邊緣智能發(fā)展與演進白皮書

我國的安防領(lǐng)域信息化基礎(chǔ)扎實，攝像頭、抓拍機部署密度較大，邊緣側(cè)的數(shù)據(jù)采集已不存在障礙。且目前公共安全領(lǐng)域正廣泛開展大數(shù)據(jù)分析、計算機視覺等技術(shù)的實踐應(yīng)用，在數(shù)據(jù)庫的搭建、算法模型的訓(xùn)練、業(yè)務(wù)場景的適配方面，已經(jīng)具備較好基礎(chǔ)。邊緣計算與人工智能技術(shù)在公共安全領(lǐng)域的應(yīng)用，能夠有效提升公共 安全管理的效率與水平，大幅降低人力物力成本，對城市管理、民生改善具有巨大價值，市場空間廣闊，且技術(shù)應(yīng)用的基礎(chǔ)條件已經(jīng)成熟，公共安全有望成為邊緣智能最先爆發(fā)的高價值應(yīng)用場景。

邊緣計算的定義

歐洲電信標準協(xié)會定義：在移動網(wǎng)邊緣提供IT服務(wù)環(huán)境和云計算能力，強調(diào)靠近移動用戶，以減少網(wǎng)絡(luò)操作和服務(wù)時延，提高用戶體驗。

賽迪顧問定義：在靠近數(shù)據(jù)產(chǎn)生端進行計算，將網(wǎng)絡(luò)、計算、存儲能力從云端延伸到網(wǎng)絡(luò)邊緣，具有鄰近性、低時延、本地性、位置感知性的一種新型計算模式。

邊緣計算的特點

邊緣計算靠近信息源，適用于通過數(shù)據(jù)優(yōu)化捕獲和分析大數(shù)據(jù)中的關(guān)鍵信息，并且可以直接訪問設(shè)備，更加高效地服務(wù)于邊緣智能，易于衍生出特定商業(yè)應(yīng)用場景。

邊緣計算服務(wù)靠近產(chǎn)生數(shù)據(jù)的終端設(shè)備，相對于云計算，極大地降低了時延，尤其是在智能制造和智能駕駛等應(yīng)用場景中，使得反饋過程更加快速。

邊緣計算可以與網(wǎng)絡(luò)的其余部分隔離運行，可實現(xiàn)本地化、相對獨立的計算。一方面保證了本地數(shù)據(jù)的安全性，另一方面降低了計算對網(wǎng)絡(luò)質(zhì)量的依賴性。

當邊緣網(wǎng)絡(luò)是無線網(wǎng)絡(luò)的一部分時，邊緣計算式的本地服務(wù)可以利用相對較少的信息來確定所有連接設(shè)備的位置， 這些可以應(yīng)用于LBS（基于位置的服務(wù)）等業(yè)務(wù)場景。

邊緣計算與云計算的聯(lián)系和區(qū)別

邊緣計算和云計算將同時共存、相互補充、相互促進，共同解決大數(shù)據(jù)時代的計算問題。

邊緣計算與云計算是行業(yè)數(shù)字化轉(zhuǎn)型的兩大重要計算方式，在網(wǎng)絡(luò)、業(yè)務(wù)、應(yīng)用、智能等方面的協(xié)同發(fā)展將有助于更大限度的行業(yè)數(shù)字化轉(zhuǎn)型。

數(shù)據(jù)計算的任務(wù)不同。云計算把握整體，適用于大規(guī)模、非實時業(yè)務(wù)的計算。

邊緣計算關(guān)注于局部，適用于小規(guī)模、實時性計算任務(wù)，能夠更好完成本地業(yè)務(wù)的實時處理。

網(wǎng)絡(luò)資源的負擔不同。與云計算相比，由于邊緣計算靠近信息源，數(shù)據(jù)可在本地進行存儲與處理，不必將全部數(shù)據(jù)都上傳至云端，減少了對網(wǎng)絡(luò)的負擔，避免了網(wǎng)絡(luò)堵塞，提高了網(wǎng)絡(luò)帶寬的利用效率。

智能應(yīng)用的分工不同。在人工智能應(yīng)用中，云計算更適用于進行人工智能算法模型訓(xùn)練與大規(guī)模數(shù)據(jù)的集中化分析，邊緣計算更適用于基于集成的算法模型，進行本地小規(guī)模智能分析與預(yù)處理工作。

影響與變革

業(yè)務(wù)處理從集中式到去中心化

邊緣計算將分布式計算融入集中式的云計算架構(gòu)中，能使計算能力下沉到邊或端，減少對中心的依賴，通過云、邊、端協(xié)同，大幅提升業(yè)務(wù)效率。

資源配置從資源獨占到資源共享

邊緣計算最大價值是資源開放性、分享性，改變傳統(tǒng)資源獨占模式，通過分布式計算、資源遷移、虛擬化等技術(shù)充分利用邊緣側(cè)的資源能力，優(yōu)化全社會資源配置，提高資源利用率。

