1.引言

1.1背景

從1G到5G，通信技術(shù)經(jīng)歷了多次升級(jí)和變革，顯著提高了數(shù)據(jù)傳輸速率，

降低了延遲，并擴(kuò)大了網(wǎng)絡(luò)覆蓋范圍。然而，隨著物聯(lián)網(wǎng)和人工智能等技術(shù)的飛

速發(fā)展，萬物互聯(lián)且應(yīng)用場(chǎng)景日益復(fù)雜，現(xiàn)有的網(wǎng)絡(luò)架構(gòu)已無法滿足新的需求。

因此，作為下一代通信技術(shù)，6G必須具備更高的性能和更強(qiáng)大的智能化能力，

推動(dòng)邊緣側(cè)網(wǎng)絡(luò)從“萬物互聯(lián)”向“智能互聯(lián)”轉(zhuǎn)變。為了更好地適應(yīng)未來多樣化且

復(fù)雜的用戶請(qǐng)求和應(yīng)用場(chǎng)景，將智能技術(shù)融入通信系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，內(nèi)生智能

的概念應(yīng)運(yùn)而生[1]。

近年來，人工智能（AI）的理論與技術(shù)得到了進(jìn)步，并廣泛應(yīng)用于工業(yè)場(chǎng)景。

但是大部分的AI服務(wù)通常部署在云服務(wù)器上。隨著“萬物互聯(lián)”時(shí)代的到來、終

端設(shè)備數(shù)量和生成的數(shù)據(jù)迅速增加。集中式數(shù)據(jù)處理的形式即把所有的數(shù)據(jù)上傳

至云端的形式無法滿足用戶低時(shí)延的需求。因此，邊緣計(jì)算隨著物聯(lián)網(wǎng)（IoT）

以及人工智能的發(fā)展而出現(xiàn)。然而，目前對(duì)邊緣計(jì)算的研究實(shí)施無法滿足復(fù)雜的

業(yè)務(wù)場(chǎng)景。因此，邊緣內(nèi)生智能有潛力成為邊緣計(jì)算的下一個(gè)研究熱點(diǎn)[2]。

邊緣內(nèi)生智能能夠在原生網(wǎng)絡(luò)中實(shí)現(xiàn)各個(gè)單元之間的自我動(dòng)態(tài)感知以及自

我優(yōu)化的能力，打破了原有外掛式AI架構(gòu)，通過將AI深度融入至網(wǎng)絡(luò)各層中以

提高系統(tǒng)整體網(wǎng)絡(luò)效能，并實(shí)現(xiàn)網(wǎng)絡(luò)架構(gòu)中整體生命周期的自主感知以及自我

管理[3]。

1.2邊緣計(jì)算與邊緣內(nèi)生智能發(fā)展概述

邊緣計(jì)算：為了緩解云數(shù)據(jù)中心的處理壓力，邊緣計(jì)算的概念被提出。邊緣計(jì)算

是一種將計(jì)算過程從中心服務(wù)器遷移到設(shè)備邊緣的技術(shù)。它的核心思想是將網(wǎng)

絡(luò)、計(jì)算、存儲(chǔ)和應(yīng)用服務(wù)整合到一個(gè)靠近數(shù)據(jù)源頭的平臺(tái)上，可以就近提供服

務(wù)。這種技術(shù)有助于減少云計(jì)算的處理負(fù)載和解決數(shù)據(jù)傳輸延遲的問題，滿足用

戶在實(shí)時(shí)業(yè)務(wù)、應(yīng)用智能、安全與隱私保護(hù)等方面的需求。

4/90

邊緣內(nèi)生智能：邊緣智能是邊緣計(jì)算發(fā)展到一定程度后的下一個(gè)階段。隨著邊緣

計(jì)算和人工智能技術(shù)的快速發(fā)展和迭代，邊緣智能的概念應(yīng)運(yùn)而生，在邊緣執(zhí)行

人工智能算法，這是更復(fù)雜的數(shù)據(jù)分析任務(wù)。在邊緣節(jié)點(diǎn)，特別是在移動(dòng)設(shè)備和

物聯(lián)網(wǎng)設(shè)備上部署人工智能應(yīng)用，就需要邊緣計(jì)算支持。首先，邊緣節(jié)點(diǎn)需要提

供相應(yīng)的硬件和編程庫，以滿足人工智能的基本操作。其次，需要一個(gè)邊緣計(jì)算

平臺(tái)來實(shí)現(xiàn)邊緣節(jié)點(diǎn)的資源管理和任務(wù)調(diào)度。最后，需要解決云端協(xié)作式人工智

能中的任務(wù)卸載和數(shù)據(jù)安全問題[4]。

隨著人工智能技術(shù)的不斷發(fā)展，邊緣設(shè)備智能化程度得到了提升。最初，邊

緣智能主要關(guān)注在邊緣設(shè)備上運(yùn)行人工智能算法和模型，以實(shí)現(xiàn)數(shù)據(jù)的快速處理

和響應(yīng)。這種方式的智能化程度相對(duì)較低，因?yàn)檫吘壴O(shè)備的功能和性能有限，無

法實(shí)現(xiàn)復(fù)雜的人工智能算法和模型的運(yùn)行[5]。隨著技術(shù)的不斷發(fā)展，邊緣設(shè)備

的性能和智能化程度得到了顯著提升。在這個(gè)過程中，邊緣內(nèi)生智能的概念逐漸

興起。邊緣內(nèi)生智能強(qiáng)調(diào)將人工智能技術(shù)集成到邊緣設(shè)備中，使其具備自主的數(shù)

據(jù)處理和分析能力。這種方式使得邊緣設(shè)備能夠更好地適應(yīng)復(fù)雜的應(yīng)用場(chǎng)景，提

高數(shù)據(jù)處理和響應(yīng)的速度和效率[6]。

1.3邊緣內(nèi)生智能的重要性

邊緣內(nèi)生智能的重要性包含如下方面：

（1）在網(wǎng)絡(luò)邊緣側(cè)生成的數(shù)據(jù)需通過AI完全釋放其潛能：由于移動(dòng)設(shè)備數(shù)

量激增，設(shè)備端將產(chǎn)生大量的數(shù)據(jù)（例如音頻、圖片和視頻）。此時(shí)AI算法的

引入將是必不可少的，因?yàn)樗軌蚩焖俜治鲞@些龐大的數(shù)據(jù)量，并從中提取特征，

從而做出高質(zhì)量的決策，提高了數(shù)據(jù)處理的效率和可靠性。這有助于減少人工干

預(yù)和錯(cuò)誤率，提高業(yè)務(wù)的效率和可靠性[7]。

（2）邊緣內(nèi)生智能以更豐富的數(shù)據(jù)和應(yīng)用場(chǎng)景擴(kuò)展智能算法部署范圍：傳

統(tǒng)的云計(jì)算模式中數(shù)據(jù)源一般會(huì)上傳并存儲(chǔ)至云端，因?yàn)樵贫司哂蟹浅８叩挠?jì)算

性能[8]。然而，隨著萬物互聯(lián)時(shí)代的快速發(fā)展，傳統(tǒng)的云計(jì)算模式逐漸向邊緣

計(jì)算模式轉(zhuǎn)變。未來邊緣側(cè)將會(huì)產(chǎn)生海量的物聯(lián)網(wǎng)數(shù)據(jù)，若上述數(shù)據(jù)需要全部上

傳至云端進(jìn)行AI算法處理，那么將會(huì)占據(jù)大量的帶寬資源并為云計(jì)算數(shù)據(jù)中心

帶來非常大的計(jì)算壓力。面對(duì)上述挑戰(zhàn)，通過將云端計(jì)算能力下沉至邊緣，實(shí)現(xiàn)

5/90

了低延遲的數(shù)據(jù)處理，從而實(shí)現(xiàn)高性能的邊緣智能處理模式[9]。

（3）邊緣內(nèi)生智能具有更好的系統(tǒng)可用性和可擴(kuò)展性：AI技術(shù)己經(jīng)在日常

生活中的許多數(shù)字產(chǎn)品與服務(wù)中取得了巨大的成功，如視頻監(jiān)控、智能家居等。

AI也是創(chuàng)新前沿的關(guān)鍵驅(qū)動(dòng)力，如自動(dòng)駕駛、智能金融。因此，AI應(yīng)該更接近

人、數(shù)據(jù)和終端設(shè)備，在實(shí)現(xiàn)上述目標(biāo)的過程中，由于數(shù)據(jù)處理在本地進(jìn)行，所

以當(dāng)中央服務(wù)器遇到問題時(shí)，邊緣設(shè)備仍然可以繼續(xù)運(yùn)行。此外，隨著新應(yīng)用的

添加或現(xiàn)有應(yīng)用的升級(jí)，邊緣設(shè)備可以輕松擴(kuò)展或修改，提供了更好的靈活性。

（4）邊緣內(nèi)生智能增強(qiáng)了人工智能應(yīng)用的可用性和可訪問性：由于邊緣設(shè)

備的處理能力增強(qiáng)，更多的人工智能應(yīng)用可以在設(shè)備上運(yùn)行，而不僅僅是依賴云

服務(wù)器。這增加了人工智能的可用性和可訪問性[10]。

參考文獻(xiàn)

[1]S.Talwar,N.Himayat,H.Nikopour,F.Xue,G.WuandV.Ilderem,“6G:

ConnectivityintheEraofDistributedIntelligence,”IEEECommunications

Magazine,vol.59,no.11,pp.45-50,Nov.2021.

[2]M.ElsayedandM.Erol-Kantarci,“AI-EnabledFutureWirelessNetworks:

Challenges,Opportunities,andOpenIssues,”IEEEVehicularTechnology

Magazine,vol.14,no.3,pp.70-77,Sep.2019.

[3]S.Deng,H.Zhao,W.Fang,J.Yin,S.DustdarandA.Y.Zomaya,“Edge

Intelligence:TheConfluenceofEdgeComputingandArtificialIntelligence,”

IEEEInternetofThingsJournal,vol.7,no.8,pp.7457-7469,Aug.2020.

[4]M.Pan,W.SuandY.Wang,“ReviewofResearchontheCurriculumfor

ArtificialIntelligenceandIndustrialAutomationbasedonEdgeComputing,”

2021InternationalConferenceonNetworkingandNetworkApplications(NaNA),

LijiangCity,China,2021,pp.222-226.

[5]Y.Xiao,G.Shi,Y.Li,W.SaadandH.V.Poor,“TowardSelf-LearningEdge

Intelligencein6G,”IEEECommunicationsMagazine,vol.58,no.12,pp.34-40,

Dec.2020..

[6]H.HuandC.Jiang,“EdgeIntelligence:ChallengesandOpportunities,”2020

InternationalConferenceonComputer,InformationandTelecommunication

Systems(CITS),Hangzhou,China,2020,pp.1-5.

