技術(shù)
導(dǎo)讀:邊緣計(jì)算與人工智能技術(shù)在公共安全領(lǐng)域的應(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(jià)值場景。
圖片來自“東方IC”
我國的安防領(lǐng)域信息化基礎(chǔ)扎實(shí),攝像頭、抓拍機(jī)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(jì)算機(jī)視覺等技術(shù)的實(shí)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(jì)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(jià)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(jià)值應(yīng)用場景。
一、邊緣計(jì)算
歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)定義:
在移動(dòng)網(wǎng)邊緣提供 IT 服務(wù)環(huán)境和云計(jì)算能力,強(qiáng)調(diào)靠近移動(dòng)用戶,以減少網(wǎng)絡(luò)操作和服務(wù)時(shí)延,提高用戶體驗(yàn)。
賽迪顧問定義:
在靠近數(shù)據(jù)產(chǎn)生端進(jìn)行計(jì)算,將網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)能力從云端延伸到網(wǎng)絡(luò)邊緣,具有鄰近性、低時(shí)延、本地性、位置感知性的一種新型計(jì)算模式。
二、邊緣計(jì)算四大特點(diǎn)
邊緣計(jì)算具有鄰近性、低時(shí)延、本地性、位置感知性四大特點(diǎn)。
1、鄰近性
邊緣計(jì)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。
2、低時(shí)延
邊緣計(jì)算服務(wù)靠近產(chǎn)生數(shù)據(jù)的終端設(shè)備,相對于云計(jì)算,極大地降低了時(shí)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。
3、本地性
邊緣計(jì)算可以與網(wǎng)絡(luò)的其余部分隔離運(yùn)行,可實(shí)現(xiàn)本地化、相對獨(dú)立的計(jì)算。一方面保證了本地?cái)?shù)據(jù)的安全性,另一方面降低了計(jì)算對網(wǎng)絡(luò)質(zhì)量的依賴性。
4、位置感知性
當(dāng)邊緣網(wǎng)絡(luò)是無線網(wǎng)絡(luò)的一部分時(shí),邊緣計(jì)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。
三、邊緣計(jì)算與云計(jì)算的聯(lián)系和區(qū)別
1、聯(lián)系:
邊緣計(jì)算和云計(jì)算將同時(shí)共存、相互補(bǔ)充、相互促進(jìn),共同解決大數(shù)據(jù)時(shí)代的計(jì)算問題。邊緣計(jì)算與云計(jì)算是行業(yè)數(shù)字化轉(zhuǎn)型的兩大重要計(jì)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。
2、區(qū)別:
數(shù)據(jù)計(jì)算的任務(wù)不同。云計(jì)算把握整體,適用于大規(guī)模、非實(shí)時(shí)業(yè)務(wù)的計(jì)算。邊緣計(jì)算關(guān)注于局部,適用于小規(guī)模、實(shí)時(shí)性計(jì)算任務(wù),能夠更好完成本地業(yè)務(wù)的實(shí)時(shí)處理。
網(wǎng)絡(luò)資源的負(fù)擔(dān)不同。與云計(jì)算相比,由于邊緣計(jì)算靠近信息源,數(shù)據(jù)可在本地進(jìn)行存儲(chǔ)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(fù)擔(dān),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(jì)算更適用于進(jìn)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(jì)算更適用于基于集成的算法模型,進(jìn)行本地小規(guī)模智能分析與預(yù)處理工作。
四、邊緣計(jì)算的影響與變化
1、業(yè)務(wù)處理從集中式到去中心化
邊緣計(jì)算將分布式計(jì)算融入集中式的云計(jì)算架構(gòu)中,能使計(jì)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。
集中式業(yè)務(wù)處理業(yè)務(wù)集中到中心串行處理,高延時(shí),低效率;大量數(shù)據(jù)傳回中心,容易阻塞網(wǎng)絡(luò),帶寬成本較高。存在性能瓶頸和業(yè)務(wù)處理不靈活的缺陷。
分布式多中心業(yè)務(wù)處理:與集中式處理模式不同,分布式架構(gòu)使業(yè)務(wù)能并行處理,并且能充分利用各分布節(jié)點(diǎn)的多中心資源,大大提高整體資源利用率,業(yè)務(wù)可彈性伸縮;并滿足較低時(shí)延,較好的用戶體驗(yàn)。
去中心化業(yè)務(wù)處理:業(yè)務(wù)不再依賴中心,云、邊、端各司其職、相互協(xié)同;邊緣側(cè)融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力,能進(jìn)行本地化、特定性業(yè)務(wù)處理;最大價(jià)值體現(xiàn)在低延時(shí)、高效率、可離線、自治、服務(wù)感知、業(yè)務(wù)彈性伸縮。