資源獨占：傳統(tǒng)邊緣側(cè)主要承擔的是數(shù)據(jù)采集與業(yè)務(wù)請求角色，都是要搶占、獨占中心計算、存儲資源，以及網(wǎng)絡(luò)帶寬資源，邊緣端業(yè)務(wù)規(guī)模不斷擴大，對中心的壓力將不斷增加，導(dǎo)致整體運營效率下降。

共享與分享：邊緣計算的商業(yè)模式將不僅以服務(wù)為驅(qū)動，更多是以數(shù)據(jù)為驅(qū)動，通過建設(shè)統(tǒng)一開放的接口，面向多用戶進行數(shù)據(jù)開放，促進傳統(tǒng)中心——用戶的單邊模式轉(zhuǎn)變?yōu)橛脩簟行摹⒂脩簟脩舻亩噙吂蚕?、分享模式，提升整體效率，使社會生產(chǎn)更經(jīng)濟、更快捷。

數(shù)據(jù)分析從把握整體到專注局部

萬物互聯(lián)時代需要更敏捷的數(shù)據(jù)處理，也需要更好數(shù)據(jù)保護。以往云計算只把握整體，所有數(shù)據(jù)均要傳到中心分析，而邊緣計算專注局部，聚焦實時、短周期數(shù)據(jù)的分析，能更好地支撐本地實時智能化業(yè)務(wù)處理與執(zhí)行，并且，原始數(shù)據(jù)保留在邊緣側(cè)，也保證了數(shù)據(jù)的隱私與安全。

數(shù)據(jù)輕量化：本地采集的原始數(shù)據(jù)在邊緣側(cè)執(zhí)行初始分析，只傳遞有用數(shù)據(jù)到云端，從而減少網(wǎng)絡(luò)負擔，降低傳輸成本。

數(shù)據(jù)隱私保護：大量原始采集的數(shù)據(jù)無需全部傳輸?shù)皆贫耍芨玫貙?shù)據(jù)的隱私提供保護。

應(yīng)用部署從未雨綢繆到隨需而動

傳統(tǒng)業(yè)務(wù)擴張由于受各種要素制約，如計算、網(wǎng)絡(luò)等，均需要根據(jù)需求提前進行規(guī)劃與部署。

邊緣計算低時延、鄰近化、高寬帶和位置認知等特性，讓業(yè)務(wù)發(fā)展更從容，整個網(wǎng)絡(luò)能感知一切業(yè)務(wù)需求變化，并通過近端的智能分析，快速調(diào)配資源，實現(xiàn)快速響應(yīng)，敏捷部署。

智能感知：邊緣計算為邊緣側(cè)賦能，使其具備業(yè)務(wù)和用戶感知能力，可智能感知邊緣側(cè)的業(yè)務(wù)需求變化，優(yōu)化利用近端資源，支撐本地業(yè)務(wù)的實時化處理與執(zhí)行。

敏捷部署：邊緣計算將降低資源對業(yè)務(wù)發(fā)展約束性，通過彈性、可擴展、預(yù)制化及敏捷化的設(shè)施部署與資源調(diào)用，及時響應(yīng)近端的業(yè)務(wù)變化需求，實現(xiàn)業(yè)務(wù)隨需而動、快速部署。

邊緣智能

內(nèi)涵與演進

邊緣智能是指在靠近數(shù)據(jù)產(chǎn)生端的邊緣側(cè)，人工智能算法、技術(shù)、產(chǎn)品的應(yīng)用。

邊緣智能旨在利用人工智能技術(shù)為邊緣側(cè)賦能，是人工智能的一種應(yīng)用與表現(xiàn)形式，也是邊緣計算與人工智能互動融合的新模式。

應(yīng)用機會

邊緣智能將在諸多場景中廣泛展開應(yīng)用公共安全、智能交通、智能智造、智能駕駛是應(yīng)用價值較高的領(lǐng)域，具有較大發(fā)展機會。

消費電子

低功耗、低延遲的AI芯片搭載于手機、可穿戴設(shè)備等消費電子產(chǎn)品中，帶來更為順暢的交互升級體驗。通過邊緣智能設(shè)備實現(xiàn)智能家居產(chǎn)品間的互聯(lián)互通，防止網(wǎng)絡(luò)、電力故障時設(shè)備失控，同時加快設(shè)備響應(yīng)速度。通過用戶的實時定位和個性化要求在臨近終端的節(jié)點計算分析，比一般性推薦更加精準快速。

利用可穿戴設(shè)備收集個人健康數(shù)據(jù)，直接在設(shè)備上處理數(shù)據(jù)，保護個人數(shù)據(jù)隱私。在以團隊合作、對戰(zhàn)為賣點的手機游戲中，降低網(wǎng)絡(luò)時延，提高游戲體驗。

