AI的飛速發展開啓了各科技大國的人工智能“軍備競賽”，而這場競賽的主戰場一定是在邊緣計算領域。
邊緣計算並不是一個新的概念。從“雲”開始走進大衆視野，繼而物聯網使我們邁進了後雲時代。AI技術的發展使得“雲”逐漸向“邊緣”過渡。邊緣計算是技術發展的必然，它打破了傳統雲計算的邊界，將計算分布到各個邊緣設備上進行。
隨著人工智能技術的興起，以及5G技術的發展，邊緣計算已經成爲各國的研究熱點，下圖展示了各國在邊緣計算産、學、研方面的投入比較。
作爲邊緣計算概念的最早提出國，美國在該領域的投入最多，中國次之。本文梳理了幾家美國科技巨頭企業在邊緣計算領域的産品和成果，分爲三個類別簡單介紹。先讓我們了解一下邊緣計算與5G有什麽關系以及邊緣計算能做什麽。
一
5G是邊緣計算的引擎
邊緣計算的技術實施需要考慮三個問題：安全、速度和規模。
隨著自動駕駛汽車、智能家居和許多其他高帶寬應用需求的增加，無線傳感器的數量將繼續呈幾何級數增長。企業級應用和消費級應用將需要更多的帶寬，來連接更多的網絡設備，還需要更高的安全性來保護和管理數據。而且物聯網設備的爆炸式增長意味著彼此之間的設備數量要多得多，現有4G LTE網絡標准的挑戰之一是連接密度。
而安全、速度和規模正是5G無線網絡標准的核心要求。4G網絡每平方公裏最多只能支持2000個活動設備，5G標准的設計目標是在每平方公裏內支持多達10萬個活動設備。
5G網絡給邊緣計算的應用提供高可靠性、低時延、高速率的傳輸條件，相當于爲邊緣計算架構的實施安裝上了動力引擎。
二
邊緣計算改變生活
搭上5G的順風車，邊緣計算的發展將爲以下應用場景帶來革命性的升級：
1、自動駕駛
自動駕駛汽車需要快速且持續不斷傳入並分析數據，必須在毫秒級時間內處理周圍的環境信息，以便采取相應的行動。這種數據量和時間的限制使得數據分析的計算不能依靠雲端的計算能力，只能在本地完成，這就對本地設備的計算能力提出更高的要求，下文將提到Google和NVIDIA等芯片廠商在邊緣計算芯片領域的布局。
另外，邊緣計算架構除了使自動駕駛車輛能夠實時收集、處理數據來實現自動駕駛功能，還將實時共享車輛之間的數據，並且結合地理位置附近的邊緣數據中心，將數據傳輸到城市網絡中，向緊急響應服務和汽車制造商傳遞關鍵數據，以提升自動駕駛汽車的可靠性和安全性。
2、智慧城市
信息爆炸的時代，每個城市正迅速成爲龐大的信息收集中心，傳感器每天都在收集交通模式、公用事業使用和關鍵基礎設施的數據，傳統的雲解決方案無法滿足海量的計算需求。
一個城市就是一個生態系統，交通物流、能源化工、商業通信、水氣電生活設施等子系統將借助基于5G的邊緣計算實現信息打通。未來的城市通過這些萬物互聯實現信息共享和協同運作，在城市資源分配、公共事務協調、突發事件預警等方面實現智能決策。整個城市更像一個智能體，生活在其中的人將擁有更舒適的體驗。
3、工業制造
通過將數據存儲和計算集成到工業設備中，制造商可以收集數據，以便更好地進行預測性維護和提高能源效率，從而降低成本和能源消耗，同時保持更好的可靠性和生産正常運行時間。通過持續的數據收集和分析，智能制造技術也將幫助公司定制生産和運行。通過部署微型數據中心（比如Edge Micro），制造廠商可以通過邊緣計算將生産設備、人和産品的數據進行實時采集和分析，推送到微型數據中心，再根據需要傳輸到雲端。
邊緣計算將爲工業制造提升智能化水平提供性能監控的手段，爲生産優化提供決策依據。比如，海上石油鑽井平台可以利用邊緣計算架構實時收集、監視和處理各種環境因素的數據，而不必依賴于遠程數據中心基礎設施。
4、金融領域
在智能手機成爲我們每個人生活必需品的時代，銀行機構正將邊緣計算技術與智能手機應用程序結合起來，以更好地針對客戶提供服務，甚至還可以借助邊緣計算架構爲自動取款機和自助服務台提供收集和處理數據的能力，使它們反應更快以提供更多人性化的服務功能。
對于對沖基金等交易型金融機構來說，交易算法計算上一毫秒的延遲可能意味著大量的資金損失。采用邊緣計算架構將核心計算放在世界各地證券交易所附近的數據中心，讓計算密集型的核心算法盡可能接近數據源，實時獲取最准確和最新的信息。