2、資源配置從資源獨(dú)占到資源共享
邊緣計(jì)算最大價(jià)值是資源開放性、分享性,改變傳統(tǒng)資源獨(dú)占模式,通過分布式計(jì)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(huì)資源配置,提高資源利用率。
資源獨(dú)占:傳統(tǒng)邊緣側(cè)主要承擔(dān)的是數(shù)據(jù)采集與業(yè)務(wù)請求角色,都是要搶占、獨(dú)占中心計(jì)算、存儲(chǔ)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(kuò)大,對中心的壓力將不斷增加,導(dǎo)致整體運(yùn)營效率下降。
共享與分享:邊緣計(jì)算的商業(yè)模式將不僅以服務(wù)為驅(qū)動(dòng),更多是以數(shù)據(jù)為驅(qū)動(dòng),通過建設(shè)統(tǒng)一開放的接口,面向多用戶進(jìn)行數(shù)據(jù)開放,促進(jìn)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(huì)生產(chǎn)更經(jīng)濟(jì)、更快捷。
3、數(shù)據(jù)分析從把握整體到專注局部
萬物互聯(lián)時(shí)代需要更敏捷的數(shù)據(jù)處理,也需要更好數(shù)據(jù)保護(hù)。以往云計(jì)算只把握整體,所有數(shù)據(jù)均要傳到中心分析,而邊緣計(jì)算專注局部,聚焦實(shí)時(shí)、短周期數(shù)據(jù)的分析,能更好地支撐本地實(shí)時(shí)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(fù)擔(dān),降低傳輸成本。
數(shù)據(jù)隱私保護(hù):大量原始采集的數(shù)據(jù)無需全部傳輸?shù)皆贫?,能更好地對?shù)據(jù)的隱私提供保護(hù)。
4、應(yīng)用部署從未雨綢繆到隨需而動(dòng)
傳統(tǒng)業(yè)務(wù)擴(kuò)張由于受各種要素制約,如計(jì)算、網(wǎng)絡(luò)等,均需要根據(jù)需求提前進(jìn)行規(guī)劃與部署。邊緣計(jì)算低時(shí)延、鄰近化、高寬帶和位置認(rèn)知等特性,讓業(yè)務(wù)發(fā)展更從容,整個(gè)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(shí)現(xiàn)快速響應(yīng),敏捷部署。
智能感知:邊緣計(jì)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(shí)時(shí)化處理與執(zhí)行。
敏捷部署:邊緣計(jì)算將降低資源對業(yè)務(wù)發(fā)展約束性,通過彈性、可擴(kuò)展、預(yù)制化及敏捷化的設(shè)施部署與資源調(diào)用,及時(shí)響應(yīng)近端的業(yè)務(wù)變化需求,實(shí)現(xiàn)業(yè)務(wù)隨需而動(dòng)、快速部署。
五、邊緣智能八大應(yīng)用機(jī)會(huì)
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(jià)值較高的領(lǐng)域,具有較大發(fā)展機(jī)會(huì)。
1、消費(fèi)電子:低功耗、低延遲的AI芯片搭載于手機(jī)、可穿戴設(shè)備等消費(fèi)電子產(chǎn)品中,帶來更為順暢的交互升級體驗(yàn)。
2、智能家居:通過邊緣智能設(shè)備實(shí)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(shí)設(shè)備失控,同時(shí)加快設(shè)備響應(yīng)速度。
3、個(gè)性化推薦:通過用戶的實(shí)時(shí)定位和個(gè)性化要求在臨近終端的節(jié)點(diǎn)計(jì)算分析,比一般性推薦更加精準(zhǔn)快速。
4、健康檢測:利用可穿戴設(shè)備收集個(gè)人健康數(shù)據(jù),直接在設(shè)備上處理數(shù)據(jù),保護(hù)個(gè)人數(shù)據(jù)隱私。
5、手機(jī)游戲:在以團(tuán)隊(duì)合作、對戰(zhàn)為賣點(diǎn)的手機(jī)游戲中,降低網(wǎng)絡(luò)時(shí)延,提高游戲體驗(yàn)。
6、公共安全
痛點(diǎn):
實(shí)時(shí)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(shí)間不可預(yù)測,要求公安機(jī)關(guān)快速反應(yīng)、快速?zèng)Q策、快速處置。針對海量視頻監(jiān)控的人臉識(shí)別應(yīng)用,云計(jì)算能力有限,存在諸如響應(yīng)不及時(shí)、功耗高、網(wǎng)絡(luò)帶寬需求高等問題。
準(zhǔn)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(rèn)證的準(zhǔn)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(jī)等邊緣設(shè)備,本地設(shè)備上直接完成智能圖像識(shí)別,提高實(shí)時(shí)性。
視頻圖像在邊緣處進(jìn)行預(yù)處理,降低對存儲(chǔ)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?cái)?shù)據(jù)彈性存儲(chǔ)機(jī)制,實(shí)時(shí)調(diào)整視頻數(shù)據(jù),降低存儲(chǔ)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(chǔ)成本,分?jǐn)傇浦行牡挠?jì)算和存儲(chǔ)壓力。
