一.視頻加速

智能視頻加速業(yè)務(wù)主要是通過縮短加載時(shí)間和增加視頻流暢度，來提升用戶的QoE，(體驗(yàn)質(zhì)量：Quality of Experience），并保證無線網(wǎng)絡(luò)資源的最大利用。

1.1VR/AR 游戲

現(xiàn)階段 VR游戲體驗(yàn)不佳，其中游戲類VR 應(yīng)用基本以本地重度游戲?yàn)橹?，用戶眩暈問題依然存在，體驗(yàn)仍然不佳。因此，現(xiàn)階段 VR 較多應(yīng)用在營銷場景，如遠(yuǎn)程看房、看二手車等營銷場景較多，并且依賴于 Wifi及 4G 網(wǎng)絡(luò)為主。

未來 5G設(shè)備實(shí)現(xiàn)直接邊緣鏈訪問，VR/AR時(shí)延問題解決，云 VR/AR 將大大降低設(shè)備成本，5G將顯著改善這些云服務(wù)的訪問速度，同時(shí)邊緣計(jì)算將降低云服務(wù)的數(shù)據(jù)處理量，增強(qiáng)游戲的體驗(yàn)感。

1.2遠(yuǎn)程醫(yī)療

遠(yuǎn)程診斷依賴 5G 網(wǎng)絡(luò)的低延遲和高 QoS（Quality of Service）保障特性，例如無線內(nèi)窺鏡和超聲波這樣的遠(yuǎn)程診斷依賴于設(shè)備終端和患者之間的交互，患者反饋的敏感性需要低延遲網(wǎng)絡(luò)才能滿足其要求。其它應(yīng)用場景包括醫(yī)療機(jī)器人、醫(yī)療認(rèn)知計(jì)算、生物遙測，基于 VR的醫(yī)療培訓(xùn)，救護(hù)車無人機(jī)，生物信息的實(shí)時(shí)數(shù)據(jù)傳輸?shù)龋@些應(yīng)用對(duì)網(wǎng)絡(luò)計(jì)算和連接提出了很高的要求。

1.3高清視頻

5G的高速率特性加上邊緣計(jì)算將使用戶不僅能觀看當(dāng)下各類視頻內(nèi)容，還將隨時(shí)隨地體驗(yàn)4K以上的超高清視頻。參考Intel 的《5G娛樂經(jīng)濟(jì)報(bào)告》,預(yù)計(jì)未來10年內(nèi) 5G 用戶的月平均流量將有望增長 7 倍，而其中90%將被視頻消耗，預(yù)計(jì)到 2028 年，僅憑消費(fèi)者在視頻、音樂和游戲上的支出就會(huì)增加近一倍，全球總體量將達(dá)到近 1500 億美元。

1.4視頻直播

視頻直播是近年來發(fā)展最為迅猛的一種創(chuàng)新形式的在線視頻娛樂，具有多人實(shí)時(shí)交互特性。中國視頻直播行業(yè)的市場規(guī)模由2015年的64億元增長至2019年的1082億元，復(fù)合年增長率為103.0%。2019年至2024年，市場規(guī)模預(yù)計(jì)以23.4%的復(fù)合年增長率增長，至2024年達(dá)到3101億元。如此規(guī)模巨大的市場，在直播方面會(huì)經(jīng)常面臨網(wǎng)絡(luò)卡頓的現(xiàn)象，嚴(yán)重影響了用戶的消費(fèi)體驗(yàn)。

網(wǎng)絡(luò)卡頓的原因有以下幾點(diǎn)：

1）網(wǎng)絡(luò)問題。接收方的網(wǎng)絡(luò)環(huán)境不好，無法及時(shí)的獲取服務(wù)器發(fā)送過來的信息，就會(huì)造成卡頓

2）主播端碼率設(shè)置問題。如果主播端的視頻上傳碼率太高，需要的網(wǎng)絡(luò)速度就越高，服務(wù)器的傳輸速度達(dá)不到碼率要求，自然給接收方傳遞時(shí)就會(huì)產(chǎn)生問題

3）距離CDN節(jié)點(diǎn)的物理距離。直播平臺(tái)常用CDN來作為服務(wù)器儲(chǔ)存、傳遞數(shù)據(jù)，其中CDN節(jié)點(diǎn)的分布會(huì)影響到直播畫面的傳遞速度，如果接收方離CDN節(jié)點(diǎn)的距離太遠(yuǎn)的話，就會(huì)產(chǎn)生畫面的卡頓，接受不良。