5、健康醫療
通過邊緣設備收集患者數據並將數據發送給醫院，讓醫務人員實時獲取到患者的健康數據，可以大大提高醫護的效率。特別對于一些長期的或慢性的疾病，如糖尿病和心血管疾病，這樣能減少患者頻繁趕赴醫院的麻煩，也可緩解醫療資源長期緊張的問題。
通過建立邊緣計算數據中心，還可以將整個醫療過程數據記錄下來，形成一個完整連續的醫療數據庫，爲醫療的診斷分析提供更全面的依據。可以預見，將來每個醫院就是一個健康醫療數據中心，只要有足夠安全的數據隱私監管和保護措施，邊緣計算和智能醫療將爲健康醫療領域帶來變革。
6、增強現實
增強現實（AR：Augmented Reality）應該會是5G時代落地最快、商用最廣的邊緣計算技術。與虛擬現實不同，AR不是生成一個完全的虛擬世界，而是將數字元素覆蓋在真實環境之上，通過眼鏡和耳機等可穿戴的增強現實設備作爲人機接口與人進行互動。因爲是直接與人互動，必須做到零延遲，這就要求在設備端處理視覺數據，並實時整合預渲染的視覺元素。
如果沒有邊緣計算架構，這些可視化數據將需要返回到集中的雲服務器，在雲服務器中進行視覺處理和元素渲染處理，還要再將數據發回設備端，這不可避免地會産生網絡延遲，這種延遲會讓人感覺到眩暈。邊緣計算技術加上5G網絡讓AR設備可以即時完成視覺處理和視覺合成，讓用戶在任何地方查看新的AR細節，而不會感受到延遲和眩暈。
遊戲和娛樂會是增強現實設備常見的應用程序，但增強現實更有意義的應用應該是在醫療領域。增強現實可以幫助外科醫生做手術，提供視覺輔助和更高的手術精度，提高手術的成功率。
三
美國的邊緣計算公司
下面分三個類別介紹美國邊緣計算領域的公司：
一是核心計算類，邊緣計算的核心在于邊緣端的計算能力，該類公司主打産品是芯片和計算框架；
二是網絡安全類，在這個類別中只介紹在雲計算領域CDN的王者Akamai公司，主打邊緣計算網絡安全；
三是平台設備類，主要關注邊緣計算平台框架以及與邊緣計算相關的微型數據中心。
其實，類別之間並沒有非常明確的界限，大的公司一般在硬件和軟件均有布局。
1、核心計算類
（1）谷歌（Google）
主打産品：Edge TPU和Cloud IoTa Edge
Edge TPU是爲邊緣計算設計的芯片，用于在邊緣設備上運行Tensorflow Lite機器學習模型。因爲是爲邊緣設備提供的，特點是功耗小、體積小、性能也足夠好。Edge TPU支持機器視覺、語音識別、機器人等多種智能應用，可以用在上面提到的幾乎每個場景中。
Cloud IoT Edge有點類似下面要介紹的微軟的Azure IoT Edge。Cloud IoT Edge軟件將Google Cloud強大的數據處理和機器學習能力擴展到邊緣設備端，是Google雲服務在邊緣設備的一種延伸。結合Edge TPU可以執行在Google Cloud中訓練好的機器學習或深度學習模型。
（2）英偉達（NVIDIA）
主打産品：芯片處理器
在智能計算芯片領域，怎麽能少得了英偉達。基于Jetson Nano處理器組裝的輕型NVIDIA EGX平台可實現每秒5億次並把功耗維持在幾瓦特；搭載NVIDIA T4的EGX邊緣服務器可以達到10萬億每秒的運算。芯片的低功耗對人工智能運算很重要，目前傳統CPU在這類運算中能耗巨大，EGX目前是少數能夠實現低功耗的計算平台。
Jetson Nano處理器在最近的一項針對機器學習的基准評測中戰勝了Google的EdgeTPU和英特爾的邊緣處理器，取得了機器學習計算性能上的領先地位。
2、網絡安全類
（1）Akamai
主打産品：智能邊緣平台（Intelligent Edge Platform）
Akamai是全球最大的CDN巨頭，沒有之一。Akamai在全球137個國家和地區擁有3900個數據中心，部署了240000台服務器，擁有全球最大的CDN平台。什麽是CDN？CDN全稱叫內容分發網絡，通俗一點可以理解爲互聯網數據快遞員，快遞的快慢影響了個人的消費體驗，而CDN就是解決數據內容分發的需求。平時用的抖音、快手、B站這些視頻網站就非常依賴CDN技術服務。從下面這張圖可以看出Akamai在CDN的領導地位。
