边缘智能白皮书（2018）.pdf-资料库

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第1页.png

第1页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第2页.png

第2页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第3页.png

第3页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第4页.png

第4页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第5页.png

第5页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第6页.png

第6页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第7页.png

第7页 / 共64页

316725e4-4104-48fa-91fe-0d775c2e29f7.pdf-第8页.png

第8页 / 共64页

边缘智能白皮书 dge Intelligence White Paper

目录 1 前言 2 版权声明第一章边缘智能概述 3 边缘计算产生的背景 6 边缘计算问世 9 从边缘计算到边缘智能第二章业务和技术视角下的边缘智能 11 业务场景需求驱动的边缘智能 19 技术能力支撑的边缘智能 27 主要的边缘智能参考架构第三章边缘智能产业生态分析 30 边缘智能产业图谱 31 边缘智能产业生态主要组成部分 38 边缘智能产业发展规模第四章边缘智能主要参与者布局 41 互联网公司 44 通信设备公司 45 运营商 47 芯片企业 49 IT 基础设施供应商

第五章边缘智能应用案例及商业模式探索 50 边缘智能主要应用案例 55 边缘智能主要商业模式第六章边缘智能未来发展趋势展望 57 边缘智能处于发展初级阶段 58 边缘计算向边缘智能演进中的挑战 59 边缘智能未来发展趋势 61 主要贡献单位

边缘智能白皮书前言由于各类信息技术的发展，尤其是物联网产业进入规模化落地的初期，边缘计算已经提上了产业界议事日程，而随着人工智能在边缘计算平台中的应用，加上边缘计算与物联网“端-管-云”协同推进应用落地的需求不断增加，边缘智能成为边缘计算新的形态，使能物联网应用。 “将在外，君命有所不受”是非信息时代边缘智能的一种表现形式，主要是针对现场瞬息多变的战况产生的。而物联网的各类业务应用场景就像多变的战况一样，直接驱动边缘智能的进步，这方面主要是各类网络传输场景和应用特征产生的场景，对边缘智能形成直接需求；另外，边缘智能产业链上游各参与方投入大量资源进行技术研发，从供给方面给边缘智能打下基础。边缘智能产业生态架构已形成，主要有两类参与者，第一大类涉及到边缘智能技术、产品、解决方案等核心业务的研发、生产、经营、应用闭环的流程，涵盖边缘载体供应商、边缘业务运营商、服务提供商和最终用户；第二大类主要是为边缘智能这一闭环流程提供研发、标准制定、产业组织等服务，对应的是一些科研机构开展边缘智能各个课题研发，标准化组织推出边缘智能端到端标准和参考架构，以及行业协会、联盟促进整个产业合作共赢，降低产业的碎片化。目前，边缘智能已经在智能城市、智能工业、智能社区、智能家居、车联网等大量的垂直行业中形成示范应用，给垂直领域带来新的价值，产业链各方也在探索 B2B2C、B2B 等多种类型的商业模式。不过，边缘智能依然处于发展的初级阶段，技术、业务、商业模式等各方面的挑战仍然具有不确定性，接下来需要在标准化、产业联盟、场景驱动、产业链协同、安全隐私等方面做好工作，推动边缘智能的规模化落地。本报告在物联网的框架和视角下，对边缘智能产业进行解读，希望对业界能够起到一定参考作用。 1

边缘智能白皮书第一章边缘智能概述近几年，随着云计算、大数据、人工智能等技术的快速发展，以及各种应用场景的不断成熟，越来越多的数据需要上传到云端进行处理，给云计算带来的更多的工作负载，同时，由于越来越多的应用需要更快的反应速度，边缘智能应运而生。未来，随着百亿级别的设备联网，大部分数据都将在靠近数据的一侧完成收集、处理、分析、决策的过程。本章将会从边缘智能产生的背景、发展过程等展开论述。 1.1 边缘计算产生的背景回顾科技的发展史，一种技术、产品得以出现，主要原因是当下的技术、产品已然不能适应时代的发展。边缘智能也不例外，从我们进入物联网时代开始，联网设备、海量数据、超低延时等需求都对现有的云计算模式提出了挑战，如果沿用现有的技术就会成为万物互联时代的瓶颈，因此需要新的计算模式。（1）物联网连接数快速增长全球主要公司、权威机构都给出了各自的网联设备数量预测，根据 Machina Research 给出的数据显示，其预测 2025 年全球物联网连接数将增长至 270 亿个，蜂窝连接个数将达到 220 亿个，大部分将基于 LTE。图 1 全球物联网连接数（来源：Machina Research） 3 05010015020025030020182019202020212022202320242025物联网连接数（十亿）