7、智能交通
提高突發(fā)事件分析的準(zhǔn)確性。
建立車載端分析模型,對采集數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)先研判,提高車輛駕駛時(shí)突發(fā)事件分析的準(zhǔn)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(yùn)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(jì)算獨(dú)立、安全地控制列車屏蔽門的開合。
基于邊緣計(jì)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(jì)算建立從車輛路況監(jiān)測的車載視頻處理機(jī)制,創(chuàng)建實(shí)時(shí)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(dòng)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(yùn)營,同時(shí)實(shí)現(xiàn)差異化的精準(zhǔn)營銷。
8、智能制造
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(yùn)行對網(wǎng)絡(luò)依賴性越來越大,要求高實(shí)時(shí)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(gè)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(jìn)萬“務(wù)”互聯(lián)。
充分實(shí)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(gè)環(huán)節(jié)—智能生產(chǎn)、智能裝備、智能產(chǎn)品、智能物流;
實(shí)現(xiàn)生產(chǎn)模式的定制;
設(shè)備的靈活更換,生產(chǎn)計(jì)劃的靈活調(diào)整,新工藝/新流程的快速部署。
9、智能駕駛
邊緣計(jì)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(shí)現(xiàn)過程中,會(huì)應(yīng)用到語音識(shí)別、圖像識(shí)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(jì)算是實(shí)現(xiàn)這一環(huán)的重要工具。
邊緣計(jì)算保證智能駕駛中的低時(shí)延性和可靠性要求。
智能駕駛應(yīng)用中實(shí)現(xiàn)碰撞預(yù)警等功能時(shí),須保證通信時(shí)延在毫秒級,邊緣計(jì)算能夠保證數(shù)據(jù)處理的低時(shí)延性、可靠性,而云計(jì)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(jì)算具有位置感知性,可用于分析周圍交通環(huán)境。
邊緣計(jì)算具有位置感知性,可實(shí)時(shí)感應(yīng)當(dāng)前車輛位置,并對數(shù)據(jù)進(jìn)行實(shí)時(shí)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(qiáng)智能駕駛應(yīng)用中交通整體安全性。
六、三大判斷
1、公共安全將成為邊緣智能最先爆發(fā)的高價(jià)值場景
我國的安防領(lǐng)域信息化基礎(chǔ)扎實(shí),攝像頭、抓拍機(jī)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(jì)算機(jī)視覺等技術(shù)的實(shí)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(jì)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(jià)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(jià)值應(yīng)用場景。
2、算力將成為邊緣計(jì)算及邊緣智能發(fā)展的關(guān)鍵
邊緣計(jì)算實(shí)時(shí)性、本地性的特點(diǎn),決定了本地算力在邊緣智能時(shí)代扮演著至關(guān)重要的角色。邊緣側(cè)的智能能否實(shí)現(xiàn),一方面取決于邊緣側(cè)的算法模型是否適用,另一方面更取決于邊緣側(cè)是否能夠提供足夠的算力保障。
邊緣側(cè)往往面臨著空間、能源、網(wǎng)絡(luò)帶寬受限與業(yè)務(wù)突發(fā)的特點(diǎn)和難題,傳統(tǒng)的計(jì)算設(shè)施難以匹配邊緣側(cè)的場景需求。因此低功耗、高效率、可快速部署的算力產(chǎn)品及設(shè)施,將成為邊緣計(jì)算時(shí)代下產(chǎn)業(yè)發(fā)展的一大重點(diǎn)。
3、邊緣側(cè)的數(shù)據(jù)管理將迎來嚴(yán)峻挑戰(zhàn)
萬物互聯(lián)時(shí)代,邊緣側(cè)將是整個(gè)網(wǎng)絡(luò)系統(tǒng)中數(shù)據(jù)匯聚處理的最前線,將率先接收到海量異構(gòu)數(shù)據(jù)的沖擊。數(shù)據(jù)的篩選、分流、整合、存儲(chǔ)、訪問、分析、安全管理都將迎來新的挑戰(zhàn)。
數(shù)據(jù)管理涉及到接口的標(biāo)準(zhǔn)化、業(yè)務(wù)模型的梳理、管理策略的設(shè)計(jì)、本地資源的有效利用等諸多問題,是邊緣計(jì)算的重要技術(shù)難點(diǎn)。數(shù)據(jù)管理的問題若不有效解決,也將嚴(yán)重制約邊緣側(cè)計(jì)算與智能應(yīng)用的開展。