[7]M.Mukherjee,R.Matam,C.X.Mavromoustakis,H.Jiang,G.MastorakisandM.

Guo,“IntelligentEdgeComputing:SecurityandPrivacyChallenges,”IEEE

CommunicationsMagazine,vol.58,no.9,pp.26-31,Sep.2020.

[8]Y.Sun,B.Xie,S.ZhouandZ.Niu,“MEET:Mobility-EnhancedEdge

inTelligenceforSmartandGreen6GNetworks,”IEEECommunications

Magazine,vol.61,no.1,pp.64-70,Jan.2023.

[9]Q.Cui,Z.Gong,W.Ni,Y.Hou,X.Chen,X.Tao,P.Zhang,“StochasticOnline

LearningforMobileEdgeComputing:LearningfromChanges,”IEEE

CommunicationsMagazine,vol.57,no.3,pp.63-69,Mar.2019.

6/90

[10]M.Yao,M.Sohul,V.MarojevicandJ.H.Reed,“ArtificialIntelligenceDefined

5GRadioAccessNetworks,”IEEECommunicationsMagazine,vol.57,no.3,pp.

14-20,Mar.2019.

2.6G邊緣智能網(wǎng)絡(luò)和基礎(chǔ)設(shè)施

2.1面向6G的邊緣內(nèi)生智能架構(gòu)

作為下一代無線網(wǎng)絡(luò)的關(guān)鍵使能技術(shù)，多接入邊緣計(jì)算（Multi-accessEdge

Computing,MEC）能夠支撐大量的新興業(yè)務(wù)。隨著人工智能（Artificial

Intelligence,AI）的不斷發(fā)展，其在MEC中的應(yīng)用越來越廣泛，但AI在5G網(wǎng)

絡(luò)中僅作為外掛式應(yīng)用來協(xié)助MEC。6G網(wǎng)絡(luò)中的MEC將在設(shè)計(jì)之初考慮AI，

并將其作為MEC系統(tǒng)的組成部分，以此來提高M(jìn)EC的靈活性和開放性，更好

地應(yīng)對(duì)不斷涌現(xiàn)的應(yīng)用場(chǎng)景和用戶需求。由此，邊緣內(nèi)生智能架構(gòu)被提出，本架

構(gòu)基于AI功能的解耦和重構(gòu)來為用戶提供定制化的AI服務(wù)。

2.1.1架構(gòu)整體概述

邊緣內(nèi)生智能架構(gòu)由“四層三面”組成，如圖2.1所示。其中，“四層”包含基

礎(chǔ)設(shè)施層、虛擬化層、功能層和應(yīng)用層；“三面”包含控制面、AI面和管理編排

（managementandorchestration，MANO）面。

圖2.1邊緣內(nèi)生智能架構(gòu)

7/90

（一）四層：

基礎(chǔ)設(shè)施層：位于邊緣內(nèi)生智能架構(gòu)的最下層、涵蓋了系統(tǒng)中的所有通信、

存儲(chǔ)和計(jì)算資源。其中，通信資源包括WiFi、互聯(lián)網(wǎng)等；存儲(chǔ)資源包括內(nèi)存、

硬盤驅(qū)動(dòng)器（HardDiskDrive，HDD）和固態(tài)驅(qū)動(dòng)器（SolidStateDrive，SSD）

等；計(jì)算資源包括中央處理器（CentralProcessingUnit，CPU）、圖形處理

器（GraphicsProcessingUnit，GPU）等。

虛擬化層：位于基礎(chǔ)設(shè)施層之上，將底層資源抽象為資源池供上層的網(wǎng)絡(luò)功

能使用。當(dāng)業(yè)務(wù)需求到來時(shí)，虛擬化層可創(chuàng)建Docker容器并使其在資源池

上運(yùn)行，來供給網(wǎng)絡(luò)功能以保障其正常運(yùn)轉(zhuǎn)，進(jìn)而保證定制化的AI服務(wù)。

功能層：位于虛擬化層之上，包含被解耦的網(wǎng)絡(luò)功能，即控制功能和AI功

能，以及一條服務(wù)總線。不同的網(wǎng)絡(luò)功能能夠根據(jù)業(yè)務(wù)需求進(jìn)行實(shí)時(shí)的激活、

釋放和重組，并通過服務(wù)總線串聯(lián)。

應(yīng)用層：位于邊緣內(nèi)生智能架構(gòu)的最上層，包含多樣化的網(wǎng)絡(luò)應(yīng)用。應(yīng)用層

與用戶直接交互，并在用戶請(qǐng)求到達(dá)時(shí)，自動(dòng)調(diào)用功能層的網(wǎng)絡(luò)功能和虛擬

化層的Docker容器來為用戶提供服務(wù)。

（二）三面：

控制面：負(fù)責(zé)從基礎(chǔ)設(shè)施層到應(yīng)用層的控制信令傳輸和處理。

MANO面：將控制面的服務(wù)請(qǐng)求轉(zhuǎn)化為MANO指令，并對(duì)系統(tǒng)的功能和資

源進(jìn)行協(xié)調(diào)和管理。MANO面包含虛擬基礎(chǔ)設(shè)施管理器（Virtualized

InfrastructureManager,VIM），功能MANO和應(yīng)用MANO，分別用于對(duì)資

源、功能和應(yīng)用的管理編排。

AI面：也叫做內(nèi)生AI面，作為邊緣內(nèi)生智能架構(gòu)的核心面，用于學(xué)習(xí)用戶

和網(wǎng)絡(luò)的行為和需求，實(shí)現(xiàn)網(wǎng)絡(luò)的自運(yùn)營(yíng)。其虛擬化層為AI應(yīng)用提供運(yùn)行

環(huán)境庫，如pytorch、tensorflow等，可根據(jù)應(yīng)用請(qǐng)求和資源狀態(tài)進(jìn)行選擇；

其虛擬化層包含被解耦的AI功能和一條服務(wù)總線；其應(yīng)用層包含一個(gè)模板

選擇器和一個(gè)智能算法模型庫，用于實(shí)現(xiàn)邊緣內(nèi)生智能的靈活重構(gòu)。

2.1.2內(nèi)生智能面的設(shè)計(jì)與實(shí)現(xiàn)

在邊緣內(nèi)生智能架構(gòu)中，基于微服務(wù)的AI面被解耦為獨(dú)立的AI功能，AI

8/90

功能可被按需激活和調(diào)用；在應(yīng)用請(qǐng)求到來時(shí)，被解耦的AI功能可以按需組合

來為用戶提供AI服務(wù)，以實(shí)現(xiàn)內(nèi)生智能。

（一）內(nèi)生智能面解耦：

如圖2.1所示，在內(nèi)生智能面中，AI服務(wù)被解耦為數(shù)據(jù)采集功能（Data

CollectionFunction,DCF），數(shù)據(jù)預(yù)處理功能（DataPreprocessingFunction,DPF），

模型訓(xùn)練功能（ModelTrainingFunction,MTF），模型驗(yàn)證功能（ModelValidation

Function,MVF）以及數(shù)據(jù)存儲(chǔ)功能（DataStorageFunction,DSF），各功能介紹

如下：

DCF：采集AI模型訓(xùn)練所需的原始數(shù)據(jù)并生成相應(yīng)的訓(xùn)練數(shù)據(jù)集。

DPF：對(duì)包含無效成分的原始數(shù)據(jù)進(jìn)行預(yù)處理，通過數(shù)據(jù)采樣、特征提取和

降維等操作將原始數(shù)據(jù)中的無效或偏移內(nèi)容移除，將其轉(zhuǎn)化為AI模型訓(xùn)練

所需的數(shù)據(jù)格式。

MTF：根據(jù)業(yè)務(wù)需求選擇相應(yīng)的AI算法，訓(xùn)練AI算法的核心模型。

MVF：在模型訓(xùn)練或?qū)崟r(shí)推理的過程中評(píng)估AI模型的性能。

DSF：存儲(chǔ)和管理AI面的所有數(shù)據(jù)及AIF的相關(guān)參數(shù)。

不同AI功能之間通過統(tǒng)一的服務(wù)總線進(jìn)行通信與交互。同時(shí)，AI功能可通

過服務(wù)總線與控制功能進(jìn)行信息傳遞，并根據(jù)業(yè)務(wù)類型由功能MANO來激活。

（二）內(nèi)生智能面重構(gòu)：

邊緣內(nèi)生智能重構(gòu)借鑒了模板與實(shí)例化思想，依據(jù)業(yè)務(wù)類型進(jìn)行AI功能激

活、運(yùn)行環(huán)境配置和資源分配，以實(shí)現(xiàn)定制化的AI服務(wù)。

模板：通過提取和抽象一類邊緣智能業(yè)務(wù)的共性為其提供通用的解決方案。

邊緣內(nèi)生智能模板涉及模板信息（Templateinformation,Tinf）和模板標(biāo)識(shí)符

（Templateidentifier,Tid）兩個(gè)關(guān)鍵要素。其中，模板信息包含AI應(yīng)用的組

成元素，即應(yīng)用所需的AIF類型、資源和運(yùn)行環(huán)境，存儲(chǔ)在智能算法模型庫

中。模板標(biāo)識(shí)符用于區(qū)分不同AI應(yīng)用對(duì)應(yīng)模板的標(biāo)識(shí)，存儲(chǔ)在模板選擇器

中。在模板使用前，需對(duì)模板進(jìn)行預(yù)定義操作，即根據(jù)特定AI應(yīng)用需求定

義該應(yīng)用所需的功能激活、資源分配和運(yùn)行環(huán)境配置相關(guān)參數(shù)。

實(shí)例化：根據(jù)模板中定義的參數(shù)，創(chuàng)建AI應(yīng)用實(shí)例，以對(duì)AI服務(wù)請(qǐng)求做出

