全面认识“边缘云”,中国首份边缘云白皮书发布

2019 年 1 月 15 日 人工智能学家
全面认识“边缘云”,中国首份边缘云白皮书发布

来源:中国电子技术标准化研究院、阿里云

摘要:《边缘云计算技术与标准化白皮书》近期发布,定义了边缘云计算的概念和标准等。中心云和边缘云相互配合,实现中心-边缘协同、全网算力调度、全网统一管控等能力,真正实现“无处不在”的云。


今天全面认识一下“边缘云”。


最近,中国电子技术标准化研究院、阿里云等单位共同编制并发布了一份《边缘云计算技术与标准化白皮书》,定义了边缘云计算的概念和标准等。



白皮书的主要内容包括:


一、定义边缘云计算的概念。

二、边缘云计算的典型应用场景。

三、边缘云计算的技术特点。

四、边缘云计算标准化需求以及标准化建议。


这也是国内首次对边缘云下定义。


首次定义“边缘云”:构筑在边缘基础设施之上的云计算平台


随着 5G、物联网时代的到来以及云计算应用的逐渐增加,传统的云计算技术已经无法满足终端侧“大连接,低时延,大带宽”的需求。


随着边缘计算技术的出现,云计算将必然发展到下一个技术阶段,将云计算的能力拓展至距离终端最近的边缘侧,并通过云边端的统一管控实现云计算服务的下沉,供端到端的云服务,由此产生了边缘云计算的概念。


在白皮书中,首次对“边缘云”进行了定义:


边缘云是基于云计算技术的核心和边缘计算的能力,构筑在边缘基础设施之上的云计算平台。形成边缘位置的计算、网络、存储、安全等能力全面的弹性云平台,并与中心云和物联网终端形成“云边端三体协同” 的端到端的技术架构,通过将网络转发、存储、计算,智能化数据分析等工作放在边缘处理,降低响应时延、减轻云端压力、降低带宽成本,并供全网调度、算力分发等云服务。


下图表述了边缘云计算的基本概念,中心云和边缘云相互配合,实现中心-边缘协同、全网算力调度、全网统一管控等能力,真正实现“无处不在”的云。 



边缘云计算能够最大程度上与传统云计算在架构、接口、管理等关键能力上 实现统一,最终将边缘设备与云进行整合,成为云的一部分。


边缘云计算与传统云计算的关系,类似人类的“大脑”与遍布全身的“神经系统”的关系,相辅相成。 


边缘云六大特点、两大关键能力


总体来看,边缘云计算技术具备六大特点:


低延时:因边缘云计算就近提供计算和网络覆盖,数据的产生、处理和使用都发生在离数据源很近的范围内,接收并响应终端请求的时延极低。

自组织:当网络出现问题甚至中断时,边缘云的节点可以实现本地自治和自恢复。

可定义:边缘云服务及业务逻辑不是一成不变的,而是可以由用户修改、更新和定制。

可调度:业务逻辑可以由中心云动态分发,具体在哪个边缘节点执行是可以调度的。

高安全:能够供与传统云计算一体化的安全防护能力。

标准开放:供标准化且开放的环境,具有和其他系统互联及互操作的能力。


下图展示了边缘云计算的关键能力,其包含统一协同能力和服务能力两大部分。


边缘云计算的统一协同能力包括:


  1. 统一控制管理

  2. 管控通道的高可用和稳定性

  3. 业务调度协同

  4. 大数据处理协同

  5. 云边一体化安全能力

  6. 统一开放的服务接口


边缘云计算的服务能力包括:


  1. 边缘云计算基础设施服务,如计算、存储、网络、加速器等。

  2. 边缘云计算平台服务,如容器服务、大数据服务、人工智能服务、vCDN、 即时通信服务 RTC、视频 AI、音视频通信等。 


边缘云两大类场景:全网覆盖和本地覆盖


边缘云计算的应用场景从覆盖上可以分为全网覆盖类和本地覆盖类两大类:


