5G和邊緣計算間是相互促進、彼此成就的關系。5G的商用化進程推動了邊緣計算技術的快速落地 同時 邊緣計算技術的應用又大大促進了5G網絡更快、更好地發展。

根據業務的訴求不同 MEC的應用場景可以分成兩大類：

第一類 是面向2B的業務 比如像精密制造、工業控制、園內的視頻監控和管理等 其典型的業務需求是數據不能出場、高可靠的工業組網、超高的上行帶寬、超低時延、超強算力和專網管理等。

第二類 是面向2B2C的業務 主要是OTT應用服務商業務為主 比如 車聯網、AR/VR/云游戲等 這類業務的需求是廣覆蓋、有QoS保障的連接、邊云密切協同和超高的移動性等。

下面分析幾種典型的5G業務中MEC設備的功能需求及其可能的部署位置。

1、智慧工廠該場景下MEC設備要解決的問題是：接入的設備多 而且大部分設備的數據是視頻數據 數據量非常大 比如 安防機器人、做質量檢測的機器視覺、人臉識別閘機、AR/VR眼鏡等；數據處理要求時延低 特別是機床操控；數據有隱私需求 需本地處理 不能出園區；有固定不動的設備 也有高速移動的設備。

針對以上場景 一般會考慮構建一個5G專網 支持大帶寬、低時延特性 以滿足大規模AGV組網調度的需求。除了支持5G連接 保證移動性設備的接入外 還要支持光纖接入和WiFi接入。MEC平臺上需要集成AGV視覺導航系統、工業數據采集、AR遠程專家指導、機器視覺質量檢測等多種應用 實時地對接入的海量數據進行智能分析 以實現低時延的自動化控制。

智慧工廠場景中的MEC平臺通常會就近與專網中的5G基站合設。

2、云游戲、AR/VR這三種業務的共同點就是都需要極大的傳輸帶寬 用于交互很多視頻的內容 時延越低 用戶的體驗會越好；不同點在于時延要求有所不同 業務發生的場所不同 客戶群也有所不同。

對這三種業務而言 如果能夠采用邊緣計算技術 把計算和渲染的能力遷移到邊緣云的位置 相比云計算來說 一方面能夠大大降低時延 提升用戶體驗；另一方面 能大大減低對終端的性能要求 終端的重量、成本下降 能夠向輕便型轉變 這樣客戶的接受程度也會提升 促進產業發展。

對于云游戲 如果是在公有云的服務器上運行 服務器渲染完成后的游戲畫面通過網絡再傳送給用戶的話 玩家會直接感受到從指令輸入到畫面更新延遲較高 游戲體驗差。如果將云游戲從公有云遷移到靠近玩家的邊緣云 在本地進行渲染 縮短傳輸距離 時延能夠降到20ms以內 顯著提升用戶體驗 同時還能節省邊緣云到5G核心網的回傳帶寬。

云游戲屬于2C業務 而且對時延的要求不是太高 因此 MEC服務器可以部署在地市核心機房 這樣在兼顧到更多客戶的情況下 既提升業務性能 又能夠降低運維成本。

對于AR 現有的解決方案中 用戶需先下載安裝巨大的APP來進行AR的體驗 手機的內存、電量和存儲容量也限制了AR的發展。MEC平臺能夠通過網絡數據來確定用戶的位置 然后利用就近的、本地的AR服務器 提供實時的AR內容匹配計算和推送 以實現本地實景和AR內容頻道實時聚合 這樣就能帶給客戶全新的獨特用戶體驗。

對于VR業務 以賽事直播為例 如果在場館內部署MEC平臺 在本地緩存全景攝像頭所拍攝的視頻 供球迷通過VR設備來快速回看 就能體驗到在VIP位置的觀看效果。通過在本地部署的MEC 大大地降低時延以避免眩暈感 并減少對回傳資源的消耗。

AR/VR通常都是2B2C業務 區域性比較強 而且對時延要求很高。因此 一般建議在業務區域內部署MEC平臺 就近進行業務分流和處理。

3、自動駕駛自動駕駛首先對網絡的帶寬有著苛刻的要求 如果把車輛遇到的所有信息都傳輸到云端處理 至少需要超過 100Mbit/s 才能滿足要求；其次 車輛在高速行駛中 對于時延的要求也極高 必須保持在 1 ms~10ms 之間。