響應(yīng)。如圖2.2所示，邊緣內(nèi)生智能的實(shí)例化流程包含以下步驟：

9/90

1）MANO對(duì)應(yīng)用層持續(xù)監(jiān)測(cè)，在接收到應(yīng)用請(qǐng)求時(shí)向模板選擇器發(fā)送模

板選擇請(qǐng)求

2）模板選擇器更具應(yīng)用類型選擇相應(yīng)的模板，并將其Tid發(fā)送至智能算法

模型庫來請(qǐng)求Tinf

3）智能算法模型庫提取模板對(duì)應(yīng)Tinf，并將其反饋回模板選擇器

4）模板選擇器將收到的Tinf發(fā)送至MANO面

5）MANO面根據(jù)收到的Tinf進(jìn)行實(shí)例化操作：

（a）配置應(yīng)用所需的運(yùn)行環(huán)境庫

（b）分配所需資源

（c）激活相關(guān)AIF

圖2.2邊緣內(nèi)生智能實(shí)例化流程

10/90

2.2邊緣智能算力基礎(chǔ)設(shè)施

2.2.1邊緣智能硬件

隨著技術(shù)的飛速發(fā)展，邊緣智能硬件逐漸成為了物聯(lián)網(wǎng)、人工智能和云計(jì)算

三大技術(shù)交匯的焦點(diǎn)。這種智能硬件不僅具備實(shí)時(shí)、高效的數(shù)據(jù)處理能力，還能

夠在網(wǎng)絡(luò)邊緣進(jìn)行智能決策，從而大大減輕了云端的數(shù)據(jù)處理壓力，提高了整體

系統(tǒng)的響應(yīng)速度和效率。

在客戶需求方面，邊緣智能硬件面向各行各業(yè)，從環(huán)境適應(yīng)性、實(shí)時(shí)性、安

全性、穩(wěn)定性等各方面都提出了較高的需求。例如，在智能制造領(lǐng)域，可以通過

邊緣智能硬件對(duì)環(huán)境惡劣的工廠生產(chǎn)線上的各種數(shù)據(jù)進(jìn)行實(shí)時(shí)采集、處理和分

析，實(shí)現(xiàn)生產(chǎn)過程的自動(dòng)化和智能化。在醫(yī)療領(lǐng)域，可以通過邊緣智能硬件對(duì)病

人的生理數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)遠(yuǎn)程醫(yī)療和智能化診斷。

在技術(shù)特點(diǎn)方面，邊緣智能硬件采用了先進(jìn)的算法和數(shù)據(jù)處理技術(shù)，可以實(shí)

現(xiàn)高效的數(shù)據(jù)處理和分析。同時(shí)，它還采用了多種傳感器、通信技術(shù)和軟件定義，

可以實(shí)現(xiàn)與各種設(shè)備和系統(tǒng)的互聯(lián)互通。此外，邊緣智能硬件還具有低功耗、高

可靠性等特點(diǎn)，可以滿足各種惡劣環(huán)境下的使用需求。

在產(chǎn)品形態(tài)方面，邊緣智能硬件可以以各種形式出現(xiàn)，如智能攝像頭、智能

傳感器、智能機(jī)器人、邊緣服務(wù)器等。這些設(shè)備可以與各種設(shè)備和系統(tǒng)進(jìn)行連接，

實(shí)現(xiàn)數(shù)據(jù)的共享和協(xié)同處理。同時(shí)，它們還可以通過云端進(jìn)行遠(yuǎn)程管理和控制，

實(shí)現(xiàn)設(shè)備的遠(yuǎn)程監(jiān)控和維護(hù)。

(一)邊緣智能硬件需求

如下表所示，從硬件部署位置與數(shù)據(jù)中心的距離來看，邊緣智能可分為近邊

緣（NearEdge）和遠(yuǎn)邊緣（FarEdge）。近邊緣主要是云計(jì)算的下沉，功能上與

云數(shù)據(jù)中心類似，具備強(qiáng)大且綜合的計(jì)算能力，硬件產(chǎn)品形態(tài)包括一體化機(jī)柜、

重邊緣服務(wù)器等。遠(yuǎn)邊緣更加側(cè)重于邊緣現(xiàn)場(chǎng)的應(yīng)用，功能上與具體應(yīng)用有很強(qiáng)

的相關(guān)性，如數(shù)據(jù)聚合/轉(zhuǎn)換、協(xié)議解析、工業(yè)控制、AI推理等，硬件產(chǎn)品形態(tài)

的形式豐富多樣，比如工控機(jī)、PLC、網(wǎng)關(guān)、MEC等。

11/90

功能產(chǎn)品示例

區(qū)域數(shù)字中心、CDN（內(nèi)容分發(fā)網(wǎng)絡(luò)）、電信數(shù)

深度邊緣計(jì)算

近邊緣據(jù)中心、托管服務(wù)商

NearEdge本地?cái)?shù)據(jù)中心，重邊緣服務(wù)器，微數(shù)據(jù)中心（一

深度邊緣計(jì)算

體化機(jī)柜）

聚合分析和控制、數(shù)據(jù)管理AIBox、MEC、HCI（超融合基礎(chǔ)設(shè)施）

遠(yuǎn)邊緣聚合、轉(zhuǎn)換、過濾、數(shù)據(jù)縮減、轉(zhuǎn)發(fā)網(wǎng)關(guān)、小單元、路由器、接入點(diǎn)

FarEdge模擬數(shù)字轉(zhuǎn)換（傳感器）、發(fā)送控制數(shù)工控機(jī)、PLC（可編程邏輯控制器）、DCS（分

據(jù)（執(zhí)行器）、直接分析/控制散性控制器）等

邊緣計(jì)算硬件產(chǎn)品具備自己的獨(dú)特性，與云計(jì)算和端計(jì)算的硬件產(chǎn)品形態(tài)存

在明顯差異。究其原因，邊緣計(jì)算面臨以下幾個(gè)主要需求：

1.復(fù)雜多樣的應(yīng)用場(chǎng)景：

（1）邊緣部署領(lǐng)域的多樣性需要不同的基礎(chǔ)設(shè)施組合。邊緣部署跨越許多

行業(yè)應(yīng)用、用戶場(chǎng)景和垂直領(lǐng)域，包括廣泛的基礎(chǔ)設(shè)施解決方案，從產(chǎn)品形態(tài)、

配置到管理工具等，使邊緣解決方案生態(tài)系統(tǒng)高度復(fù)雜化。

（2）邊緣計(jì)算在電信、公用事業(yè)、制造業(yè)和金融業(yè)等行業(yè)增長(zhǎng)迅速。電信

運(yùn)營(yíng)商積極構(gòu)建邊緣計(jì)算平臺(tái)，引領(lǐng)市場(chǎng)發(fā)展。其他行業(yè)，尤其是公用事業(yè)、制

造業(yè)、金融業(yè)也在通過部署專用的邊緣計(jì)算來加速邊緣計(jì)算用戶場(chǎng)景的效率，如

工業(yè)互聯(lián)網(wǎng)、電網(wǎng)管理、智能商業(yè)大廳等。

（3）人工智能、機(jī)器學(xué)習(xí)、大模型、異構(gòu)計(jì)算等技術(shù)的蓬勃發(fā)展進(jìn)一步推

動(dòng)了邊緣計(jì)算市場(chǎng)的增長(zhǎng)。計(jì)算密集型分析工作負(fù)載在許多行業(yè)領(lǐng)域和用例中變

得無處不在，以釋放其潛力對(duì)于尚未開發(fā)的數(shù)據(jù)，其中大部分駐留或生成在邊緣。

預(yù)計(jì)AI原生計(jì)算能力趕上新的分析平臺(tái)的性能需求將推動(dòng)許多新的邊緣基礎(chǔ)設(shè)

施部署將增長(zhǎng)。而AI應(yīng)用的多樣性也使得邊緣計(jì)算硬件、軟件、服務(wù)和解決方

案的需求變得更多豐富。

2.長(zhǎng)生命周期產(chǎn)品訴求：

（1）在以交通、醫(yī)療、能源、工業(yè)為代表的眾多行業(yè)的邊緣計(jì)算應(yīng)用中，

如軌道交通控制系統(tǒng)、中大型醫(yī)療設(shè)備、變電站/配電站采集控制單元、工業(yè)控

制DCS/MES等，往往需要經(jīng)歷漫長(zhǎng)的產(chǎn)品設(shè)計(jì)、研發(fā)、測(cè)試驗(yàn)證、實(shí)施運(yùn)行和

12/90

后期維護(hù)等階段。因此，邊緣計(jì)算產(chǎn)品5-7年甚至更長(zhǎng)的生命周期對(duì)于這些應(yīng)用

場(chǎng)景來說尤為關(guān)鍵，這不僅意味著更高的穩(wěn)定性，也意味著更低的后期維護(hù)成本；

（2）長(zhǎng)生命周期面向的是整個(gè)業(yè)務(wù)系統(tǒng)，不僅包括邊緣計(jì)算硬件設(shè)備，也

包括運(yùn)行在硬件設(shè)備上的平臺(tái)、業(yè)務(wù)應(yīng)用、協(xié)議以及產(chǎn)生的數(shù)據(jù)；

（3）同時(shí)，長(zhǎng)生命周期也不僅僅包含運(yùn)行時(shí)間，也包括了硬件設(shè)備的后續(xù)

持續(xù)供應(yīng)、服務(wù)、更新，以及平臺(tái)、業(yè)務(wù)應(yīng)用等的持續(xù)迭代等；

3.嚴(yán)苛的工作環(huán)境：

（1）更嚴(yán)苛的物理環(huán)境

由于邊緣計(jì)算部署位置分散，面臨的物理環(huán)境復(fù)雜，對(duì)應(yīng)的溫度、濕度、電

磁輻射等環(huán)境條件都參差不齊?？傮w來說，邊緣計(jì)算的物理環(huán)境可以分為室內(nèi)和

戶外。

與數(shù)據(jù)中心統(tǒng)一規(guī)劃和管理的機(jī)房環(huán)境不同，邊緣計(jì)算的室內(nèi)環(huán)境通常為普

通機(jī)房，或者是如工廠車間、零售門店之類的人機(jī)共處的環(huán)境。這類環(huán)境中往往

空調(diào)制冷能力有限、空氣潔凈度也無法與數(shù)據(jù)中心相比。因此，防塵、溫度的要

求會(huì)略高一些，在人機(jī)共處的情況下，還對(duì)邊緣計(jì)算設(shè)備的噪音有一定要求。

邊緣計(jì)算的戶外環(huán)境更加復(fù)雜和嚴(yán)苛，環(huán)境溫度可能達(dá)到-20℃~60℃，防水、

防雷擊、抗震等指標(biāo)要求對(duì)邊緣計(jì)算硬件設(shè)備也造成了很大的挑戰(zhàn)。

（2）更嚴(yán)格的數(shù)據(jù)安全環(huán)境

邊緣計(jì)算的飛速發(fā)展也將網(wǎng)絡(luò)攻擊威脅引入了網(wǎng)絡(luò)邊緣，而常見的應(yīng)對(duì)手段

仍然是較為傳統(tǒng)的網(wǎng)絡(luò)安全防護(hù)技術(shù)，很難抵抗邊緣計(jì)算中多源、跨域的入侵和

攻擊。邊緣計(jì)算架構(gòu)的節(jié)點(diǎn)計(jì)算能力、存儲(chǔ)能力和能量均受限，現(xiàn)有的安全防護(hù)

