服务器行业报告：5G、边缘计算与云计算（20页）

边缘计算的特点 1）异构计算 5G 驱动的计算革命的升级，将进一步拓宽计算的边界。云游戏、VR/AR、超高清视频、 物联网、视频、直播等应用的推广，使得计算的场景和计算数据格式更加多样、更加复杂。 从原来的结构化数据，演化为更多的非结构化数据（语音、文本、图片、视频等）。这就 需要边缘计算能够解决异构计算的问题。 2）边缘智能 对于边缘智能，我们可以从以下两个方面来理解：1）未来的物联网终端将更加智能；2） 利用 AI 技术为物联网终端的计算进行升级。边缘智能利用 AI 技术为边缘侧赋能, 是 AI 的 一种应用与表现形式。AI 通过边缘节点能够获得更丰富的数据，并针对不同应用场景实 现个性化和泛在化，极大地扩展人工智能的应用场景。边缘节点可以借助 AI 技术更好地 提供高级数据分析、场景感知、实时决策、自组织与协同等智能化服务。边缘侧轻量级、 低延时、高效的 AI 计算框架显得尤为重要。 3）边云协同 边云协同，就是要平衡边缘和云端之间的计算资源利用。在边缘计算之前，大部分的核心 计算都是集中在云端，未来计算资源将在边缘端和云端进行更合理分配，来满足不同应用 场景对计算的需求。 比如，对于应用的开发和部署，开发部分可以放在云端来完成，能够充分发挥云端算力重 组、多语言、多工具的优势，部署部分可以根据不同场景的需求，放在边缘节点。对于云 游戏，渲染部分可以放在云端，呈现部分放在边缘侧。对于 AI 的应用，深度学习相关的 模型训练放在云端执行，与之对应的推理部分放在边缘节点来执行。

在传统软件架构下，主要的模式都是 CS 模式，服务端大多是单机处理几千个轻量请求。 而在边缘计算场景下，需要数万台服务器处理上亿个重负载请求。边缘计算机本质上是用 CES 模式取代 CS 模式，当前的互联网 IT 架构已经从 CS 模式，逐步向 CDN 服务为核心 的 CES 模式转变。但当前的 CDN 模式比较大的局限性在于缺乏灵活性，不能解决边缘上 非结构化数据存储和处理的需求，引入 Edge 端（边缘端）就是为了解决 CS 模式下无法 处理的业务。 在 4G 时代，算力的提升已经将硬件的升级和软件的优化所带来潜力进行了充分挖掘，5G 时代，必须引入边缘端（Edge 端）来平衡云端和终端的算力，来承载更多的 5G 业务。