邬贺铨院士：《十问边缘计算》

邬贺铨院士针对边缘计算提出的10个问题，算是直戳核心（后文附）。

实际上这和边缘计算还未真正落地有关。

在工业互联网的发展中，边缘计算将成为重要的支撑与使能技术。国家在十三五规划中提出的两化融合、《中国制造2025》等战略，对ICT与OT的融合提出了迫切的需求，而边缘计算是ICT与OT融合的使能技术，是实现控制工业自动化架构的重要支撑（注：ICT是信息和通信技术；OT是操作技术，Operation Technology ）。

此前与边缘计算领域的创业公司、资深学者甚至电力行业等需求方都有过接触，他们的观点几乎一致：

工业制造、电力领域的企业，他们的数据处理也开始往外拓展，但不一定拓展到云上面，因为并不想让自己的数据依赖于阿里云、腾讯云等公司去处理。隐私是个非常大的考虑，即使是各项条件都允许，它也未必会愿意那么做，因为太危险了。

因为这种“不放心”，我们也看到云计算厂商开始在边缘计算领域“大张旗鼓”：

亚马逊AWS：2016年re：Invent开发者大会上推出AWS Greengrass，以公司现有的物联网和Lambda（无服务器计算）产品为基础，将AWS扩展到间歇性连接的边缘设备。

微软Azure：自2017年6月开始在Microsoft的BUILD 2017开发者大会上推出Azure IoT Edge，允许云工作负载集装箱化，并在从Raspberry Pi到工业网关的智能设备上本地运行。

Google：2018年7月，Google宣布推出两款大规模开发和部署智能连接设备的产品：Edge TPU和Cloud IoT Edge。Edge TPU是小型ASIC芯片，Cloud IoT Edge是软件堆栈。

阿里云：2018年3月，阿里巴巴宣布全面进军IoT领域，战略布局边缘计算，陆续推出了Link Edge、边缘节点服务ENS等，发力新制造。

一大批创业公司也正马不停蹄地赶来......

回到原点，我在想，边缘计算是对传统互联网的颠覆吗？

似乎不是。

传统互联网几十年来天生的缺陷，给现在的互联网造成很大了困扰，尤其是直播场景、工业应用场景。在过去，有一批人想过从底层开始改造，但这个想法基本上已经被完全抛弃了——底层改造实在代价太大，几乎不可能，因为社会场景已经完全依赖。

因此，除了改造互联网，边缘计算实际提供一种很好的方式，它在很大程度上可以解决很多问题：因为最终的东西是做应用。边缘计算没有破坏性，不是对传统互联网做一个彻底的改造，毕竟试过了，彻底的改造无法实现。

边缘计算之所以被想象成下一代互联网的一个重要技术，主要在于它横跨OT、IT、CT多个领域，且涉及网络联接、数据聚合、芯片、传感、行业应用等多个产业链角色，涉及不同行业、不同厂商之间的互通和互操作。

思科于2014年1月推出了雾计算作为将云计算功能带到网络边缘的一种方式。然而本质上，雾才是标准，边缘只是概念。雾在边缘计算概念中实现可重复的结构。雾计算概念下，边缘设备定义为传感器数据来源，具有必要的计算硬件、运行系统、应用软件和连接参与分布式计算。它从边缘扩展到“近边缘”功能，形成“雾节点”。

据451 Research称，就市场份额而言，2022年雾计算的主要垂直行业将是公用事业、交通运输、医疗保健、工业和农业，此外在智慧城市也有相当多的应用——这些行业给了边缘计算更多的“阳光”。

图片来源：451 Research＆OpenFog Consortium/ Chart：ZDNet

尽管可以想象，在边缘的一个视频监控系统中，使用者更希望监控录像能够存储在云存储中而不是边缘。这是由于云的物理安全性以及固有的冗余、无限的弹性和非常低成本的存储层，适合长期存档、完美匹配。