手段不能完全適用于邊緣節(jié)點(diǎn)，攻擊單個(gè)計(jì)算節(jié)點(diǎn)或服務(wù)節(jié)點(diǎn)的成本較原本功能

強(qiáng)大的中心服務(wù)器大大降低，因此更容易獲得攻擊者的關(guān)注。網(wǎng)絡(luò)邊緣更貼近萬

物互聯(lián)的設(shè)備，涉及大量的用戶個(gè)人隱私數(shù)據(jù)；網(wǎng)絡(luò)邊緣的通信、決策方式一旦

被攻擊會(huì)更直接地影響到系統(tǒng)功能的實(shí)現(xiàn)，攻擊者單次攻擊成果不菲。邊緣計(jì)算

架構(gòu)下，攻擊的更低成本、更高收入使其面臨著不容忽視的安全威脅。安全威脅

存在于邊緣計(jì)算節(jié)點(diǎn)本身、邊緣管理節(jié)點(diǎn)和層與層之間等多個(gè)環(huán)節(jié)。此外網(wǎng)絡(luò)邊

緣存在資源受限、軟硬件異構(gòu)性大、海量終端分布廣等特征，傳統(tǒng)的數(shù)據(jù)中心安

全防護(hù)方案無法適用。

13/90

4.分布式部署：

邊緣計(jì)算更接近數(shù)據(jù)的產(chǎn)生地，不同于云計(jì)算的集中式部署，邊緣計(jì)算更多

的是分散部署到不同的區(qū)域或位置。隨著邊緣計(jì)算、云邊協(xié)同的發(fā)展，現(xiàn)場(chǎng)管理

精益化的需求日益明顯。同時(shí)，邊緣智能、物聯(lián)管控、軟件定義邊緣和5G/6G

專網(wǎng)等技術(shù)方向使得分布式部署可以充分滿足邊緣計(jì)算場(chǎng)景對(duì)于低延時(shí)、高吞吐

以及應(yīng)用靈活部署調(diào)度等方面的需求，持續(xù)推動(dòng)邊緣計(jì)算在客戶現(xiàn)場(chǎng)的部署和應(yīng)

用。當(dāng)有數(shù)百或數(shù)千個(gè)位置時(shí)，管理所有這些計(jì)算節(jié)點(diǎn)成為了一個(gè)巨大的挑戰(zhàn)，

同時(shí)還需要考慮到后續(xù)在邊緣側(cè)的進(jìn)一步擴(kuò)展。對(duì)于高度參與物聯(lián)網(wǎng)的企業(yè)來

說，有些情況下，這些企業(yè)會(huì)發(fā)現(xiàn)自己需要管理數(shù)百萬個(gè)不同的端點(diǎn)。這就是需

要盡可能多地自動(dòng)化操作的地方，因?yàn)檫@樣就不需要人來管理日?；顒?dòng)。

（二）邊緣計(jì)算的技術(shù)特點(diǎn)

1.邊緣異構(gòu)加速計(jì)算：

在邊緣計(jì)算的碎片化市場(chǎng)中，非結(jié)構(gòu)化數(shù)據(jù)占到80%，大量并行計(jì)算和復(fù)雜

模式識(shí)別僅憑CPU難以高效處理，CPU+智能算力（GPU/FPGA/ASIC等）的異

構(gòu)計(jì)算更高效的處理不同的工作負(fù)載，同時(shí)帶來能耗的顯著優(yōu)化，是后摩爾時(shí)代

的科技趨勢(shì)。

非

結(jié)

構(gòu)文本視頻位置信息傳感器異構(gòu)計(jì)算

化非結(jié)構(gòu)化數(shù)據(jù)涉及大量并行計(jì)算

數(shù)

音頻圖片AR/VR……多樣工作負(fù)載的高效、低耗處理

據(jù)和復(fù)雜模式識(shí)別

僅憑CPU難以進(jìn)行高效處理

碎片化工業(yè)實(shí)時(shí)控制自動(dòng)駕駛數(shù)字孿生中國(guó)信通院預(yù)測(cè)，到2023年

客戶應(yīng)用場(chǎng)智能算力（GPU/FPGA/ASIC等）占總算力規(guī)模的70%

多媒體處理AIoT……

圖2.3應(yīng)用場(chǎng)景多樣性推動(dòng)邊緣異構(gòu)加速計(jì)算發(fā)展

2.邊緣軟件定義：

隨著邊緣計(jì)算在各種行業(yè)和場(chǎng)景的應(yīng)用，軟件定義逐漸成為邊緣計(jì)算領(lǐng)域的

重要技術(shù)趨勢(shì)。通過運(yùn)用通用化的硬件、軟硬解耦等方式可有效的提高硬件資源

的利用率、降低硬件成本、提升邊緣硬件資源的可管理性。應(yīng)用場(chǎng)景包括軟件定

義5G網(wǎng)絡(luò)、軟件定義工控設(shè)備、軟件定義邊緣安全、軟件定義汽車等。以軟件

定義工控設(shè)備為例，典型代表就是軟硬件解耦和分布式控制的新一代的PLC。它

滿足可靠、易用的同時(shí)，擁有數(shù)據(jù)互操作性、內(nèi)生信息安全，既滿足傳統(tǒng)應(yīng)用自

14/90

動(dòng)化系統(tǒng)運(yùn)行過程和控制相關(guān)的實(shí)時(shí)數(shù)據(jù)處理，也可以服務(wù)新型應(yīng)用，如非實(shí)時(shí)

數(shù)據(jù)的分析、存儲(chǔ)、運(yùn)算等要求。

3.原生邊緣智能：

邊緣AI是指AI算法運(yùn)行在邊緣設(shè)備上或靠近邊緣的服務(wù)器上。邊緣場(chǎng)景復(fù)

雜多樣，原生邊緣智能更強(qiáng)調(diào)在邊緣側(cè)進(jìn)行模型訓(xùn)練與推理，這與云原生有本質(zhì)

區(qū)別。基于多任務(wù)泛化的行業(yè)預(yù)訓(xùn)練模型，在邊緣場(chǎng)景下基于邊緣的數(shù)據(jù)在邊緣

側(cè)的微調(diào)壓縮和量化，形成邊緣側(cè)的小模型將是一種主流趨勢(shì)。隨著大模型的發(fā)

展和應(yīng)用，大模型將進(jìn)一步推動(dòng)人工智能在邊緣長(zhǎng)尾場(chǎng)景落地，這也提出了更強(qiáng)

的邊緣原生智能算力需求。

（三）邊緣計(jì)算硬件產(chǎn)品形態(tài)

邊緣智能硬件產(chǎn)品形態(tài)多種多樣，本章節(jié)主要介紹四種典型的智能邊緣硬件

產(chǎn)品形態(tài)：邊緣服務(wù)器、工業(yè)計(jì)算機(jī)、網(wǎng)關(guān)和邊緣一體化機(jī)柜。

1.邊緣服務(wù)器：

邊緣服務(wù)器被定義為部署在邊緣數(shù)據(jù)中心或靠近邊緣現(xiàn)場(chǎng)的服務(wù)器，包括用

于邊緣計(jì)算場(chǎng)景的通用服務(wù)器（general-purpose）和專為邊緣場(chǎng)景設(shè)計(jì)的邊緣優(yōu)

化型服務(wù)器（edge-optimized）。

其中用于邊緣計(jì)算場(chǎng)景的通用服務(wù)器（general-purpose）與用于數(shù)據(jù)中心場(chǎng)

景的通用服務(wù)器在硬件上幾乎沒有差別，往往應(yīng)用于環(huán)境相對(duì)友好的場(chǎng)景中。

邊緣優(yōu)化型服務(wù)器（edge-optimized）與通用服務(wù)器相比，在外觀、功能、

穩(wěn)定性等多方面進(jìn)行了優(yōu)化（如下表），例如低能耗、更寬的工作溫度范圍、多

種安裝方法、安全性和OT集成等。從產(chǎn)品形態(tài)來看，邊緣優(yōu)化型服務(wù)器

（edge-optimized）又可以細(xì)分為定制型邊緣服務(wù)器（purpose-built）和邊緣微服

務(wù)器（microserver）

定制型邊緣服務(wù)器（purpose-built）是針對(duì)特定功能進(jìn)行設(shè)計(jì)和構(gòu)建，部署

在安防、視頻監(jiān)控等特定用例中的小型服務(wù)器，具有特定的外形尺寸、低能耗、

廣泛的工作溫度和多種接口類型等特性，以適應(yīng)惡劣環(huán)境。通常不會(huì)部署在標(biāo)準(zhǔn)

數(shù)據(jù)中心，而是部署在邊緣數(shù)據(jù)中心。

邊緣微服務(wù)器是一種堅(jiān)固耐用的融合計(jì)算設(shè)備，專為各種環(huán)境條件下的現(xiàn)場(chǎng)

嵌入式使用場(chǎng)景而設(shè)計(jì)的微型服務(wù)器，能夠提供企業(yè)級(jí)計(jì)算和管理功能。

15/90

邊緣優(yōu)化型服務(wù)器（edge-optimized）特性

設(shè)計(jì)具有更寬的溫度范圍、防潮、防塵、耐腐蝕、抗震、電磁兼容性等特點(diǎn)。

機(jī)箱比通用服務(wù)器更小機(jī)箱深度，以適應(yīng)現(xiàn)有基站站點(diǎn)、邊緣數(shù)據(jù)中心或特定的工

業(yè)現(xiàn)場(chǎng)位置。

操作與維護(hù)自動(dòng)操作和維護(hù)以及遠(yuǎn)程控制，最大限度地減少手動(dòng)操作和維護(hù)。

提供統(tǒng)一的運(yùn)維管理界面。

安全在復(fù)雜的部署環(huán)境下，需要防止?jié)撛诘木W(wǎng)絡(luò)攻擊，以確保數(shù)據(jù)的安全性、高可

用性和一致性，并在硬件層面防止惡意破壞。

I/O前端I/O設(shè)計(jì)，提供更方便的操作和部署。

安裝方式多種安裝方式，如壁掛式安裝。

安裝和拆卸簡(jiǎn)單。

功耗低能耗，可限制直流、交流、布線等。

網(wǎng)絡(luò)高可靠性、低延遲、無線支持等。

2.工業(yè)計(jì)算機(jī)：

工業(yè)計(jì)算機(jī)是專為工業(yè)場(chǎng)景設(shè)計(jì)的計(jì)算機(jī)，具有豐富的輸入輸出接口，能夠

連接各種工業(yè)控制系統(tǒng)設(shè)備，如傳感器、執(zhí)行器、儀表等；同時(shí)具有較高的可靠

性和穩(wěn)定性，能夠適應(yīng)各種惡劣的工作環(huán)境。隨著工業(yè)互聯(lián)網(wǎng)的發(fā)展，工業(yè)計(jì)算

機(jī)和邊緣計(jì)算的結(jié)合將越來越緊密。通過將人工智能、大數(shù)據(jù)分析等技術(shù)應(yīng)用于

邊緣計(jì)算，工業(yè)計(jì)算機(jī)將變得更加智能，能夠?qū)崿F(xiàn)更高效、更精準(zhǔn)的自動(dòng)化控制

和決策。

工業(yè)計(jì)算機(jī)有以下特點(diǎn)：

可靠性：工業(yè)計(jì)算機(jī)具有在粉塵、煙霧、高/低溫、潮濕、震動(dòng)、腐蝕和快速

診斷和可維護(hù)性，其MTTR（MeanTimetoRepair）一般為5min，MTTF10

萬小時(shí)以上，而普通PC的MTTF僅為10000～15000小時(shí)。

實(shí)時(shí)性：工業(yè)計(jì)算機(jī)對(duì)工業(yè)生產(chǎn)過程進(jìn)行實(shí)時(shí)在線檢測(cè)與控制，對(duì)工作狀況