1、全网覆盖类应用的核心要求是从边缘节点在地区和运营商网络两个层面上的覆盖度,来保证就近计算(如 CDN、互动直播、边缘拨测/监控等业务),或者基于足够多的节点进行网络链路优化(如 SDN/SD-WAN、在线 教育、实时通信等)。 


2、本地覆盖类应用的核心要求是边缘节点的本地化,即边缘节点的接入距离要足够近(目标<30 公里),时延足够低(目标<5ms),来支持本地化服务的上云需求,例如新零售、医疗等行业的监控数据上云,连锁门店等线下行业的 IT 基础设施上云等。这类应用的大带宽需求是最能体现边缘云计算时延和成本优化等核心优势的场景。 


互动直播中的边缘云一般属于全网覆盖类应用:



主播的媒体流推送到就近的边缘节点,在边缘节点直接进行转码,转码后的媒体流分发到CDN边缘节点,当有用户访问时就近返回内容。基于边缘节点上的服务、直播流的上下行内容推送以及转码处理等都不用再回中心,大大降低了业务时延,提升了互动体验,同时边缘处理架构对带宽成本的节省也非常明显。 


智慧城市中的边缘云一般属于本地覆盖类应用:



在边缘云计算的架构下,智慧城市的建设过程中整个系统分为采集层、感知层、应用层。


在采集层,海量监控摄像头采集原始视频并传输到就近的本地汇聚节点。 


在感知层,视频汇聚节点内置来自云端下发的视觉 AI 推理模型及参数,完成对原始视频流的汇聚和 AI 计算,提取结构化特征信息。 


在应用层,城市大脑可根据来自各个汇聚节点上报的特征信息,全面统筹规划形成决策,还可按需实时调取原始视频流。 


另外,这份白皮书的关键作用之一还在于提出了边缘云计算标准化的建议。


针对边缘云生态中技术、产品、服务、应用等关键环节,结合国内外边缘云技术发展现状以及标准化需求,白皮书提出边缘云计算标准化体系框架,如下图所示,包括:基础标准、技术标准、管理及服务标准、安全标准、行业及应用标准。


这些标准主要在现有云计算标准体系之上延续和扩展,以满足边缘云计算的新需求和新特性。 


在边缘计算服务出现之前,客户只有一个选择:他们必须从不同地区的不同运营商处购买节点,并建立自己的边缘基础设施。而自建基础设施将带来一系列问题和挑战。例如,阿里云的边缘计算产品代表性的有依托边缘节点服务ENS和Link IoT Edge,这两个产品能够帮助用户深入到每一个计算场景。ENS覆盖全球,客户可以在几分钟内创建边缘资源,将从终端到节点的响应时间缩短到5毫秒,并为中心节省30%以上的带宽成本。 Link IoT Edge支持智能设备上部署边缘计算(本地暂存,设备连接,函数计算,流式计算等),让设备“天然”智能。目前在数字工厂、全屋智能等8大领域都有覆盖。 


在可以预见的将来,随着技术的成熟以及新的应用出现,边缘云计算技术必 将得到更大的发展,覆盖的潜在客户和场景将不断出现。随着边缘云计算的应用 场景越来越多,用户需求的变化将是未来需要关注的重点。 


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


登录查看更多
4

相关内容

近日,全球分析师大会HAS 2020期间,华为面向全球发布《自动驾驶网络解决方案白皮书》,系统阐述未来网络架构、运维架构和其关键技术,通过网元、网络和云端的三层AI能力协同,使能网络走向极简超宽、运维迈向人机协同,为运营商和产业伙伴的数字化转型提供实践参考。

华为自动驾驶网络ADN目标架构

  华为公共开发部总裁鲁鸿驹表示:“未来十年是智能时代蓬勃发展的黄金十年,以5G、云、AI为核心代表的新技术将赋予联接智能升级的核心动能。华为呼吁业界同仁一同探索实践,通过数据与知识驱动,打造一张自动、自愈、自优的自治网络,抓住数字经济所赋予的新机遇。“

  白皮书指出,打造自动驾驶网络需做出两大转变:

  第一,从“以网元为中心”的碎片化建网模式,转变为“以业务为中心”的积木式的自治域建网模式。通过融合的“管理-控制-分析” 实现单域自治和实时闭环,平衡域内创新和域间协同的成本与速度;

