6.2　計算能力要求

隨著無人機、智能攝像頭、工業傳感器等邊緣設備的廣泛使用，網絡接入設備數量將大幅增加，數據也將呈爆發式增長。不同場景對帶寬、時延、數據存儲能力及安全性等有不同的要求。云數據中心的集中化處理明顯不能滿足所有需求，邊緣計算將成為IT架構的未來發展趨勢。Gartner 預測，相較于80%的數據在云數據中心內產生和處理的現狀，到2022年，超過50%的企業數據將在云數據中心之外產生和處理。邊緣計算架構、產品與解決方案對未來計算能力向邊緣側下沉越發重要。邊緣計算將云的部分服務或者能力擴展到邊緣基礎設施之上，面向行業數字化和智能化的發展，提供GPU、虛擬化等多種計算能力組合，滿足企業對計算能力的多樣性要求。邊緣計算在計算能力的要求主要體現在異構計算、邊緣智能、云邊協同方面。

6.2.1　異構計算

邊緣計算面向個人用戶及企業用戶的新型應用不斷興起，短視頻、美圖、自動駕駛、物聯網等應用業務呈現爆炸式增長，對應用場景及計算能力提出了多種多樣的要求。面向個人用戶，終端設備除短信、語音等基礎的網絡通信之外，通常還需要提供圖片處理等各種各樣的應用。同時，各類應用往往需要根據用戶行為提供個性化的智能推送及智能預測等服務，這些應用對計算能力的要求已經遠遠超過了傳統CPU 的處理能力。面向企業用戶，機器視覺、故障檢測等數據密集型應用對海量數據并發處理提出了較高要求。單一的計算平臺很難滿足這些要求，多樣性的異構計算能力成為邊緣計算的迫切需求。

由于各類邊緣計算應用場景的業務側重點不同，計算任務對于硬件資源的需求也不盡相同。從計算模式、并發數、迭代深度等多方面考慮，需要x86、ARM、GPU、NPU等多種類型的芯片支持。異構計算能夠充分發揮CPU/GPU 的靈活性。通過異構計算搭建的基礎設施能夠及時響應數據處理需求，搭配上FPGA/ASIC 等特殊能力，可以充分發揮協處理器的效能。異構計算能夠根據特定需求，合理分配計算資源，滿足多樣化、差異化的應用需求，提升計算資源的利用率，實現計算能力的靈活部署和調度。

6.2.2　邊緣智能

人工智能（AI）應用通常面向端到端的應用場景：數據的采集在前端，數據的處理、增值在云端，增值后的結果再回到前端，以提高前端設備的處理能力和處理效果。然而，在行業數字化場景下，如果將人工智能的模型訓練與處理全部部署在云數據中心里，需要將現場采集的海量數據從邊緣設備實時傳輸到云數據中心里。這將影響業務處理的實時性，同時會在可靠性、安全性等方面帶來嚴重問題。業務對數據處理的實時性需求，促使邊緣計算平臺具備邊緣智能。

邊緣智能使用人工智能技術在邊緣側為業務提供人工智能計算能力，能夠通過邊緣節點獲得更為豐富的數據，實現個性化的人工智能服務，擴展人工智能的應用場景。同時，邊緣節點使用人工智能計算能力，能夠更高效地提供數據分析、決策實施等智能服務。在云端與邊緣節點合理部署人工智能模型的訓練與推理功能，有利于構建成本最優的邊緣智能解決方案與服務，推動人工智能在工業、醫療、交通等領域的落地。

6.2.3　云邊協同

邊緣節點部署在網絡邊緣，由于場地等環境限制，在服務器數量上往往非常有限，面臨計算資源短缺的巨大壓力。在邊緣云中，存在多種邊緣服務器和邊緣終端，需要進行統一的管理，并實現對邊緣應用的支持。與邊緣云對應的是中心云，其能夠提供CPU、GPU 等多種類型的計算資源，并且在計算能力上不再受現場環境的限制，可以提供持久化存儲，能夠支撐計算密集型應用，如Hadoop、Spark、TensorFlow 等。

云計算與邊緣計算需要通過緊密協同才能更好地滿足各種需求場景的匹配，從而充分體現云計算與邊緣計算的應用價值。對于業務應用，開發工作在云端完成，可以充分發揮云的多語言、多工具、計算能力充足的優勢。對于應用部署，則可以按照需要分布到不同的邊緣節點上。對于人工智能相關的應用，可以把機器學習、深度學習相關的重負載訓練任務放在云端，而把需要快速響應的推理任務放在邊緣節點上處理，達到計算成本、網絡帶寬成本的最佳平衡。同時，從邊緣計算的特點出發，把實時或更快速的數據處理和分析放在邊緣節點上處理，能夠節省網絡流量。

云邊協同的需求涉及IaaS、PaaS、SaaS 各層面的全面協同，包括網絡、虛擬化、安全等資源的協同，以及數據、應用管理、業務管理的協同。

在導論篇提過，云邊協同是聯邦計算（Federated Computing）范式中的典型工作情景，中心云和邊緣云構成彈性的耦合關系。在特定場景中，適合采用緊耦合模式，此時中心云承擔起更多的邊緣云管理職能，對邊緣云的運行時提供更廣泛的功能支持和監控輔助手段及豐富的控制干預。在其他場景中，中心云和邊緣云形成松耦合關系。這種關系支持邊緣云在一定時間內斷開中心云控制平面，獨立自治運行。這要求邊緣云具備更全面的能力，如同一個中心云完備計算環境在邊緣側的“孿生”縮小版。另外一些場景則需要中心云和邊緣云的關系介于緊耦合和松耦合之間，即半松半緊耦合，從而實現控制管理、網絡連接、應用數據等多維度的協同工作。這是最具復雜性的協作場景，結合應用的多樣性將會發生許多有趣的用戶故事。