的變化給予快速響應(yīng)，及時(shí)進(jìn)行采集和輸出調(diào)節(jié)（看門狗功能這是普通PC

所不具有的），遇險(xiǎn)自復(fù)位，保證系統(tǒng)的正常運(yùn)行。

擴(kuò)充性：工業(yè)計(jì)算機(jī)由于采用底板+CPU卡結(jié)構(gòu)，因而具有很強(qiáng)的輸入輸出

功能，最多可擴(kuò)充20個(gè)板卡，能與工業(yè)現(xiàn)場(chǎng)的各種外設(shè)、板卡如與道控制

16/90

器、視頻監(jiān)控系統(tǒng)、車輛檢測(cè)儀等相連，以完成各種任務(wù)。

兼容性：能同時(shí)利用ISA與PCI、PCIE及PICMG資源，并支持各種操作系

統(tǒng)，多種語言匯編，多任務(wù)操作系統(tǒng)。

上架式工控機(jī)嵌入式工控機(jī)

塔式工控機(jī)工業(yè)一體機(jī)/工業(yè)顯示

圖2.4工業(yè)計(jì)算機(jī)示意圖

3.邊緣網(wǎng)關(guān)：

邊緣網(wǎng)關(guān)是具有邊緣計(jì)算能力的物聯(lián)網(wǎng)網(wǎng)關(guān)，對(duì)海量終端數(shù)據(jù)進(jìn)行本地分析

處理。邊緣網(wǎng)關(guān)和基于云的物聯(lián)網(wǎng)平臺(tái)共同組成了邊緣計(jì)算物聯(lián)網(wǎng)架構(gòu)。

邊緣網(wǎng)關(guān)通常支持豐富的工業(yè)物聯(lián)網(wǎng)接口（如PLC、RF、RS-485、DI）和

協(xié)議，靈活接入各種傳感器和終端。同時(shí)開放軟硬件資源，支持容器部署。行業(yè)

應(yīng)用可按需部署在容器中，實(shí)現(xiàn)接入終端設(shè)備數(shù)據(jù)本地處理。而物聯(lián)網(wǎng)平臺(tái)可以

與各種行業(yè)應(yīng)用系統(tǒng)互聯(lián)，實(shí)現(xiàn)終端設(shè)備的智能連接。

17/90

行業(yè)應(yīng)用

云化物聯(lián)網(wǎng)平臺(tái)

Internet

5G/4G/ETH

邊緣計(jì)算網(wǎng)關(guān)行業(yè)APP行業(yè)APP

容器管理

IP化PLC/RF/RS485/DI…

路燈配電設(shè)施電梯控制器

傳感器&終端

圖2.5邊緣計(jì)算物聯(lián)網(wǎng)架構(gòu)示意圖

隨著計(jì)算技術(shù)的提升，更小型化更高效的處理器使算力下放。傳統(tǒng)的數(shù)據(jù)通

信及轉(zhuǎn)換作用的網(wǎng)關(guān)，被賦予了更多的任務(wù)和期待。各種復(fù)雜協(xié)議的解析轉(zhuǎn)換，

先分析再傳輸，邊緣快速?zèng)Q策等等，大大提升了端-邊-云的綜合效率。

不斷更新制程的處理器，異構(gòu)加速等等，使CPU/GPU/NPU等算力和功耗比

不斷提升。而隨著5G、6G通信技術(shù)的提升，更快速、更可靠的無線通信逐步替

代部分有線數(shù)據(jù)傳輸，使部署更加靈活。

4.邊緣一體化機(jī)柜：

邊緣一體化機(jī)柜是集成邊緣服務(wù)器節(jié)點(diǎn)、交換機(jī)、存儲(chǔ)、PDU、配電、機(jī)架

空調(diào)等多種設(shè)備的整機(jī)柜產(chǎn)品，以整機(jī)柜形式為最小產(chǎn)品顆粒度，集成業(yè)務(wù)所需

機(jī)柜內(nèi)設(shè)備，并預(yù)裝客戶應(yīng)用軟件，可實(shí)現(xiàn)IT設(shè)備快速邊緣部署及業(yè)務(wù)快速上

線，并能在無機(jī)房場(chǎng)景部署邊緣應(yīng)用。邊緣一體機(jī)化機(jī)柜主要組成部分包括服務(wù)

器、交換機(jī)、配電箱、PDU、UPS、電池包、機(jī)架式空調(diào)、應(yīng)急風(fēng)扇、監(jiān)控顯示

屏、監(jiān)控主機(jī)、動(dòng)環(huán)偵測(cè)網(wǎng)關(guān)、煙感偵測(cè)器、溫濕度偵測(cè)器、水浸偵測(cè)器、照明、

前后門開關(guān)偵測(cè)器等。

與數(shù)據(jù)中心機(jī)柜相比，邊緣一體化機(jī)柜需要考慮更多復(fù)雜邊緣計(jì)算用戶環(huán)境

的影響因素，如防塵、防水、無法外掛空調(diào)機(jī)柜等。

18/90

智能照明與門磁單元制

冷

配電單元

設(shè)

UPS備

IT設(shè)備

PDU

電池模塊

水浸應(yīng)急風(fēng)扇溫濕度

圖2.6邊緣一體化機(jī)柜示意圖

2.2.2邊緣智能云平臺(tái)

如2.1.1所述，邊緣計(jì)算設(shè)備數(shù)量繁多，千差萬別，分散部署到不同的區(qū)域

或位置。為了協(xié)同使用這些設(shè)備，減小應(yīng)用適配難度，降低部署、運(yùn)營(yíng)管理的復(fù)

雜度，需要一個(gè)分布式的軟件平臺(tái)在解決這些問題的同時(shí)，滿足日益增長(zhǎng)的智能

化應(yīng)用需求。

邊緣智能云平臺(tái)就是這樣的分布式軟件平臺(tái)，它采用云原生技術(shù)，是部署在

邊緣和云上的系統(tǒng)，實(shí)現(xiàn)以容器為載體的微服務(wù)的統(tǒng)一、快速部署?？傮w架構(gòu)包

括三個(gè)主要部分：邊側(cè)、云側(cè)和協(xié)同機(jī)制。

邊側(cè)：這部分包括邊緣硬件及運(yùn)行在上面的邊側(cè)內(nèi)生智能平臺(tái)。邊緣硬件可

以是單個(gè)邊緣設(shè)備，也可以是多個(gè)邊緣設(shè)備組成的邊緣集群。邊側(cè)內(nèi)生智能平臺(tái)

是邊緣智能云平臺(tái)的關(guān)鍵組成部分，它提供了在邊緣設(shè)備上使用容器運(yùn)行應(yīng)用程

序和服務(wù)的解決方案。邊側(cè)內(nèi)生智能平臺(tái)提供邊緣計(jì)算環(huán)境中所需的基礎(chǔ)設(shè)施和

服務(wù)，包括容器編排、數(shù)據(jù)存儲(chǔ)、安全性管理和監(jiān)控等功能。

云側(cè)：這部分包括云側(cè)計(jì)算系統(tǒng)和云側(cè)管理平臺(tái)。云側(cè)計(jì)算系統(tǒng)是運(yùn)行在云

端的數(shù)據(jù)中心，可以是一個(gè)位于云端的運(yùn)行邊側(cè)內(nèi)生智能平臺(tái)的集群，也可以是

一個(gè)運(yùn)行云原生平臺(tái)的集群。它與上述位于邊側(cè)的邊側(cè)系統(tǒng)進(jìn)行協(xié)同工作，例如

19/90

它可以接收來自邊側(cè)的數(shù)據(jù)，并進(jìn)行大規(guī)模數(shù)據(jù)處理和分析，同時(shí)將處理后的數(shù)

據(jù)反饋給邊側(cè)設(shè)備。云側(cè)管理平臺(tái)則是對(duì)邊側(cè)和云側(cè)計(jì)算系統(tǒng)統(tǒng)一管理、調(diào)度和

監(jiān)控，對(duì)應(yīng)用服務(wù)統(tǒng)一編排和生命周期管理，以確保系統(tǒng)的正常運(yùn)行和服務(wù)的有

效提供。

協(xié)同機(jī)制：這部分包括云邊通信協(xié)議、云邊數(shù)據(jù)同步和云邊應(yīng)用協(xié)同。云邊

通信協(xié)議是邊側(cè)和云側(cè)進(jìn)行數(shù)據(jù)傳輸和通信的規(guī)范和標(biāo)準(zhǔn)，它保證了數(shù)據(jù)傳輸?shù)?/p>

穩(wěn)定和安全。云邊數(shù)據(jù)同步是邊側(cè)和云側(cè)的數(shù)據(jù)進(jìn)行同步和協(xié)調(diào)的過程，它保證

了數(shù)據(jù)的完整性和一致性。云邊應(yīng)用協(xié)同是邊側(cè)和云側(cè)的應(yīng)用程序進(jìn)行協(xié)同工作

的過程，它實(shí)現(xiàn)了應(yīng)用程序的分布式計(jì)算和智能化服務(wù)。

圖2.7邊緣智能內(nèi)生云平臺(tái)總體架構(gòu)

如圖2.7給出了一種邊緣智能云平臺(tái)實(shí)現(xiàn)，它與各種邊緣設(shè)備深度融合，以

軟硬一體機(jī)的形式提供便捷的邊緣計(jì)算賦能。平臺(tái)支持多邊緣計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、

輕量虛擬化及全融合管理，提供包括4G/5G，WiFi，固網(wǎng)等多網(wǎng)絡(luò)邊緣接入及網(wǎng)

絡(luò)感知能力，支持邊緣應(yīng)用和資源動(dòng)態(tài)感知調(diào)度、跨邊緣智能編排及云邊協(xié)同，

以及統(tǒng)一自主的智能運(yùn)維管理。

在云側(cè)，提供多邊緣集群管理，云邊資源協(xié)同、應(yīng)用分發(fā)及業(yè)務(wù)數(shù)據(jù)交互等

能力，可以部署于客戶云數(shù)據(jù)中心或公有云上。

在邊側(cè)，基于為邊緣打造的邊緣計(jì)算服務(wù)器，構(gòu)建軟硬件一體化、計(jì)算存儲(chǔ)