  第二,产业携手定义跨域开放协同的目标架构和可编程的API标准,大幅简化跨域业务协同和保障的复杂性,降低研运成本和风险,简化集成敏捷商业,降低整个产业的协作成本。

  同时,白皮书建议以L4级(高度自动驾驶网络)作为未来架构的阶段性目标,应该具备以下四个特征:一、网络知识和专家知识数字化,从被动的人工运维走向预测性的智能运维;二、极简架构的网络基础设施,网元走向智能化;三、分层的单域自治和跨域协同,网络走向在线实时闭环;四、统一的云端AI训练、知识管理和运维设计平台,支持电信网络迭代演进。

  白皮书呼吁业界要实现自动驾驶网络的宏伟目标,需要产业各方达成共识,按照开发一代、研究一代、探索一代的方式共同制定统一标准和分级评估体系,形成高效协同的产业生态,共同助力产业智能升级和健康可持续性发展。

成为VIP会员查看完整内容
0
66

主题: 2019年人工智能的发展

摘要:

人工智能是一个很宽泛的概念,概括而言是对人的意识和思维过程的模拟,利用机器学习和数据分析方法赋予机器类人的能力。人工智能将提升社会劳动生产率,特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。据Sage预测,到2030年人工智能的出现将为全球GDP带来额外14%的提升,相当于15.7万亿美元的增长。全球范围内越来越多的政府和企业组织逐渐认识到人工智能在经济和战略上的重要性,并从国家战略和商业活动上涉足人工智能。全球人工智能市场将在未来几年经历现象级的增长。据中国产业信息网和中国信息通信研究院数据,世界人工智能市场将在2020年达到6800亿元人民币,复合增长率达26.2%,而中国人工智能市场也将在2020年达到710亿元人民币,复合增长率达44.5%。

我国发展人工智能具有多个方面的优势,比如开放的市场环境、海量的数据资源、强有力的战略引领和政策支持、丰富的应用场景等,但仍存在基础研究和原创算法薄弱、高端元器件缺乏、没有具备国际影响力的人工智能开放平台等短板。此份报告不但对人工智能关键技术(计算机视觉技术、自然语言处理技术、跨媒体分析推理技术、智适应学习技术、群体智能技术、自主无人系统技术、智能芯片技术、脑机接口技术等)、人工智能典型应用产业与场景(安防、金融、零售、交通、教育、医疗、制造、健康等)做出了梳理,而且同时强调人工智能开放平台的重要性,并列举百度Apollo开放平台、阿里云城市大脑、腾讯觅影AI辅诊开放平台、科大讯飞智能语音开放创新平台、商汤智能视觉开放创新平台、松鼠AI智适应教育开放平台、京东人工智能开放平台NeuHub、搜狗人工智能开放平台等典型案例呈现给读者。最后,列举国内外优秀的人工智能公司与读者共勉。随着技术的进步、应用场景的丰富、开放平台的涌现和人工智能公司的创新活动,我国整个人工智能行业的生态圈也会逐步完善,从而为智慧社会的建设贡献巨大力量。

成为VIP会员查看完整内容
2
98

【导读】今天,达摩院发布了“2020十大科技趋势”,涵盖人工智能、量子计算、云计算、芯片半导体等多个领域。

2020是如此科幻的年份,步入2020年,仿佛回到久违的未来。科技浪潮新十年开启,蓄势已久的智能革命将迎来颠覆性的技术变局。达摩院今天发布2020十大科技趋势,希望与你共同见证那些期待已久或从未料想的变化,并且循着技术演进的曲线 ,找到我们的来处和去向。

趋势一、人工智能从感知智能向认知智能演进

【趋势概要】人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准,但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感,并结合跨领域知识图谱、因果推理、持续学习等技术,建立稳定获取和表达知识的有效机制,让知识能够被机器理解和运用,实现从感知智能到认知智能的关键突破。

趋势二、计算存储一体化突破AI算力瓶颈

【趋势概要】冯诺伊曼架构的存储和计算分离,已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法探索的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体,能显著减少数据搬运,极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新,将突破AI算力瓶颈。