如果在視頻中接入邊緣計(jì)算網(wǎng)絡(luò)，則會(huì)大大緩解視頻卡頓的現(xiàn)象，提高用戶的觀感體驗(yàn)，推動(dòng)整個(gè)直播行業(yè)的發(fā)展。

二、物聯(lián)網(wǎng)

物聯(lián)網(wǎng)作為下一個(gè)推動(dòng)世界高速發(fā)展的“重要生產(chǎn)力”，近年來得以迅速發(fā)展?！拔锫?lián)網(wǎng)”概念是在“互聯(lián)網(wǎng)”概念的基礎(chǔ)上,將其用戶端延伸擴(kuò)展到任何物品與物品之間,進(jìn)行信息交換和通信的一種網(wǎng)絡(luò)概念。物聯(lián)網(wǎng)是指通過各種信息傳感設(shè)備,實(shí)時(shí)采集任何需要監(jiān)控、連接、互動(dòng)的物體或過程等各種需要的信息,與互聯(lián)網(wǎng)結(jié)合形成的一個(gè)巨大網(wǎng)絡(luò)。

智能設(shè)備上的 I/O 接口可以輕松連接傳統(tǒng)工業(yè)系統(tǒng)和邊緣網(wǎng)絡(luò)，網(wǎng)關(guān)可以使用 Wi-Fi、以太網(wǎng)與終端進(jìn)行連接和通信。另外,網(wǎng)關(guān)的處理能力支持中間設(shè)備對(duì)來自所有不同協(xié)議(從 ModBus、BACnet 到 Zigbee 等)的數(shù)據(jù)進(jìn)行匯總、轉(zhuǎn)換和標(biāo)準(zhǔn)化,再通過網(wǎng)關(guān)將數(shù)據(jù)傳送到核心網(wǎng)上。邊緣計(jì)算可以對(duì)連接的終端進(jìn)行邊緣分析，將決策轉(zhuǎn)移到邊緣，提供實(shí)時(shí)操作，還可以幫助管理網(wǎng)絡(luò)問題,通過決定數(shù)據(jù)是否移動(dòng)到邊緣來解決網(wǎng)絡(luò)帶寬問題。

2.1自動(dòng)駕駛

隨著汽車自動(dòng)駕駛的不斷進(jìn)步，汽車自身所產(chǎn)生的數(shù)據(jù)將越來越龐大。根據(jù)數(shù)據(jù)顯示，假設(shè)一輛自動(dòng)駕駛汽車配備了 GPS、攝像頭、雷達(dá)和激光雷達(dá)等傳感器，則一輛自動(dòng)駕駛汽車每天將產(chǎn)生約 4000GB 待處理的傳感器數(shù)據(jù)。如何使自動(dòng)駕駛汽車能夠?qū)崟r(shí)處理如此海量的數(shù)據(jù)，并基于大數(shù)據(jù)分析，形成安全駕駛行為的決策，這些都需要強(qiáng)大的計(jì)算能力做支持。考慮到自動(dòng)駕駛對(duì)網(wǎng)絡(luò)延遲要求很高，傳統(tǒng)的云計(jì)算面臨著延遲明顯、連接不穩(wěn)定等問題，這就需要一個(gè)強(qiáng)大的、穩(wěn)定的、低延遲的車載邊緣計(jì)算平臺(tái)。事實(shí)上，如果我們打開現(xiàn)階段展示的自動(dòng)駕駛測試汽車的后備箱，會(huì)明顯發(fā)現(xiàn)其與傳統(tǒng)汽車的不同之處，都會(huì)裝載一個(gè)“ 計(jì)算平臺(tái)”硬件傳感器， 用于處理輸入的信號(hào)數(shù)據(jù)并輸出決策。

高等級(jí)自動(dòng)駕駛的本質(zhì)是AI計(jì)算問題，車載邊緣計(jì)算平臺(tái)的算力需求至少在20T 以上。從實(shí)現(xiàn)功能來看，邊緣計(jì)算平臺(tái)在自動(dòng)駕駛中主要負(fù)責(zé)解決兩個(gè)主要的問題：

a. 處理輸入的信號(hào)，像雷達(dá)、激光雷達(dá)、攝像頭等;

b. 做出決策判斷、給出控制信號(hào)