要實現自動駕駛 有幾個問題必須依靠邊緣計算平臺才能解決：1）單車、路側單元與應用平臺等之間交互時延過大 無法及時獲取、處理以及決策信息 無法滿足自動駕駛對網絡實時性的需求。

2）單車以及周邊交通單元感知能力不足 無法對于超過視距范圍事件準確感知和信息同步 無法全局掌握區域交通信息 運行范圍及車路協同一體化受限。

3）汽車故障管理也是制約自動駕駛從實驗室走向商用的重要因素之一 需要進行及時人工干預 預防事故發生 保障自動駕駛安全性等。

而MEC平臺分布式特征則能夠很好地解決海量數據處理、海量終端連接以及高速移動切換等問題。MEC平臺還能及時接受路側單元上報的路側信息 并推送至鄰近的車輛 實現本地分流和無縫切換 保障更好地支持視線盲區的預警業務。另外 車載部分計算分析系統上移至 MEC 邊緣云 能夠有效降低智能車輛改造成本 提速無人駕駛商業化步伐 并預留開放接口為所有車聯網終端提供遠程故障管理服務。

由于自動駕駛的復雜性 它對帶寬、時延、移動性的要求都特別地高 所以 針對自動駕駛來部署邊緣計算設備時 也會相對復雜 考慮的因素比其他業務更多一些。

首先 MEC平臺應盡量靠近終端接入側 一般會在路側部署邊緣計算節點 獲取車輛周邊的全面路況交通信息 并進行數據統一處理 對于有安全隱患的車輛發出警示信號 輔助車輛安全駕駛。其次 要實施更全面的車輛控制和故障管理等功能 平臺的功能和性能要求也會很高 路側部署的邊緣節點通常不能滿足要求 此時 需要在基站側再部署計算能力高的MEC服務器。

由于涉及到高速移動 車載終端必須采用5G接入方式才能滿足業務連續性的要求。3GPP針對這種場景也進行了專門的規定 在切換發生時 通過雙連接的方式 以保證高速移動情況下業務的連續性。

4、安防行業由于國家一批大型項目的推動 安防是AI最早落地的領域。安防的AI化過程中 已經經歷了從云計算到云邊協同的階段 甚至已經在向邊網融合的方向發展。現在很多的攝像頭 包括家用的攝像頭 都已經有人臉識別、語音識別和行為識別功能 這就是一種典型的邊緣節點；而視頻監控一體機、人臉識別盒子、NVR存儲設備等 計算能力就更強一些 可以屬于邊緣云計算；云計算中心的應用平臺的功能和性能更強大 通常都是具有超大運算能力的GPU服務器。

安防和MEC的結合應用 其實更多是由于移動化的巡檢設備的出現而需要考慮的 像巡檢無人機等。如果要實時傳輸監控數據 這些設備所需的回傳帶寬要求也是非常高的。但是 在監控過程中 大部分畫面其實是靜止不動的 沒有必要上傳所有的數據 這時就可以通過就近部署MEC平臺 對采集到的視頻內容進行預分析處理 只上傳有變化、有價值的畫面 大部分價值不高的監控數據就存在本地的存儲服務器中 這樣就能夠大大地節省傳輸資源。

5、案例分析 在應用的最后 以一個實時無人機檢測的項目為例 說明未來邊緣計算產業鏈將會是多方合作的發展模式。該項目由微軟Azure提供邊緣云服務 AT&T提供5G網絡連接服務 軟件公司Vorpal提供的是與無人機相關的檢測定位應用程序 該程序是運行在Azure的云服務器上 無人機提供的信息可以供執法機構或者機場使用。

通過這個案例 可以看到邊緣計算應用中的幾個關鍵點：

必須要有邊緣計算才能降低5G數據業務的時延 提升用戶體驗；僅有云服務提供商 無法提供廣闊的網絡覆蓋 業務無法開展；電信運營商要想超越管道角色也很難 需要努力挖掘產業鏈上的機會。（本文作者為中國信息通信研究院泰爾終端實驗室高級工程師） 責任編輯:tzh