趋势三、工业互联网的超融合

【趋势概要】5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合,实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化,进而实现柔性制造,同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言,提高5%-10%的效率,就会产生数万亿人民币的价值。

趋势四、机器间大规模协作成为可能

【趋势概要】传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值:大规模智能交通灯调度将实现动态实时调整,仓储机器人协作完成货物分拣的高效协作,无人驾驶车可以感知全局路况,群体无人机协同将高效打通最后一公里配送。

趋势五、模块化降低芯片设计门槛

【趋势概要】传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集及其相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法,推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外,基于芯粒(chiplet)的模块化设计方法用先进封装的方式将不同功能“芯片模块”封装在一起,可以跳过流片快速定制出一个符合应用需求的芯片,进一步加快了芯片的交付。

趋势六、规模化生产级区块链应用将走入大众

【趋势概要】区块链BaaS(Blockchain as a Service)服务将进一步降低企业应用区块链技术的门槛,专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生,实现物理世界资产与链上资产的锚定,进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作,日活千万以上的规模化生产级区块链应用将会走入大众。

趋势七、量子计算进入攻坚期

【趋势概要】2019年“量子霸权”之争让量子计算在再次成为世界科技焦点。超导量子计算芯片的成果,增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑,容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内,真正达到其中任何一个都将是十分艰巨的任务,量子计算将进入技术攻坚期。

趋势八、新材料推动半导体器件革新

【趋势概要】在摩尔定律放缓以及算力和存储需求爆发的双重压力下,以硅为主体的经典晶体管很难维持半导体产业的持续发展,各大半导体厂商对于3纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件,推动半导体产业的革新。例如,拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运,可以成为全新的高性能逻辑和互联器件的基础;新型磁性材料和新型阻变材料能够带来高性能磁性存储器如SOT-MRAM和阻变存储器。

趋势九、保护数据隐私的AI技术将加速落地

【趋势概要】数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点,其能够在保证各方数据安全和隐私的同时,联合使用方实现特定计算,解决数据孤岛以及数据共享可信程度低的问题,实现数据的价值。

趋势十、云成为IT技术创新的中心

【趋势概要】随着云技术的深入发展,云已经远远超过IT基础设施的范畴,渐渐演变成所有IT技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个IT技术链路,同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式,云正在重新定义IT的一切。广义的云,正在源源不断地将新的IT技术变成触手可及的服务,成为整个数字经济的基础设施。

原始链接:

https://damo.alibaba.com/events/57

成为VIP会员查看完整内容
达摩院2020十大科技趋势.pdf
0
90

摘要: 当前,全球大数据正进入加速发展时期,技术产业与应用创新不断迈向新高度。大数据通过数字化丰富要素供给,通过网络化扩大组织边界,通过智能化提升产出效能,不仅是推进网络强国建设的重要领域,更是新时代加快实体经济质量变革、效率变革、动力变革的战略依托。 本白皮书是继《大数据白皮书(2014年)》、《大数据白皮书(2016年)》、《大数据白皮书(2018年)》之后中国信通院第四次发布大数据白皮书。本白皮书在前三版的基础上,聚焦一年多来大数据各领域的进展和趋势,梳理主要问题并进行展望。在技术方面,重点探讨了近两年最新的大数据技术及其融合发展趋势;在产业方面,重点讨论了我国大数据产品的发展情况;在数据资产管理方面,介绍了行业数据资产管理、数据资产管理工具的最新发展情况,并着重探讨了数据资产化的关键问题;在安全方面,从多种角度分析了大数据面临的安全问题和技术工具。希望本白皮书的分析可以对政府和行业提供参考。

目录:

一、国际大数据发展概述. 1

  • (一)大数据战略持续拓展. 1
  • (二)大数据底层技术逐步成熟. 2
  • (三)大数据产业规模平稳增长. 3
  • (四)大数据企业加速整合. 5
  • (五)数据合规要求日益严格. 6