英偉達(dá)CEO 黃仁勛的觀點(diǎn)是“自動(dòng)駕駛本質(zhì)是 AI 計(jì)算問題，需求的計(jì)算力取決于希望實(shí)現(xiàn)的功能?！?，其認(rèn)為自動(dòng)駕駛汽車需要對(duì)周邊的環(huán)境進(jìn)行判斷之后再作出決策，到底要采取什么樣的行動(dòng)，其本質(zhì)上是一個(gè) AI 計(jì)算的問題，車載端必須配備一臺(tái) AI 超級(jí)處理器，然后基于 AI 算法能夠進(jìn)行認(rèn)知、推理以及駕駛，要實(shí)現(xiàn)L3 級(jí)的自動(dòng)駕駛起碼需要20 個(gè) teraflops(每秒萬 億次浮點(diǎn)運(yùn)算)以上的的計(jì)算力級(jí)別。

2.2智能安防

安防產(chǎn)業(yè)智能化升級(jí)是行業(yè)發(fā)展的大趨勢，后端智能化以及前端智能化是廠商針對(duì)智能化升級(jí)的兩種并存的解決方案。其中，前端智能化的核心功能是為后端提供高質(zhì)量、初步結(jié)構(gòu)化的圖像數(shù)據(jù)，其主要作用有兩點(diǎn):

1）提升部分智能分析應(yīng)用的實(shí)時(shí)性;

2）節(jié)省帶寬和后端計(jì)算資源。

典型的前端智能攝像頭內(nèi)置深度學(xué)習(xí)算法，一方面可以在前端完成人臉定位和質(zhì)量判斷，有效解決漏抓誤報(bào)問題，同時(shí)擁有較好的圖像效果；另一方面可以輸出編碼后的網(wǎng)絡(luò)視頻，支持輸出非壓縮、無損無延時(shí)的視頻流圖像，這樣可以為大型用戶節(jié)省服務(wù)器成本和帶寬，在同等服務(wù)器數(shù)量和計(jì)算能力的情況下能夠接入更多線路攝像頭。

后端智能化產(chǎn)品的核心功能則是利用計(jì)算能力對(duì)視頻數(shù)據(jù)進(jìn)行結(jié)構(gòu)化分析。出于滿足實(shí)時(shí)性處理的需求，以及緩解后臺(tái)存儲(chǔ)的壓力，廠商們會(huì)越來越將算力前置。以人臉識(shí)別為例，傳統(tǒng)的人臉識(shí)別產(chǎn)品都是采用前端攝像機(jī)抓拍圖片， 后端服務(wù)器計(jì)算比對(duì)的模式，而前端智能的模式下，智能化的攝像機(jī)可以不依托服務(wù)器而實(shí)時(shí)進(jìn)行圖像處理、人臉識(shí)別，極大提高了識(shí)別效率以及后端存儲(chǔ)的效率，前端智能化的趨勢意味著產(chǎn)業(yè)鏈上下游將發(fā)生價(jià)值轉(zhuǎn)移。整個(gè)安防智能化系統(tǒng)對(duì)于后端系統(tǒng)的依賴程度將進(jìn)一步降低，后端價(jià)值將部分轉(zhuǎn)移到前端，前端的價(jià)值將大幅提升。

國內(nèi)安防智能前端的市場規(guī)模有望突破1500 億。從產(chǎn)業(yè)調(diào)研結(jié)果來看，2018年以來，主流深度學(xué)習(xí)攝像頭芯片開始成熟量產(chǎn)，有效解決目前限制前端智能攝像頭放量的計(jì)算芯片瓶頸。按照2021年智能攝像頭滲透率達(dá)到45%測算，我們預(yù)測國內(nèi)智能安防前端硬件產(chǎn)品空間在2021 年預(yù)計(jì)將超過1500 億元。

2.3低延時(shí)工業(yè)級(jí)應(yīng)用

工業(yè)高精度控制對(duì)時(shí)延和可靠性的敏感度極高，無論是中國、韓國和日本的運(yùn)營商，都非常關(guān)注5G 新業(yè)務(wù)中工業(yè)級(jí)客戶(2B)的價(jià)值。這些行業(yè)市場包括運(yùn)輸、物流、能源/公共設(shè)施 監(jiān)測、金融、醫(yī)療和農(nóng)業(yè)。實(shí)現(xiàn)工業(yè)國產(chǎn)自動(dòng)化、無線化和智能化，典型場景包括視頻監(jiān)控、 機(jī)器人控制、自動(dòng)巡查安防等。

2.4機(jī)器人控制

參考《華為 5G 白皮書》，同步實(shí)時(shí)協(xié)作機(jī)器人要求小于 1 毫秒的網(wǎng)絡(luò)延遲。到 2025 年，預(yù)計(jì)全球狀態(tài)監(jiān)測連接將上升到 8,800萬，全球工業(yè)機(jī)器人的出貨量也將 從 36萬臺(tái)增加到 105萬臺(tái)。