Akamai的智能邊緣平台（Intelligent Edge Platform）是一個防禦盾牌，它可以將網站、用戶、設備、數據中心和雲納入防禦網絡等。我們知道，隨著數據科學技術的發展，網絡攻擊的手段也在升級，從DdoS攻擊發展到撞庫攻擊、爬蟲攻擊，邊緣設備與雲計算設備一樣面臨著這些攻擊的挑戰，Akamai是這方面的安全專家，擁有全球90%以上的互聯網用戶，Intelligent Edge Platform是目前唯一全球性的、大規模分布的、智能的Edge平台，提供邊緣計算的安全服務。
3、平台設備類
（1）微軟（Microsoft）
主打産品：Azure IoT Edge
Azure IoT Edge是在 Azure IoT 中心上構建的完全托管的服務。可以通過AzureIoT Edge在標准容器中部署AI和第三方服務以及自定義的業務邏輯，進而在邊緣設備上運行。Azure IoT Edge不是一個獨立的服務，需結合Azure雲服務使用，目的是幫助用戶將原來運行在雲端的分析模塊和業務模塊輕松的部署到邊緣設備端，支持跨平台部署。
（2）亞馬遜（Amazon）
主打産品：AWS Snowball Edge和AWS IoT Greengrass
AWS Snowball Edge是一種數據遷移和邊緣計算設備。Snowball Edge支持特定的Amazon EC2實例類型以及AWS Lambda函數，因此客戶可以在AWS中進行開發和測試，然後在偏遠位置的設備上部署應用程序以收集、預處理和返回數據。常見使用案例包括數據遷移、數據傳輸、圖像整理、IoT 傳感器流捕獲和機器學習。
AWS IoT Greengrass 是一個軟件，它將AWS雲功能擴展到本地設備。AWS IoT Greengrass 使本地設備可以更靠近信息源收集和分析數據，同時在本地網絡上安全地相互通信。具體來說就是，使用 AWS IoT Greengrass 的開發人員可以在 AWS 雲中編寫無服務器代碼（Lambda 函數，支持Python語言）。然後，他們就可以很方便地將此代碼部署到設備以便本地執行應用程序。
（3）Clear Blade
主打産品：物聯網平台（IoT Platform）和物聯網邊緣平台（IoT Edge Platform）
物聯網平台（IoT Platform）可以讓企業安全地實時運行和擴展物聯網設備，這是唯一一個允許企業根據不同行業定制要求二次開發的物聯網平台，部署在雲端，支持多租戶，每個租戶可以創建多個系統，在每個系統中開發者可以根據業務需求，創建各種應用。
物聯網邊緣平台（IoT Edge Platform）則是部署在邊緣計算設備端，上與物聯網平台連接，下與物聯網設備交互。Clear Blade支持可視化的配置界面，支持模塊化的服務開發，讓開發者很方便地創建邊緣計算實例。下圖是Clear Blade的平台架構圖。
（4）Edge Micro
主打産品： 低延遲的邊緣主機托管
數據密集型的邊緣計算還需要一定規模的數據中心作爲支撐，這樣的數據中心需要滿足邊緣計算的低延遲的需求，微型邊緣數據中心應運而生，特別在5G時代，隨著邊緣計算業務的發展，對于微型數據中心的需求將會大大增加。
Edge Micro就是提供這種微型數據中心的一家初創公司，這樣的初創公司還有很多，這些公司主要在提供低延遲、低功耗、高可靠性、環境適應性、容災備份等方面進行競爭。Edge Micro提供邊緣主機托管的數據中心服務，將計算、存儲和網絡資源放在離終端用戶更近的地方，以便更快地處理數據。這些微型數據中心一般會搭建在一個集裝箱大小的模塊中，便于模塊化安裝部署。
四
結論
可以看到，科技巨頭們在邊緣計算領域的競爭非常激烈，實際上美國搶占邊緣計算這片藍海的公司特別多，雖然科技巨頭們在技術領域具有領導地位，但是美國投入到邊緣計算的初創公司和小公司占到了整個産業界近80%，非常具有活力，公司數量更是在全球遙遙領先。
本文由“蘇甯財富資訊”原創，作者爲蘇甯金融研究院金融AI研究員李加慶