公共安全

痛點：實時性要求高。城市各類刑事犯罪呈現(xiàn)高發(fā)態(tài)勢，尤其是突發(fā)性暴力犯罪，時間不可預(yù)測，要求公安機關(guān)快速反應(yīng)、快速決策、快速處置。

針對海量視頻監(jiān)控的人臉識別應(yīng)用，云計算能力有限，存在諸如響應(yīng)不及時、功耗高、網(wǎng)絡(luò)帶寬需求高等問題。

準確度要求高。公安系統(tǒng)的身份甄別、合成追逃、偵查破案等業(yè)務(wù)場景對公民身份認證的準確性有很高要求。邊緣智能賦能前端攝像設(shè)備，助力城市視頻監(jiān)控。

優(yōu)勢：將AI能力注入到前端攝像機等邊緣設(shè)備，本地設(shè)備上直接完成智能圖像識別，提高實時性。視頻圖像在邊緣處進行預(yù)處理，降低對存儲和網(wǎng)絡(luò)帶寬需求，提高視頻分析的速度。

基于邊緣預(yù)處理功能，可以構(gòu)建基于行為感知的視頻監(jiān)控數(shù)據(jù)彈性存儲機制，實時調(diào)整視頻數(shù)據(jù)，降低存儲空間。僅把精煉的結(jié)構(gòu)化有效數(shù)據(jù)上傳云端處理，有效降低視頻流的傳輸與存儲成本，分攤云中心的計算和存儲壓力。

智能交通

提高突發(fā)事件分析的準確性。建立車載端分析模型，對采集數(shù)據(jù)進行實時預(yù)先研判，提高車輛駕駛時突發(fā)事件分析的準確性。不完全依賴云端， 避免突發(fā)的自然災(zāi)害、

信號干擾或技術(shù)故障造成的無網(wǎng)絡(luò)狀態(tài)。提高交通系統(tǒng)運行效率。建立城市軌道交通系統(tǒng)的“末梢神經(jīng)”，利用邊緣計算獨立、安全地控制列車屏蔽門的開合。

基于邊緣計算的智能停車系統(tǒng)，收集用戶周圍環(huán)境信息，分析附近可用資源，提升了車位利用率。利用邊緣計算建立從車輛路況監(jiān)測的車載視頻處理機制，創(chuàng)建實時地圖，優(yōu)化交通流，改善車輛擁堵狀況。為乘客帶來更多增值服務(wù)。在智能交通車聯(lián)網(wǎng)應(yīng)用中，每一輛公交車和地鐵上部署車載智能移動網(wǎng)關(guān)，緩存數(shù)據(jù)信息，在網(wǎng)絡(luò)信號差的環(huán)境也能保持平穩(wěn)運營，同時實現(xiàn)差異化的精準營銷。

智能制造

痛點：工業(yè)車間內(nèi)設(shè)備種類、數(shù)量、功能日益增多，調(diào)度和分配的難度加大;各軟硬件系統(tǒng)的運行對網(wǎng)絡(luò)依賴性越來越大，要求高實時性和確定性;傳感器的增多，要求控制系統(tǒng)越來越智能;需求側(cè)的個性化定制，要求控制系統(tǒng)越來越柔性;服務(wù)商的專業(yè)化分工使全廠設(shè)備的互聯(lián)互通越來越困難。

邊緣智能提升制造效能，促進萬“務(wù)”互聯(lián)。充分實現(xiàn)設(shè)備間互聯(lián)、互通、互操作;串聯(lián)數(shù)字工廠的的各個環(huán)節(jié)—智能生產(chǎn)、智能裝備、智能產(chǎn)品、智能物流;實現(xiàn)生產(chǎn)模式的定制;設(shè)備的靈活更換，生產(chǎn)計劃的靈活調(diào)整，新工藝/新流程的快速部署。

智能駕駛

邊緣計算是智能駕駛海量數(shù)據(jù)快速處理的重要工具。智能駕駛在實現(xiàn)過程中，會應(yīng)用到語音識別、圖像識別、AR信息提升等多種技術(shù)，海量數(shù)據(jù)的處理在應(yīng)用過程中是必不可少的一環(huán)，而邊緣計算是實現(xiàn)這一環(huán)的重要工具。

邊緣計算保證智能駕駛中的低時延性和可靠性要求。智能駕駛應(yīng)用中實現(xiàn)碰撞預(yù)警等功能時，須保證通信時延在毫秒級，邊緣計算能夠保證數(shù)據(jù)處理的低時延性、可靠性，而云計算過程中易出現(xiàn)斷網(wǎng)或者傳輸延遲等問題，無法保證智能駕駛的安全性。

邊緣計算具有位置感知性，可用于分析周圍交通環(huán)境。邊緣計算具有位置感知性，可實時感應(yīng)當前車輛位置，并對數(shù)據(jù)進行實時分析，將結(jié)果傳輸?shù)礁浇能囕v中，更加有利于周圍車輛的交通環(huán)境分析，增強智能駕駛應(yīng)用中交通整體安全性。