二、融合成为大数据技术发展的重要特征. 8

  • (一)算力融合:多样性算力提升整体效率. 8
  • (二)流批融合:平衡计算性价比的最优解. 9
  • (三)TA融合:混合事务/分析支撑即时决策. 10
  • (四)模块融合:一站式数据能力复用平台. 11
  • (五)云数融合:云化趋势降低技术使用门槛. 11
  • (六)数智融合:数据与智能多方位深度整合. 12

三、大数据产业蓬勃发展. 14

  • (一)大数据产业发展政策环境日益完善. 14
  • (二)各地大数据主管机构陆续成立. 17
  • (三)大数据技术产品水平持续提升. 20
  • (四)大数据行业应用不断深化. 22

四、数据资产化步伐稳步推进. 25

  • (一)数据:从资源到资产. 25
  • (二)数据资产管理理论体系仍在发展. 26
  • (三)各行业积极实践数据资产管理. 27
  • (四)数据资产管理工具百花齐放. 29
  • (五)数据资产化面临诸多挑战. 31

五、数据安全合规要求不断提升. 35

  • (一)数据相关法律监管日趋严格规范. 35
  • (二)数据安全技术助力大数据合规要求落地. 36
  • (三)数据安全标准规范体系不断完善. 39

六、大数据发展展望. 41

成为VIP会员查看完整内容
1
81

赛迪智库正式发布《量子计算发展白皮书(2019年)》(以下简称《白皮书》)。《白皮书》阐述了量子计算的基本内涵,系统梳理量子计算的技术路线及发展路线图,介绍了国内外发展态势,并提出了我国量子计算发展面临的挑战及相关对策建议。

成为VIP会员查看完整内容
1
55
小贴士
相关资讯
2019年中国人工智能基础数据服务行业白皮书
艾瑞咨询
22+阅读 · 2019年9月16日
2018年边缘计算行业研究报告
行业研究报告
8+阅读 · 2019年4月15日
边缘计算(一)——边缘计算的兴起
大数据和云计算技术
6+阅读 · 2018年12月25日
IDC发布对话式人工智能白皮书|附下载
人工智能学家
6+阅读 · 2018年3月20日
《人工智能标准化白皮书(2018版)》发布|附下载
人工智能学家
12+阅读 · 2018年1月21日
【工业大数据】一文带你读懂《工业大数据白皮书》
边缘计算:万物互联时代新型计算模型
计算机研究与发展
5+阅读 · 2017年5月19日
相关论文
MHSAN: Multi-Head Self-Attention Network for Visual Semantic Embedding
Geondo Park,Chihye Han,Wonjun Yoon,Daeshik Kim
3+阅读 · 2020年1月11日
Language as an Abstraction for Hierarchical Deep Reinforcement Learning
Yiding Jiang,Shixiang Gu,Kevin Murphy,Chelsea Finn
5+阅读 · 2019年6月18日
Hongwei Wang,Fuzheng Zhang,Mengdi Zhang,Jure Leskovec,Miao Zhao,Wenjie Li,Zhongyuan Wang
11+阅读 · 2019年6月13日
Improved Deep Embeddings for Inferencing with Multi-Layered Networks
Huan Song,Jayaraman J. Thiagarajan
3+阅读 · 2019年3月1日
Confidence-based Graph Convolutional Networks for Semi-Supervised Learning
Shikhar Vashishth,Prateek Yadav,Manik Bhandari,Partha Talukdar
5+阅读 · 2019年2月12日
Hengfui Liau,Nimmagadda Yamini,YengLiong Wong
3+阅读 · 2018年10月16日
Hierarchical Deep Multiagent Reinforcement Learning
Hongyao Tang,Jianye Hao,Tangjie Lv,Yingfeng Chen,Zongzhang Zhang,Hangtian Jia,Chunxu Ren,Yan Zheng,Changjie Fan,Li Wang
6+阅读 · 2018年9月25日
Yogarshi Vyas,Xing Niu,Marine Carpuat
3+阅读 · 2018年3月29日
Asli Celikyilmaz,Antoine Bosselut,Xiaodong He,Yejin Choi
5+阅读 · 2018年3月27日
Duhyeon Bang,Hyunjung Shim
7+阅读 · 2018年1月28日
Top