2.5饋線自動(dòng)化

當(dāng)通信網(wǎng)絡(luò)的延遲小于 10ms 時(shí)，饋線自動(dòng)化系統(tǒng)可以在 100ms 內(nèi)隔離故障區(qū)域，這將大幅度降低發(fā)電廠的能源浪費(fèi)。參考華為 5G 白皮書，從 2022年到 2026 年，預(yù)計(jì) 5G IoT 的平均年復(fù)合增長率(CAGR)將達(dá)到 464%。ABI Research 的預(yù)測數(shù)據(jù)，全球配電自動(dòng)化市場將從2015年的130億美元增加到 2025年的 360 億美元。

2.6無人機(jī)巡檢

配備無人機(jī)進(jìn)行基礎(chǔ)設(shè)施、電力線和環(huán)境的密集巡檢是一項(xiàng)新 興業(yè)務(wù)，LiDAR掃描所產(chǎn)生巨大的實(shí)時(shí)數(shù)據(jù)量將需要>200Mbps的傳輸帶寬。ABI Research 的估計(jì)，小型無人機(jī)市場將從 2016年的 53 億美元迅速增長到 2026 年的 339 億美元，包括來自軟件、硬件、服務(wù)和應(yīng)用服務(wù)的收入。

三、CDN應(yīng)用

隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)流量呈現(xiàn)出爆發(fā)式增長的趨勢。2019 年數(shù)據(jù)存儲(chǔ)市場規(guī)模為 461.2 億美元，預(yù)計(jì)到 2023年將達(dá)到1074億美元，2027 年將達(dá)到 2222.5 億美元，復(fù)合年均增長率為 27.19%，移動(dòng)視頻流量將占全球移動(dòng)數(shù)據(jù)流量的 78%。內(nèi)容提供商每天都會(huì)上傳成千上萬個(gè)視頻內(nèi)容，這樣的內(nèi)容大量存儲(chǔ)在提供商的集中式數(shù)據(jù)庫中, 然后從源格式轉(zhuǎn)換為最終傳遞格式，分發(fā)到位于網(wǎng)絡(luò)不同位置的多個(gè)流服務(wù)器中,并進(jìn)行進(jìn)一步傳遞。盡管進(jìn)行了內(nèi)容分發(fā)工作,但內(nèi)容到用戶的距離依然很遠(yuǎn)，特別是在移動(dòng)環(huán)境中,由于緩沖問題，個(gè)別用戶可能會(huì)遇到服務(wù)中斷。因此, 邊緣計(jì)算通過將 CDN 服務(wù)擴(kuò)展到移動(dòng)邊緣來提供分布式緩存,可以增強(qiáng)用戶的 QoE,并減少回程網(wǎng)和核心網(wǎng)的使用。

3.1 CDN與邊緣計(jì)算融合

CDN與邊緣計(jì)算融合發(fā)展是技術(shù)、業(yè)務(wù)發(fā)展的必然，也是降本增效的需要，主要體現(xiàn)在兩個(gè)方面：

資源復(fù)用：移動(dòng)網(wǎng)絡(luò)CDN規(guī)模龐大且存在算力閑置，CDN主要存儲(chǔ)CPU平均利用率約為10%左右，閑置算力等資源可為邊緣云所用。

共址部署：CDN與邊緣計(jì)算之間部署位置相似，均在地市和部分區(qū)縣部署，系統(tǒng)架構(gòu)相似，均采用通用服務(wù)器、軟硬解耦架構(gòu)；接入網(wǎng)絡(luò)相似，均要求固網(wǎng)和移網(wǎng)雙接入。CDN與邊緣計(jì)算共址部署，利用CDN規(guī)模大、分布廣的特點(diǎn)，推動(dòng)CDN云化，快速形成邊緣計(jì)算規(guī)模化效應(yīng)，提升整個(gè)邊緣網(wǎng)絡(luò)的使用效率。

3.2CDN云化升級(jí)

邊云融合需推動(dòng)CDN云化升級(jí)，邊緣節(jié)點(diǎn)下沉到基站、OLT，覆蓋地市縣，邊智融合可將邊緣計(jì)算業(yè)務(wù)精準(zhǔn)調(diào)度到地市縣，AI算力卸載到邊緣，邊網(wǎng)融合重在邊網(wǎng)協(xié)同，固移融合，開放邊緣網(wǎng)絡(luò)特色能力。