網(wǎng)絡(luò)全融合的異構(gòu)輕量級(jí)邊緣計(jì)算平臺(tái)，通過多接入能力無縫接入實(shí)現(xiàn)數(shù)據(jù)本地

分流，將數(shù)據(jù)匯聚在邊緣側(cè)進(jìn)行計(jì)算，為用戶節(jié)省數(shù)據(jù)傳輸?shù)耐瑫r(shí)提供低時(shí)延、

高可靠的服務(wù)，提供面向多接入智能應(yīng)用場(chǎng)景的新型ICT基礎(chǔ)設(shè)施。

主流邊緣智能云平臺(tái)一般有如下特點(diǎn)：

方便應(yīng)用上線：通過容器或虛機(jī)承載邊緣應(yīng)用，并提供便捷的導(dǎo)入應(yīng)用鏡像

界面。

20/90

靈活數(shù)據(jù)接入：支持4G、5G、WIFI、寬帶等不同形式的數(shù)據(jù)接入，將數(shù)據(jù)

卸載到邊緣平臺(tái)進(jìn)行處理和計(jì)算，并將結(jié)果及時(shí)反饋到生產(chǎn)系統(tǒng)或者上傳到

云端。

高效應(yīng)用管理：能夠感知應(yīng)用的類型以及對(duì)資源的使用情況，實(shí)時(shí)調(diào)整資源

分配，無縫進(jìn)行擴(kuò)縮容。

優(yōu)化應(yīng)用賦能：針對(duì)特定類型的應(yīng)用進(jìn)行針對(duì)性資源優(yōu)化。例如GPU虛擬

化使同樣算力能支持更多的AI或其它強(qiáng)GPU應(yīng)用。

極簡(jiǎn)部署/運(yùn)維：以全融合一體機(jī)形式部署的邊緣計(jì)算平臺(tái)實(shí)現(xiàn)開箱插電即

用、自動(dòng)組網(wǎng)、故障時(shí)整機(jī)替換。具有智能運(yùn)維能力，實(shí)時(shí)監(jiān)控收集多維度

運(yùn)維數(shù)據(jù)，自動(dòng)故障告警、修復(fù)。

輕量全局安全防護(hù)：使用統(tǒng)一身份認(rèn)證服務(wù)提供帳號(hào)鑒權(quán)功能，利用其它相

關(guān)上下文信息（身份、威脅/可信評(píng)估、角色、位置/時(shí)間、設(shè)備配置等）加

強(qiáng)安全策略，且提供邊緣平臺(tái)上動(dòng)態(tài)和靜態(tài)數(shù)據(jù)的加密。

下面分章節(jié)對(duì)邊側(cè)內(nèi)生智能平臺(tái)、云側(cè)運(yùn)維管理平臺(tái)和協(xié)同機(jī)制這三部分做

詳細(xì)介紹。

（一）邊端內(nèi)生智能平臺(tái)

邊側(cè)內(nèi)生智能平臺(tái)也是基于容器技術(shù)和K8S的編排管理能力實(shí)現(xiàn)。容器相比

物理機(jī)和虛擬機(jī)，具有輕量級(jí)、部署簡(jiǎn)單、支持多環(huán)境、啟動(dòng)時(shí)間短、易擴(kuò)容、

易遷移等特點(diǎn)，能解決邊緣設(shè)備異構(gòu)嚴(yán)重的問題。Kubernetes已經(jīng)成為云和數(shù)據(jù)

中心內(nèi)容器編排的主流選項(xiàng)，它使用微服務(wù)和容器來封裝功能模塊，然后通過聲

明管理的編排工具來管理和部署這些功能模塊。作為云側(cè)業(yè)務(wù)的延伸，邊側(cè)采用

相同或相似的技術(shù)是符合邏輯的選擇。但是為了適配邊緣設(shè)備做到更輕量，在邊

側(cè)使用邊緣內(nèi)生的Kubernetes發(fā)行版：K3s，Kubeedge，MicroK8s等輕量的云原

生平臺(tái)。這些都是經(jīng)過認(rèn)證的Kubernetes發(fā)行版，完全支持K8sAPI，同時(shí)提供

更低的footprint和更高的可靠性。它們可以在x86和Arm硬件上運(yùn)行，支持GPU、

NPU、VPU等異構(gòu)器件。邊緣節(jié)點(diǎn)與中心云之間的網(wǎng)絡(luò)環(huán)境復(fù)雜，邊緣節(jié)點(diǎn)可

能因?yàn)槟承┰蚺c中心云斷聯(lián)。由于邊緣節(jié)點(diǎn)數(shù)量眾多，環(huán)境復(fù)雜，IT運(yùn)維人

員難以及時(shí)對(duì)斷聯(lián)節(jié)點(diǎn)進(jìn)行維護(hù)恢復(fù)，邊側(cè)云原生平臺(tái)需具備離線自治能力，從

而保障邊緣側(cè)業(yè)務(wù)的連續(xù)性和可靠性。

21/90

圖2.8用于MEC的邊側(cè)內(nèi)生智能平臺(tái)

圖2.8展示的邊側(cè)內(nèi)生智能平臺(tái)是用于MEC(Multi-AccessEdgeComputing)

的一種實(shí)現(xiàn)。它基于K3s以及軟硬一體化的輕量級(jí)虛擬化，以輕量級(jí)虛擬化為

內(nèi)核驅(qū)動(dòng)的計(jì)算存儲(chǔ)融合的基礎(chǔ)資源服務(wù)，搭載針對(duì)應(yīng)用的快速接入、靈活編排

和彈性資源管理支撐，以及邊緣集群和云中心交互框架等核心技術(shù)能力，提供低

延時(shí)、可靠、彈性、協(xié)同、安全的邊緣計(jì)算服務(wù)。作為在網(wǎng)絡(luò)邊緣側(cè)構(gòu)建的新型

微數(shù)據(jù)中心，可以快速靈活集成第三方應(yīng)用，接受統(tǒng)一的遠(yuǎn)程運(yùn)維管理，開放網(wǎng)

絡(luò)基礎(chǔ)管道能力，提供實(shí)時(shí)智能的應(yīng)用服務(wù)，能夠在基于5G的MEC邊緣云模

式下承載多種應(yīng)用場(chǎng)景。該平臺(tái)足夠精簡(jiǎn)，可以運(yùn)行于單臺(tái)服務(wù)器或由多臺(tái)服

務(wù)器組成的集群上。

主要功能包含：

邊緣端管理：提供管理邊緣節(jié)點(diǎn)所有能力的邊端控制臺(tái)

邊緣容器：提供基于Kubernetes的容器統(tǒng)一編排，管理能力

安全容器：采用輕量級(jí)虛擬機(jī)來運(yùn)行用戶的容器實(shí)例，使得用戶同時(shí)擁有虛

擬機(jī)的安全和容器技術(shù)的迅速和易管理性，為邊緣節(jié)點(diǎn)提供絕佳的安全性及

性能保證

輕量級(jí)虛擬化：提供秒級(jí)啟動(dòng)、低內(nèi)存占用的輕量級(jí)虛擬化能力

鏡像管理：提供對(duì)虛擬機(jī)鏡像上傳、更新、刪除、分類管理等功能

虛擬機(jī)模板：創(chuàng)建可以保存虛擬機(jī)配置的模板

硬件加速：提供不同類型的加速器，包括GPU卡等，通過硬件和加速器的

融合實(shí)現(xiàn)對(duì)邊緣硬件的優(yōu)化

22/90

網(wǎng)絡(luò)隔離：提供基于虛擬網(wǎng)絡(luò)層面的子網(wǎng)二層隔離，保障網(wǎng)絡(luò)通信安全

邊緣端智能運(yùn)維：提供豐富的邊端告警管理，自定義告警規(guī)則，滿足靈活多

樣的智能運(yùn)維需求

訪問控制：支持基于用戶組的訪問控制

（二）云側(cè)運(yùn)維管理平臺(tái)

邊緣節(jié)點(diǎn)的數(shù)量非常龐大，邊緣設(shè)備的類型非常多樣，邊緣設(shè)備的應(yīng)用繁雜

而且邊緣環(huán)境又非常復(fù)雜，傳統(tǒng)的數(shù)據(jù)中心運(yùn)維方式面臨巨大的挑戰(zhàn)，無法保證

廣泛分布的邊緣業(yè)務(wù)低成本的穩(wěn)定和持續(xù)運(yùn)行。

邊緣計(jì)算需要?jiǎng)?chuàng)新的技術(shù)來實(shí)現(xiàn)邊緣節(jié)點(diǎn)接入、應(yīng)用部署、運(yùn)維的自動(dòng)化和

智能化。在LFEdge的Akraino項(xiàng)目中，提出了一種零接觸業(yè)務(wù)配置和維護(hù)（Zero

TouchProvisioningandOperations，ZTP）的概念，它要求相關(guān)技術(shù)支持多應(yīng)用和

服務(wù)的集成、編排和交付，背后是利用ONAP（OpenNetworkAutomationPlatform）

來實(shí)現(xiàn)的。這樣的設(shè)計(jì)使得管理維護(hù)邊緣計(jì)算成本將大大降低，同時(shí)能夠滿足硬

件資源的限制和成本的限制?！皹?gòu)建一次，推送到任意地點(diǎn)”的邊緣DevOps在邊

緣使用云技術(shù)，將邊緣節(jié)點(diǎn)視為CI/CD流程的構(gòu)建目標(biāo)，將云端倉庫視為在這

些邊緣系統(tǒng)的可信代碼源?；谌萜鞯拇虬绞綔p少了將應(yīng)用程序部署到特定邊

緣硬件的工作量。對(duì)于邊緣設(shè)備本身的運(yùn)維需要輕量化的機(jī)制對(duì)邊緣節(jié)點(diǎn)的網(wǎng)絡(luò)

流量、CPU利用率、進(jìn)程、內(nèi)存等方面的狀態(tài)進(jìn)行采集，并實(shí)時(shí)為運(yùn)維人員提

供一個(gè)系統(tǒng)、全面的邊緣節(jié)點(diǎn)狀態(tài)監(jiān)控。另外還需要有故障自檢能力，當(dāng)預(yù)知潛

在故障將要發(fā)生時(shí)，能夠采取恰當(dāng)?shù)拇胧┻M(jìn)行預(yù)防性維護(hù)。當(dāng)檢測(cè)到故障已經(jīng)發(fā)

生，需要根據(jù)監(jiān)控的數(shù)據(jù)進(jìn)行根因定位，然后采取恰當(dāng)措施進(jìn)行自我修復(fù)。對(duì)于

實(shí)在無法自動(dòng)修復(fù)的問題，通知運(yùn)維人員。

云側(cè)運(yùn)維管理平臺(tái)既是實(shí)現(xiàn)以上功能的邊緣云平臺(tái)組件。它可以看做邊緣集

線器，處于中心地位，實(shí)際部署于云或數(shù)據(jù)中心，與被管理的邊緣節(jié)點(diǎn)通過網(wǎng)絡(luò)

