投入，也需要时间和经验的积累。从客户视角出发，应以解决行业问题为主，这样才能持续促进边缘计算产业的发展。

电信运营商

运营商为什么要为边缘计算摇旗呐喊?

再来说说电信运营商眼中的边缘计算。电信运营商为什么也要为边缘计算摇旗呐喊？这要从5G业务说起。

5G即将来临，就在近期，华为公布了5G折叠屏手机，5G离用户生活越来越近。诞生之初，5G便定义了三大应用场景：eMBB（增强移动宽带）、mMTC （海量机器类通信）和 uRLLC（超可靠低时延通信），相应的为满足高清视频、智慧城市、车联网等业务需求提供技术支持。

值得关注的是，每个业务场景都有其自身所面临的一些挑战。

eMBB 将对网络带宽产生数百Gbps的超高需求，对骨干网络造成巨大传输压力，运营商如果通过扩容汇聚与城域网络的手段来应对这个问题，将大幅提高单位媒体流传输成本，无法实现投资收益；
uRLLC需要端到端1ms级超低时延支撑，仅仅依赖无线与固网物理层与传输层技术进步，无法满足苛刻的时延需求；
mMTC将产生海量数据，导致运营管理的巨大挑战，仅仅由云端集中统一监控无法支撑如此复杂的物联系统。

所以，从5G应用场景出发，权衡技术难度和成本等因素，运营商采用边缘计算来应对5G是最优方案。边缘计算可以为这些问题带来解决方案。首先，通过对4K/8K、VR/AR等高带宽业务的本地分流，降低对核心网络及骨干传输网络的占用，有效提升通信服务提供商网络的利用率；二是通过内容与计算能力的下沉，可以让电信运营商的网络有效支撑未来时延敏感型业务（车联网、远程医疗等）以及大计算和高处理能力需求的业务（视频监控与分析等），减短了由数据传输速度和带宽限制所带来的延时。由此可见，5G时代的到来离不开边缘计算，也是5G服务于垂直行业的重要利器之一。

欧洲电信标准协会为电信领域的边缘计算命名为多接入边缘计算（Multi-Access Edge Computing，MEC）。2016年4月，3GPP SA2* 也正式接受MEC，将之列为5G架构的关键技术。

MEC部署在电信网络的哪个位置？

其答案并不是绝对的。边缘计算的部署跟它的应用场景有着紧密关系。其决策因素包括: 对网络质量要求不同，以及场景应用要达到的时延要求等。以人们起初对边缘计算的认知，应该部署在最靠近用户的位置，比如在接入网的基站位置。的确，部署在基站，应用可以“近水楼台先得月”，实实在在满足低时延和高带宽需求，这对时延敏感型应用场景最合适不过。

但这并不是唯一的应用场景。总的来说，边缘计算可以按需部署于无线接入边缘云、汇聚边缘云或者城域边缘云。对于时延要求比较苛刻场景，边缘计算需要部署于靠近基站侧的无线接入边缘云；对于高带宽要求的大流量热点地区，边缘计算可以部署于汇聚边缘云；对于海量连接场景，边缘计算可部署于位置更高一些的城域边缘云，以便覆盖更大区域的业务需求。

MEC的平台形态

未来，电信运营商可能会根据场景为用户提供不同位置的边缘计算服务。这些边缘计算节点大多以云的形式存在，是一个个微型数据中心，涉及到IaaS、PaaS以及行业应用SaaS，运营商利用其自身网络资源的独特优势，可以通过基础PaaS平台为上层垂直应用提供特色网络能力。以视频优化加速来说，电信运营商的边缘计算平台可以为OTT视频业务提供API接口以获取RAN侧无线信道等信息，位置服务能力、无线信息能力、QoS服务能力等，也可以结合用户在移动网络内的身份信息、行为习惯信息等数据，提供个性化交互式服务，这是电信边缘计算PaaS平台的独特能力。

中国移动

在2019世界移动大会（MWC 2019），中国移动发布边缘计算“Pioneer 300”先锋行动，旨在推进电信领域的边缘计算技术发展和生态繁荣。与此同时，中国移动对外发布《中国移动边缘计算技术白皮书》，详细阐述了中国移动边缘计算的发展背景和对边缘计算PaaS、IaaS技术，以及硬件体系的解读。