边缘智能白皮书如此多的物联网设备都处在远离云计算的边缘侧，物联网设备不仅仅是一个数据收集器，更是执行器，以目前的现状来看，物联网设备将采集到的数据上传到云计算中心，经过一系列的计算与分析之后，再传达到物联网设备，云计算的处理能力尚可。但是，当物联网设备的数量达到百亿、千亿之后，“偏远”的云计算在处理这些数据的时候，其能力就会显得捉襟见肘。在此情况下，边缘智能可以实现在设备侧、数据源头的数据收集与决策。这样既可以减轻云计算的计算负载，也能完成某些场景对数据处理与执行的苛刻要求。有研究机构预测，未来会有超过一半的数据在边缘进行处理，甚至更高，当然这并不是说边缘计算会吃掉云计算，我们也不这么认为，云计算和边缘计算的关系应该是互补的。（2）网络流量呈现持续、快速增长物联网时代，一切的发展都是建立在数据的快速增长之上，通过对海量数据分析才可以实现各种智能场景。根据思科的预测显示，2021 年，全球网络流量将会达到 278 EB/月，而这一数据在 2016 年还只有 96 EB/月。图 2 2016-2021 年全球月均网络流量 2021 年，全球月均网络流量将会达到 2016 年的三倍，年复合增长率为 24%，可以说每天都会产生大量的数据。正如前文所说，物联网时代将会有几百亿的联网设备，因此，其数据将会呈现分散性、碎片化的特点，云计算虽然有强大的数 4

边缘智能白皮书据处理能力，但是在面对海量的数据以及网络带宽带来的阻碍之时，云计算并不能实现全面的计算覆盖，而边缘计算就可以极大的缓解云计算的压力。此外，与网络流量持续增长不同，网络带宽呈现阶梯上升的现状，因此，网络带宽的增长速度远远比不上流量、数据的增长速度。而从目前 5G 建设的步伐和预算来看，全面实现 5G 覆盖不是一蹴而就的事情，还需要一定的时间，并且，由于频谱的问题，5G 覆盖的范围比 4G 小，这就需要重建很多 5G 基站，资金成本是一个大问题。综合技术与资金方面的考量，网络带宽带来的瓶颈问题短时间内很难解决。大量的数据需要处理，很多场景需要实时的决策，云计算并不能完全满足市场的需求，边缘计算在这方面具有得天独厚的优势，即靠近数据侧，又有计算能力。并且，不是所有的数据都需要上传到云端，但是这些数据又对边缘设备的功能执行有着重要的作用。思科在 2015-2020 年全球云指数指出，2020 年全球设备产生的数据中，只有 10%是关键数据，其余 90%都是临时数据，无需长期存储。基于以上因素，边缘计算可以极大的缓解网络带宽和云计算中心的压力，增强本地服务的响应效率。（3）业务需求对技术提出新的挑战技术的进步往往是以需求为导向，云计算、边缘计算的产生都是与各类业务的需求息息相关。以智能驾驶为例，汽车对时延的要求以毫秒为标准，从目前的技术发展，以及智能驾驶的需求来看，边缘计算可以在汽车高速移动的前提下提供 IT 服务环境和计算能力，还可以减少对网络资源的占用，增强实时通信能力，在极低时延的情况下完成数据处理和执行服务。虽然，智能驾驶的实现需要多种技术同时推动，比如定位导航技术、环境感知能力、自动控制技术等，但是作为整合这些技术的边缘计算能力才是实现智能驾驶关键一环。汽车要实现真正的智能化，就必须时刻对周围的数据进行读取与处理，在高速行驶的状态下，根据早年谷歌在无人驾驶方面取得的数据显示，智能驾驶汽车每秒会产生 1GB 的数据，处理这么多的数据，只靠云计算是不够的。更何况，未来所有的汽车都会实现智能化，面对百万、千万级的汽车数量，只靠数百公里之 5

资料库

边缘智能白皮书（2018）.pdf

相关推荐

人工智能

热门标签

最新资料