但是，在实践中，这种选择有其问题：你是否能够在互联网服务中断期间保持录像？你是否需要能够快速从存档中本地检索视频？这些限制意味着边缘存储仍然像以前一样重要。

因此，云存储显然有其缺陷，但纯边缘存储也有其不完美的地方。列举几个：

需要定期备份到安全的远程位置，以避免在发生本地灾难时丢失数据。

在站点之间进行边缘存储协作并不容易，并且由于缺乏本地IT而极难进行大规模管理。

它很容易被盗，而且无法搜索，造成了“黑暗数据”的孤岛。

各地的IT部门都在花费大量的时间和金钱来管理边缘存储。例如当员工购买新笔记本电脑时，IT需要将数据从旧设备传输到新设备。

我们能观察到的事实是，从大型机到台式PC，到本地数据中心，再到云数据中心。现在，无论是学术圈还是产业界，都在研究现有元素的混合，以及与数十亿的智能IoT设备、网关和节点之间的“雾”进行联系。

设备连接一直是阻碍这种转变的瓶颈，但随着5G移动网络的出现，这种情况即将得到巨大的改变。

因此，灵活运用“边缘+云”的方式，云厂商或许会提供出更多有弹性的方案。而提供单独方案的公司，有点像Gartner魔力象限里面最靠近原点的那部分，里面的企业被称为“niche players”，即利基玩家的意思，很容易被替代，也很容易被淘汰。

当然，如何在云计算与边缘计算间做好计算能力的“分割”，也是目前全球的企业CIO应该认真考虑实施“边缘到云”、“边缘+云”范例的重要问题。

附：邬贺铨《十问边缘计算》

中国工程院院士邬贺铨是推进边缘计算技术与产业繁荣发展倡议的专家之一，对边缘计算有着更加深入的思考。在近期的2018边缘计算技术峰会上，他表示，边缘计算技术应该是一个体系，但目前包括他本人都对这个体系了解只是边缘，根本没有进入到核心，很多东西不太清楚，所以提出十问，特做转发。文中MEC指的是Mobile Edge Computing，即移动边缘计算。

图为：中国工程院院士 邬贺铨

NO1：5G MEC应该下沉到什么位置？边缘计算放在DU？还是CU？还是放在核心网？显然靠近底下反应越快，数量越多，放在什么位置是值得研究的。

NO2：计算能力是一级设置还是多级设置？在采用MEC的前提下，还要不要同时设置云计算？在云计算和MEC之间是否需要设置雾计算？一个云计算节点联接的移动边缘计算（或雾计算）节点的合理数量是多少？

NO3：计算能力如何在云计算与边缘计算间优化配置？计算能力的分割是固定的还是可动态调整的？MEC需要向云计算节点上报过滤后的数据。云计算节点需要向MEC下发指令，除此之外两者间的通信还应有什么任务？

NO4：MEC间通过云计算节点互通还是直接通信？同样是边缘计算节点，它们之间要不要互通，或者说必须间接互通？

NO5：边缘计算需要有IaaS/PaaS/SaaS等服务能力吗？假如通过边缘计算增强人脸识别能力，边缘计算至少具备PaaS的功能，还需要可能具有一些视频转码的功能就是SaaS，有可能需要DaaS（数据即服务）的功能，边缘计算是不是都这么全？到底需要有几层，值得研究。

NO6：边缘计算需要同时具备接入、转发和控制云能力吗？如果说边缘计算是放在CU，它要集中管理好多DU，是否也应该具有控制云的能力？

NO7：MEC应该与网络切片结合吗？网络切片是5G最基本的一个特征，边缘计算要不要结合？

NO8：位于C-RAN的MEC需要按业务来配置吗？不同的边缘计算对应不同的应用，有对应移动大数据，有对应大连接的，还有对应社会与互联网数据的。在这种情况下，边缘计算是按业务来配置的，将来的边缘计算也是这样吗？

NO9：MEC是独立设置还是应与其他功能集成？基站的边缘计算首先进行大数据的收集采集，同时实现加密，在对大数据进行消化后，它回送网络数据链应该是减少的，也就意味着对数据过滤，为了过滤，它可能需要缓存，所以，边缘计算会跟缓存数据采集，数据分析，过滤，计算能力集中在一起，边缘计算绝不是单一的计算能力。

NO10：MEC的功能需要软件定义吗？MEC可仿照NFV实现软件定义，允许跨过多厂家的MEC平台有效与无缝集成来自厂商、服务提供商和第三方的应用，MEC的功能会开放吗？如果开放就要有接入权限管理。

邬贺铨还说，他对MEC的思考还不止这些，但他希望能看到答案。

你如何评价？你有答案吗？