連接。除了管理眾多的邊緣節(jié)點(diǎn)設(shè)備和邊側(cè)云原生平臺(tái)，也實(shí)現(xiàn)與云邊資源的協(xié)

同調(diào)度。其自身也是云原生的，由容器化微服務(wù)組成，可以很容易的部署在云原

生平臺(tái)中，實(shí)現(xiàn)云邊統(tǒng)一運(yùn)維管理。

23/90

圖2.9云側(cè)運(yùn)維管理平臺(tái)功能示例

圖2.9展示了一款云側(cè)運(yùn)維管理平臺(tái)叫做集中管理平臺(tái)CMO（Central

ManagementandOrchestration），負(fù)責(zé)云邊協(xié)同管理，總體設(shè)計(jì)目的是為邊緣云

構(gòu)建云邊統(tǒng)一管理平臺(tái)，通過云邊資源、數(shù)據(jù)、應(yīng)用一體化管理，為用戶邊緣計(jì)

算業(yè)務(wù)提供上線、部署、調(diào)度、優(yōu)化、協(xié)同等全生命周期自動(dòng)化保障。

CMO功能包括：

異構(gòu)邊緣節(jié)點(diǎn)/集群管理：統(tǒng)一的異構(gòu)邊緣接入框架，支持接入MEC、輕邊

緣集群進(jìn)行統(tǒng)一納管

統(tǒng)一邊緣資源管理：一站式邊緣集群、節(jié)點(diǎn)及資源視圖，支持多類型邊緣管

理框架

應(yīng)用智能編排部署：統(tǒng)一應(yīng)用編排模型，適配不同邊緣，批量應(yīng)用部署及基

于策略的智能調(diào)度

豐富的云邊協(xié)同機(jī)制：云邊數(shù)據(jù)協(xié)同框架，支持應(yīng)用分發(fā)，數(shù)據(jù)同步

邊緣智能運(yùn)維：統(tǒng)一邊緣監(jiān)控及告警，邊緣云一體機(jī)故障發(fā)現(xiàn)及管理，運(yùn)用

大數(shù)據(jù)分析，智能算法，多維度健康分析，快速定位，快速修復(fù)，提升自動(dòng)

化運(yùn)維效率

安全管理：包含容器鏡像掃描，漏洞分析，智能檢測(cè)，基于不同粒度和策略

的云端數(shù)據(jù)庫審計(jì)

（三）協(xié)同機(jī)制

1.云邊協(xié)同：

24/90

圖2.10云邊協(xié)同的能力與內(nèi)涵（ECC邊緣計(jì)算參考架構(gòu)3.0）

對(duì)于行業(yè)數(shù)字化轉(zhuǎn)型應(yīng)用來說，如果將所有數(shù)據(jù)發(fā)送到云端計(jì)算，就會(huì)在帶

寬使用上面臨瓶頸，而且應(yīng)用的時(shí)延無法得到保證。如果完全依賴基于邊緣的分

布式體系結(jié)構(gòu)，邊緣系統(tǒng)和應(yīng)用程序管理非常復(fù)雜，邊緣節(jié)點(diǎn)的局限性使得應(yīng)用

的可擴(kuò)展性和高可用性都難以實(shí)現(xiàn)。因此，需要云計(jì)算和邊緣計(jì)算的協(xié)同融合以

減少延遲、提高可擴(kuò)展性、增強(qiáng)對(duì)信息的訪問量，并使業(yè)務(wù)開發(fā)變得更加敏捷。

邊側(cè)云原生平臺(tái)不是單一的部件，也不是單一的層次，而是涉及到EC-laaS、

EC-PaaS、EC-SaaS的端到端開放平臺(tái)。因此根據(jù)邊緣計(jì)算參考架構(gòu)3.0云邊協(xié)

同的能力與內(nèi)涵涉及IaaS、PaaS、SaaS各層面的全面協(xié)同，主要包括六種協(xié)同：

資源協(xié)同、數(shù)據(jù)協(xié)同、智能協(xié)同、應(yīng)用管理協(xié)同、業(yè)務(wù)管理協(xié)同、服務(wù)協(xié)同。

資源協(xié)同是指邊緣計(jì)算節(jié)點(diǎn)與云端之間的資源管理和調(diào)度協(xié)同。邊緣計(jì)算節(jié)

點(diǎn)提供計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)、虛擬化等基礎(chǔ)設(shè)施資源，具有本地資源調(diào)度管理能力，

同時(shí)可與云端協(xié)同，接受并執(zhí)行云端資源調(diào)度管理策略，包括邊緣計(jì)算節(jié)點(diǎn)的設(shè)

備管理、資源管理以及網(wǎng)絡(luò)連接管理。云端提供全局視角的資源調(diào)度，使得邊緣

節(jié)點(diǎn)的資源利用更加實(shí)時(shí)有效。

數(shù)據(jù)協(xié)同是指邊緣計(jì)算節(jié)點(diǎn)與云端之間的數(shù)據(jù)交互與協(xié)同。在云邊協(xié)同中，

邊緣計(jì)算節(jié)點(diǎn)主要負(fù)責(zé)現(xiàn)場(chǎng)/終端數(shù)據(jù)的采集、處理和分析，并將處理結(jié)果以及

相關(guān)數(shù)據(jù)上傳到云端。云端提供海量數(shù)據(jù)的存儲(chǔ)、分析與價(jià)值挖掘。邊緣與云的

數(shù)據(jù)協(xié)同支持?jǐn)?shù)據(jù)在邊緣與云之間可控、有序地流動(dòng)，形成完整的數(shù)據(jù)流轉(zhuǎn)路徑，

25/90

高效、低成本地對(duì)數(shù)據(jù)進(jìn)行生命周期管理與價(jià)值挖掘。

智能協(xié)同是指邊緣計(jì)算節(jié)點(diǎn)與云端之間的智能處理和能力協(xié)同。邊緣計(jì)算節(jié)

點(diǎn)按照AI（人工智能）模型執(zhí)行推理，實(shí)現(xiàn)分布式智能，而云端則開展AI的集

中式模型訓(xùn)練，并將模型下發(fā)至邊緣計(jì)算節(jié)點(diǎn)。這種協(xié)同方式可以實(shí)現(xiàn)分布式智

能和集中式智能的有效結(jié)合，提高AI處理的效率和精度，同時(shí)也降低了AI處理

的成本。云端主要提供應(yīng)用開發(fā)、測(cè)試環(huán)境，以及應(yīng)用的生命周期管理能力，包

括應(yīng)用的推送、安裝、卸載、更新、監(jiān)控及日志等。

應(yīng)用管理協(xié)同是指邊緣計(jì)算節(jié)點(diǎn)提供應(yīng)用部署與運(yùn)行環(huán)境，并對(duì)本節(jié)點(diǎn)多個(gè)

應(yīng)用的生命周期進(jìn)行管理和調(diào)度；云端主要提供應(yīng)用開發(fā)、測(cè)試環(huán)境，以及應(yīng)用

的生命周期管理能力，包括應(yīng)用的推送、安裝、卸載、更新、監(jiān)控及日志等。

業(yè)務(wù)管理協(xié)同是指邊緣計(jì)算節(jié)點(diǎn)主要提供模塊化、微服務(wù)化的應(yīng)用/數(shù)字孿

生/網(wǎng)絡(luò)等實(shí)例；云端主要提供按照客戶需求實(shí)現(xiàn)應(yīng)用/數(shù)字孿生/網(wǎng)絡(luò)等的業(yè)務(wù)編

排能力，按需為客戶提供相關(guān)網(wǎng)絡(luò)增值業(yè)務(wù)。

服務(wù)協(xié)同是指EC-SaaS(邊緣計(jì)算SaaS)與云端SaaS在用戶應(yīng)用層面的服務(wù)

質(zhì)量、服務(wù)能效等的協(xié)同。

聯(lián)邦學(xué)習(xí)是使用云邊協(xié)同機(jī)制的典型智能應(yīng)用范式。傳統(tǒng)的方式將采集的設(shè)

備傳輸?shù)皆贫诉M(jìn)行模型訓(xùn)練，這會(huì)面臨一些問題：一是帶寬與延遲的消耗；二是

數(shù)據(jù)保存在云端則會(huì)有嚴(yán)重的隱私泄露隱患。在這種場(chǎng)景下，云邊協(xié)同進(jìn)行模型

的協(xié)同訓(xùn)練則是一個(gè)很好的選擇。得益于邊緣端的數(shù)據(jù)收集能力，最終訓(xùn)練出來

的模型的泛化性能會(huì)更好。其中邊緣端負(fù)責(zé)數(shù)據(jù)的收集以及部分的模型訓(xùn)練，云

端負(fù)責(zé)將邊緣端的模型更新聚合并且發(fā)送回邊緣端。

以人臉識(shí)別應(yīng)用為列，傳統(tǒng)訓(xùn)練過程需要由邊緣端收集人臉數(shù)據(jù)，同時(shí)與中

心服務(wù)器進(jìn)行直接的數(shù)據(jù)交互，而直接的數(shù)據(jù)交互勢(shì)必導(dǎo)致隱私的泄露問題。而

云邊協(xié)同下的人臉識(shí)別模型訓(xùn)練不需要將人臉數(shù)據(jù)上傳至中心服務(wù)器，這就防止

了某種程度的隱私泄露問題。

KubeEdge的Sedna組件是基于KubeEdge提供的邊云協(xié)同能力，實(shí)現(xiàn)AI的

跨邊云協(xié)同訓(xùn)練和協(xié)同推理能力。它支持現(xiàn)有AI類應(yīng)用無縫下沉到邊緣，快速

實(shí)現(xiàn)跨邊云的增量學(xué)習(xí)、聯(lián)邦學(xué)習(xí)、協(xié)同推理等能力，最終達(dá)到降低邊緣AI服

務(wù)構(gòu)建與部署成本、提升模型性能、保護(hù)數(shù)據(jù)隱私等效果。Sedna應(yīng)用場(chǎng)景包括

26/90

邊云協(xié)同增量學(xué)習(xí)、聯(lián)邦學(xué)習(xí)、終身學(xué)習(xí)和聯(lián)合推理等。

圖2.11Sedna架構(gòu)圖

2.邊緣節(jié)點(diǎn)間協(xié)同：

由于云邊通信穩(wěn)定性和帶寬、流量成本的影響，在某些場(chǎng)景下，需要依靠邊

緣節(jié)點(diǎn)間的相互協(xié)作來完成智能作業(yè)任務(wù)。該場(chǎng)景下，本地邊緣節(jié)點(diǎn)間存在較好

的網(wǎng)絡(luò)條件，通信穩(wěn)定、帶寬高、基本免費(fèi)。但邊緣單節(jié)點(diǎn)的處理能力有限，無

法單獨(dú)完成某些偶發(fā)的復(fù)雜的任務(wù)，但多個(gè)邊緣節(jié)點(diǎn)協(xié)同可滿足任務(wù)的計(jì)算、存

儲(chǔ)等需求。邊邊協(xié)同往往是在云端組件的協(xié)調(diào)控制之下完成的。因此邊邊協(xié)同可

以看做是云邊協(xié)同的一種應(yīng)用場(chǎng)景，即控制面在云側(cè)，業(yè)務(wù)面在邊側(cè)。邊邊協(xié)同

與普通的云邊協(xié)同的差別主要在要解決多邊之間的網(wǎng)絡(luò)互通。

圖2.12EdgeMesh架構(gòu)圖

EdgeMesh是KubeEdge在邊緣場(chǎng)景下實(shí)現(xiàn)邊緣節(jié)點(diǎn)互通的一個(gè)解決方案。

EdgeMesh作為KubeEdge集群的數(shù)據(jù)面組件，為應(yīng)用程序提供了簡(jiǎn)單的服務(wù)發(fā)