邊云融合：其某種意義上可以理解成一種廣度和深度的融合，越靠近用戶放置資源，用戶訪問感知提升越明顯。以家庭寬帶場景為例，業(yè)界CDN一般布放在省核心機(jī)房，而邊緣計(jì)算 CDN可以下沉旁掛至BRAS節(jié)點(diǎn)，也可通過OLT嵌入式CDN部署，通過減少跳數(shù)來達(dá)到降低路由時(shí)延，提升訪問感知的目的，真正實(shí)現(xiàn)了拉近距離降時(shí)延、本地計(jì)算省帶寬。

以5G場景為例，移動(dòng)邊緣云與網(wǎng)絡(luò)邊緣云同步下沉，CDN邊緣云下沉到基站可精準(zhǔn)服務(wù)一公里以內(nèi)的用戶請求，訪問速率和距離密切相關(guān)，越近則越快。

邊智融合：傳統(tǒng)意義上的CDN（內(nèi)容分發(fā)）是一種流量的調(diào)度，是一種字節(jié)數(shù)據(jù)的分發(fā)，而通過邊緣計(jì)算的 FDN（功能分發(fā)）是一種邊緣能力的調(diào)度分發(fā)。通過邊緣技術(shù)將推動(dòng)內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）向內(nèi)容與功能分發(fā)網(wǎng)絡(luò)（CFDN）全面轉(zhuǎn)型，形成由調(diào)度中心和能力中心組成的CFDN系統(tǒng)。

CDN系統(tǒng)升級(jí)為智能CFDN系統(tǒng)后，邊緣云固移業(yè)務(wù)將由CFDN調(diào)度中心統(tǒng)一調(diào)度，調(diào)度中心主要由功能調(diào)度和流量調(diào)度組成，實(shí)現(xiàn)了按業(yè)務(wù)需求進(jìn)行統(tǒng)一管理與調(diào)度，同時(shí)可以基于業(yè)務(wù)質(zhì)量、網(wǎng)絡(luò)質(zhì)量，實(shí)現(xiàn)邊緣計(jì)算業(yè)務(wù)的智能調(diào)度；通過熱點(diǎn)預(yù)判、狀態(tài)學(xué)習(xí)，實(shí)現(xiàn)服務(wù)節(jié)點(diǎn)擇優(yōu)選擇、內(nèi)容訪問貼近用戶，支持IP、域名等多場景按需調(diào)度。

此外，在滿足業(yè)務(wù)時(shí)延需求的前提下，還可將終端或中心云的AI算力遷移至邊緣云之上，可較好地降低終端或中心云算力成本和功耗。

邊網(wǎng)融合：通過邊網(wǎng)共址來實(shí)現(xiàn)，邊緣云基于增強(qiáng)型DNS技術(shù)感知網(wǎng)絡(luò)拓?fù)浜陀脩粑恢茫ㄟ^EDNS0技術(shù)實(shí)現(xiàn)業(yè)務(wù)精準(zhǔn)下沉，把流量真正的推進(jìn)到用戶端，通過精準(zhǔn)的調(diào)度來服務(wù)邊緣計(jì)算，通過網(wǎng)絡(luò)能力開放、網(wǎng)絡(luò)切片，建立新的生態(tài)，來實(shí)現(xiàn)服務(wù)更廣泛的用戶群體。

邊緣計(jì)算與分布式存儲(chǔ)相輔相成，邊緣計(jì)算通過邊緣算力來對(duì)云算力進(jìn)行補(bǔ)充，分布式存儲(chǔ)則通過邊緣的、閑置的、去中心化的存儲(chǔ)端對(duì)云存儲(chǔ)進(jìn)行配合。隨著 IoT 設(shè)備的指數(shù)級(jí)增長，這些設(shè)備連接到互聯(lián)網(wǎng)，用于從云接收信息或?qū)?shù)據(jù)傳遞回云，更快的網(wǎng)絡(luò)技術(shù)（如 5G 無線）使計(jì)算系統(tǒng)能夠加速實(shí)時(shí)應(yīng)用程序的創(chuàng)建或支持，例如視頻處理和分析、自動(dòng)駕駛汽車、人工智能和機(jī)器人等。在此過程中，許多 IoT 設(shè)備在操作過程中會(huì)生成海量的數(shù)據(jù)。在此過程中邊緣計(jì)算和分布式存儲(chǔ)共同支撐整個(gè)物聯(lián)網(wǎng)體系的搭建，共建繁榮的IOT生態(tài)系統(tǒng)，促進(jìn)整個(gè)新產(chǎn)業(yè)的升級(jí)。

返回列表