在PaaS方面，运营商利用自身网络资源的独特优势，可以通过基础PaaS平台为上层应用提供各类特色网络能力。在IaaS方面，基于运营商在NFV领域的探索，边缘计算需要考虑基础设施层面与NFV的共享和融合，同时也要兼顾独立部署的能力。

对于PaaS层，中国移动认为，边缘计算提供 PaaS 层服务，既能作为增值服务为平台创收，又能降低应用上线的难度。与此同时，PaaS平台主要是为了解决：业务部署、业务开通、无线能力和核心网能力引入、边缘计算PaaS平台SDK、第三方平台的PaaS能力、业务运维、多节点管理等问题。白皮书指出，边缘计算PaaS平台会引入Serverless、ServiceMesh、微服务框架等Cloud Native技术来开发和运维应用，增强边缘计算的应用开发效率和运维效率。

对于IaaS层，边缘计算 IaaS 服务于云化形态的边缘应用，是用来部署和运行边缘计算业务和相关网元功能的云化基础设施，是云计算技术与边缘计算场景的结合。白皮书认为边缘计算IaaS的形态分成几种:

裸机容器云，通过kubernetes+katacontainer的方式来实现 (题外话：公有云厂商往往将kubernetes+容器的技术归为PaaS层)；
统一虚机云，通过OpenStack完成对电信网元和边缘应用的隔离和资源划分；
混合云，基于OpenStack和kubernetes混合部署，电信网元由虚机承载，边缘应用由裸机容器承载等。

在应用领域，中国移动成立的边缘计算开放实验室已经和合作伙伴进行试验床建设共15项，涉及高清视频处理、vPLC、人工智能、 TSN 等新兴技术，涵盖智慧楼宇、智慧建造、柔性制造、CDN、云游戏和车联网等多个场景。中国移动认为，视频和车联网是目前边缘计算最重要的布局点，也是需求最迫切的业务场景。

中国联通

同样在MWC 2019大会期间，中国联通携手合作伙伴重磅发布《中国联通CUBE-Edge 2.0及行业实践白皮书》，白皮书指出，MEC边缘云将高带宽、低时延、本地化业务下沉到网络边缘，成为5G网络重构和数字化转型的关键利器，满足不同行业的业务需求。在中国联通的构想中，MEC会重点关注以下几点：

MEC边缘云采用全云化架构，构建IaaS、PaaS、SaaS平台能力，实现数据的云存储、备份和转发。边缘云之间采用SDN组网，实现网络云化和全网的远程自动化部署与管理。
提供云边协同能力，通过边缘云与通信云、公有云和私有云之间的协同，实现行业客户数据上云后的互通。
支持边缘云的能力开放，提供对外统一接口，供第三方开发和调用，包括位置、RNIS、计费、DNS、VCDN和渲染等服务能力。

2018年，中国联通在15个省市开展Edge-Cloud规模试点，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，积极推动边缘计算产业链的发展。

电信运营商玩家总结

可以看出，电信运营商利用自身网络资源的独特优势，可以为用户提供高价值的边缘计算能力，具有极强的竞争力和不可替代性。同时，运营商也在积极发展生态，集成第三方PaaS能力，繁荣MEC的API生态，方便垂直应用快速开发。而且，也可以看到CT领域的MEC在IT化，无论是IaaS还是PaaS。相信在不远的未来，普通用户会看到大量应用从私有云或公有云迁移到MEC，应用运行环境的一致性和迁移成本将会是MEC建设的重要考量因素。

公有云边缘计算与电信运营商MEC的交集

我们知道公有云和电信运营商是各有优势，公有云强在全栈的PaaS能力，包含AI、大数据、IoT、中间件、视频服务等一整套完善的技术堆栈，电信运营商强在独特的网络资源优势，如果两者结合起来，将会是一件激动人心的事情, 也会是一个能力互补并且双赢的局面。

不久前，Nokia宣布与AWS合作，在MEC上部署Greengrass，将AWS的边缘计算与Nokia的专有移动网络解决方案相结合。通过将AWS的Greengrass和机器学习与Nokia MEC和IoT智能管理平台（IMPACT）相结合，抢占新兴的物联网领域。希望随着时间的推移，能够看到更多公有云边缘计算与电信运营商MEC的交集。

创作场景

当云厂商和电信运营商聊边缘计算时，他们在谈论什么？