27/90

現(xiàn)與流量代理功能，從而屏蔽了邊緣場(chǎng)景下復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)。在邊緣計(jì)算場(chǎng)景下，

網(wǎng)絡(luò)拓?fù)漭^為復(fù)雜，不同區(qū)域中的邊緣節(jié)點(diǎn)往往網(wǎng)絡(luò)不互通，并且應(yīng)用之間流量

的互通是業(yè)務(wù)的首要需求。EdgeMesh滿足邊緣場(chǎng)景下的新需求（如邊緣資源有

限、邊云網(wǎng)絡(luò)不穩(wěn)定、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜等），即實(shí)現(xiàn)了高可用性、高可靠性和極致

輕量化：

高可用性：利用LibP2P提供的能力，來打通邊緣節(jié)點(diǎn)間的網(wǎng)絡(luò)，將邊緣節(jié)

點(diǎn)間的通信分為局域網(wǎng)內(nèi)和跨局域網(wǎng)。局域網(wǎng)內(nèi)的通信采用節(jié)點(diǎn)間直接通

信，跨局域網(wǎng)的通信在打洞成功時(shí)Agent之間建立直連隧道，否則通過中

繼轉(zhuǎn)發(fā)流量。

高可靠性（離線場(chǎng)景）：元數(shù)據(jù)通過KubeEdge邊云通道下發(fā)并保存在本地，

無需訪問云端apiserver；EdgeMesh內(nèi)部集成輕量的節(jié)點(diǎn)級(jí)DNS服務(wù)器，

服務(wù)發(fā)現(xiàn)不依賴云端CoreDNS。

極致輕量化：每個(gè)節(jié)點(diǎn)有且僅有一個(gè)Agent，節(jié)省邊緣資源。

2.3邊緣智能網(wǎng)絡(luò)基礎(chǔ)設(shè)施

2.3.1邊緣智能接入網(wǎng)

邊緣計(jì)算部署在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，涉及客戶現(xiàn)場(chǎng)網(wǎng)絡(luò)、運(yùn)營(yíng)

商網(wǎng)絡(luò)和邊緣數(shù)據(jù)中心網(wǎng)絡(luò)，融合了計(jì)算、網(wǎng)絡(luò)、應(yīng)用等能力，就近提供邊緣智

能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能等方面的

關(guān)鍵需求。運(yùn)營(yíng)商是邊緣計(jì)算網(wǎng)絡(luò)基礎(chǔ)設(shè)施主要提供者，在邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟

（ECC）與網(wǎng)絡(luò)5.0產(chǎn)業(yè)和技術(shù)創(chuàng)新聯(lián)盟（N5A）聯(lián)合發(fā)布的《運(yùn)營(yíng)商邊緣計(jì)算

網(wǎng)絡(luò)技術(shù)白皮書》中將從用戶系統(tǒng)到邊緣計(jì)算系統(tǒng)所經(jīng)過的網(wǎng)絡(luò)基礎(chǔ)設(shè)施定義為

ECA（EdgeComputingAccess，邊緣計(jì)算接入網(wǎng)絡(luò)），運(yùn)營(yíng)商在邊緣計(jì)算和網(wǎng)絡(luò)

融合方面進(jìn)行了深入研究和實(shí)踐，本章節(jié)重點(diǎn)對(duì)ECA中涉及的關(guān)鍵技術(shù)進(jìn)行分

析。

28/90

圖2.13邊緣計(jì)算網(wǎng)絡(luò)基礎(chǔ)設(shè)施示意圖（運(yùn)營(yíng)商邊緣計(jì)算網(wǎng)絡(luò)技術(shù)白皮書）

在邊緣智能接入網(wǎng)中，園區(qū)網(wǎng)包括企業(yè)的內(nèi)部網(wǎng)、廠區(qū)內(nèi)的局域網(wǎng)等，常見

網(wǎng)絡(luò)技術(shù)有L2/L3局域網(wǎng)、WIFI、TSN（時(shí)間敏感網(wǎng)絡(luò)）、現(xiàn)場(chǎng)總線等。接入

網(wǎng)需支持移動(dòng)用戶和固定用戶同時(shí)接入，在移動(dòng)網(wǎng)絡(luò)中，需要提供如

2G/3G/4G/5G等接入方式。在固定網(wǎng)絡(luò)中，需要提供光接入網(wǎng)絡(luò)PON、以及各

類專線等接入方式。運(yùn)營(yíng)商通過邊緣計(jì)算提供同時(shí)連接MBB和FBB接入網(wǎng)絡(luò)，

以及在兩張網(wǎng)絡(luò)上的云業(yè)務(wù)交互。在邊界網(wǎng)關(guān)，移動(dòng)網(wǎng)絡(luò)通過用戶面UPF下沉，

解決移動(dòng)性管理、業(yè)務(wù)分流、計(jì)費(fèi)、QoS等問題，固定網(wǎng)絡(luò)則通過寬帶接入設(shè)備

BRAS/BRAS-UP進(jìn)行分流。

邊緣計(jì)算的部署位置和業(yè)務(wù)的多樣性對(duì)網(wǎng)絡(luò)的接入范圍、性能指標(biāo)如時(shí)延、

帶寬、高并發(fā)等方面提出了新的需求，因此需要ECA網(wǎng)絡(luò)通過以下關(guān)鍵技術(shù)實(shí)

現(xiàn)：

（1）云網(wǎng)融合：針對(duì)業(yè)務(wù)現(xiàn)場(chǎng)人、機(jī)、物等不同設(shè)備的接入需求，運(yùn)營(yíng)商

會(huì)根據(jù)邊緣業(yè)務(wù)應(yīng)用的區(qū)域位置不同而建設(shè)多張接入網(wǎng)絡(luò)，增加CAPEX投資。

同時(shí)隨著業(yè)務(wù)應(yīng)用的不斷調(diào)整變化，要求網(wǎng)絡(luò)具備靈活性，助力新業(yè)務(wù)敏捷上線，

對(duì)OPEX提出了更高的要求。所以ECA需要采用云網(wǎng)融合技術(shù)滿足運(yùn)營(yíng)商降低

CAPEX和OPEX的需求。

（2）異構(gòu)計(jì)算：不同的邊緣計(jì)算應(yīng)用具有不同的業(yè)務(wù)特性，在CDN中需要

提供高帶寬的視頻服務(wù)，在智能制造中需要提供低時(shí)延的確定性網(wǎng)絡(luò)，在智能交

通中需要高可靠性連接和低時(shí)延需求。由于邊緣設(shè)備的多樣性和資源的有限性，

因此需要結(jié)合不同類型的計(jì)算資源如鯤鵬、ARM、X86、GPU、NPU、FPGA等

在ECA中進(jìn)行異構(gòu)計(jì)算。

（3）智能內(nèi)生：不同的業(yè)務(wù)訴求對(duì)于智能化的要求不同，越來越多的業(yè)務(wù)

29/90

應(yīng)用要求網(wǎng)絡(luò)具體智能化能力，能實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)資源的實(shí)時(shí)調(diào)整，如對(duì)于不同的業(yè)

務(wù)提供不同的QOS服務(wù)能力，同時(shí)將對(duì)時(shí)延不敏感的業(yè)務(wù)調(diào)度到其它空閑節(jié)點(diǎn)

進(jìn)行計(jì)算，以確保本地的高優(yōu)先級(jí)業(yè)務(wù)得到及時(shí)處理，因此需要在ECA中需要

內(nèi)生智能。

（一）邊緣智能接入網(wǎng)技術(shù)特點(diǎn)

1.云網(wǎng)融合：

邊緣智能接入網(wǎng)打破了固網(wǎng)、移動(dòng)兩張網(wǎng)絡(luò)在歷史上獨(dú)立發(fā)展的煙囪式建設(shè)

現(xiàn)狀，促使傳統(tǒng)相對(duì)僵化封閉的網(wǎng)絡(luò)架構(gòu)逐步向簡(jiǎn)潔、敏捷、開放、集約的新型

網(wǎng)絡(luò)轉(zhuǎn)變，云網(wǎng)融合是一項(xiàng)關(guān)鍵的技術(shù)。在發(fā)展歷程上要經(jīng)過網(wǎng)絡(luò)云化、云網(wǎng)一

體和融合開放三個(gè)階段，最終將傳統(tǒng)上相對(duì)獨(dú)立的云計(jì)算資源和網(wǎng)絡(luò)設(shè)施融合形

成一體化供給、一體化運(yùn)營(yíng)、一體化服務(wù)的體系。

（1）第一個(gè)階段為網(wǎng)絡(luò)云化，在固定網(wǎng)絡(luò)和移動(dòng)通信網(wǎng)絡(luò)中存在大量傳統(tǒng)

設(shè)備，例如防火墻、交換機(jī)、NAT等，在移動(dòng)通信網(wǎng)絡(luò)中有無線基站、核心網(wǎng)

等。這些設(shè)備的特點(diǎn)是軟硬件集成、內(nèi)部采用封閉的架構(gòu)實(shí)現(xiàn)，而且都是專有設(shè)

備，每個(gè)設(shè)備實(shí)現(xiàn)專用的功能，為煙囪式獨(dú)立建設(shè)。網(wǎng)絡(luò)云化則是通過SDN和

NFV技術(shù)，從傳統(tǒng)煙囪式架構(gòu)演變?yōu)檐浻布怦?、開放、云化的架構(gòu)。最底層

采用通用硬件，例如服務(wù)器、交換機(jī)、存儲(chǔ)等。針對(duì)特殊的計(jì)算或網(wǎng)絡(luò)轉(zhuǎn)發(fā)需求，

也會(huì)通過加速硬件來輔助。在硬件之上，通過虛擬化技術(shù)，以及Linux/KVM、

QEMU、OpenSta