前言[1]
隨著萬物互聯(lián)時代的到來，網(wǎng)絡(luò)邊緣設(shè)備產(chǎn)生的數(shù)據(jù)量快速增加，帶來了更高的數(shù)據(jù)傳輸帶寬需求，同時，新型應(yīng)用也對數(shù)據(jù)處理的實時性提出了更高要求，傳統(tǒng)云計算模型已經(jīng)無法有效應(yīng)對，因此，邊緣計算應(yīng)運(yùn)而生。
邊緣計算的基本理念是將計算任務(wù)在接近數(shù)據(jù)源的計算資源上運(yùn)行，可以有效減小計算系統(tǒng)的延遲，減少數(shù)據(jù)傳輸帶寬，緩解云計算中心壓力，提高可用性，并能夠保護(hù)數(shù)據(jù)安全和隱私。得益于這些優(yōu)勢，邊緣計算從2012年以來迅速發(fā)展。
近年來，隨著萬物互聯(lián)時代的快速到來和無線網(wǎng)絡(luò)的普及，網(wǎng)絡(luò)邊緣的設(shè)備數(shù)量和產(chǎn)生的數(shù)據(jù)都快速增長。根據(jù)IDC預(yù)測，到2020年，全球數(shù)據(jù)總量將大于20澤字節(jié)（ZB），而物聯(lián)網(wǎng)產(chǎn)生數(shù)據(jù)的15%都將在網(wǎng)絡(luò)邊緣處理。在這種情形下，以云計算模型為核心的集中式處理模式將無法高效處理邊緣設(shè)備產(chǎn)生的數(shù)據(jù)。集中式處理模型將所有數(shù)據(jù)通過網(wǎng)絡(luò)傳輸?shù)皆朴嬎阒行?，利用云計算中心超?qiáng)的計算能力來集中式解決計算和存儲問題，這使得云服務(wù)能夠創(chuàng)造出較高的經(jīng)濟(jì)效益。
(2019年）每分鐘會產(chǎn)生多少數(shù)據(jù)？ （來源：DOMO）
但是在萬物互聯(lián)的背景下，傳統(tǒng)云計算有幾個不足：
- 實時性不夠
萬物互聯(lián)場景下應(yīng)用對于實時性的要求極高。傳統(tǒng)云計算模型下，應(yīng)用將數(shù)據(jù)傳送到云計算中心，再請求數(shù)據(jù)處理結(jié)果，增大了系統(tǒng)延遲。以無人駕駛汽車應(yīng)用為例，高速行駛的汽車需要毫秒級的反應(yīng)時間，一旦由于網(wǎng)絡(luò)問題而加大系統(tǒng)延遲，將會造成嚴(yán)重后果。
2. 帶寬不足邊緣設(shè)備實時產(chǎn)生大量數(shù)據(jù)，將全部數(shù)據(jù)傳輸至云端造成了網(wǎng)絡(luò)帶寬的很大壓力。例如，波音787每秒產(chǎn)生的數(shù)據(jù)超過5GB，但飛機(jī)與衛(wèi)星之間的帶寬不足以支持實時傳輸。
3. 能耗較大數(shù)據(jù)中心消耗了極多的能源，根據(jù)Sverdlik的研究，到2020年美國所有數(shù)據(jù)中心能耗將增長4%，達(dá)到730億千瓦時，我國數(shù)據(jù)中心所消耗的電能也已經(jīng)超過了匈牙利和希臘兩國用電總和。隨著用戶應(yīng)用程序越來越多，處理的數(shù)據(jù)量越來越大，能耗將會成為限制云計算中心發(fā)展的瓶頸。
4. 不利于數(shù)據(jù)安全和隱私萬物互聯(lián)中的數(shù)據(jù)與用戶生活聯(lián)系極為緊密，例如，許多家庭安裝室內(nèi)智能網(wǎng)絡(luò)攝像頭，視頻數(shù)據(jù)傳輸?shù)皆贫?，會增加泄露用戶隱私的風(fēng)險。隨著歐盟“通用數(shù)據(jù)保護(hù)條例”（GDPR）的生效，數(shù)據(jù)安全和隱私問題對于云計算公司來說變得更加重要。
為了解決以上問題，面向邊緣設(shè)備所產(chǎn)生海量數(shù)據(jù)計算的邊緣計算模型應(yīng)運(yùn)而生。邊緣計算是在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模型，邊緣計算操作的對象包括來自于云服務(wù)的下行數(shù)據(jù)和來自于萬物互聯(lián)服務(wù)的上行數(shù)據(jù)，而邊緣計算的邊緣是指從數(shù)據(jù)源到云計算中心路徑之間的任意計算和網(wǎng)絡(luò)資源，是一個連續(xù)統(tǒng)（continuum）。
邊緣計算模型和云計算模型并不是取代的關(guān)系，而是相輔相成的關(guān)系，邊緣計算需要云計算中心強(qiáng)大的計算能力和海量存儲的支持，而云計算中心也需要邊緣計算中邊緣設(shè)備對海量數(shù)據(jù)及隱私數(shù)據(jù)的處理。邊緣計算模型具有3個明顯的優(yōu)點(diǎn)：
- 在網(wǎng)絡(luò)邊緣處理大量臨時數(shù)據(jù)，不再全部上傳云端，這極大地減輕了網(wǎng)絡(luò)帶寬和數(shù)據(jù)中心功耗的壓力；
- 在靠近數(shù)據(jù)生產(chǎn)者處做數(shù)據(jù)處理，不需要通過網(wǎng)絡(luò)請求云計算中心的響應(yīng)，大大減少了系統(tǒng)延遲，增強(qiáng)了服務(wù)響應(yīng)能力；
- 邊緣計算將用戶隱私數(shù)據(jù)不再上傳，而是存儲在網(wǎng)絡(luò)邊緣設(shè)備上，減少了網(wǎng)絡(luò)數(shù)據(jù)泄露的風(fēng)險，保護(hù)了用戶數(shù)據(jù)安全和隱私。
得益于這些優(yōu)勢，邊緣計算近年來得到了迅速發(fā)展。
邊緣計算發(fā)展歷程[1]
以"edge computing"為關(guān)鍵詞在谷歌學(xué)術(shù)上搜索論文，以年度為橫坐標(biāo)，論文數(shù)為縱坐標(biāo)，可以看到該熱度曲線可明顯分為三個部分，則可將邊緣計算分為三個階段：
技術(shù)儲備期、快速增長期和穩(wěn)定發(fā)展期。
此外，在這三個階段中，分別有如下代表性事件（粗體為中國相關(guān)事件）其中最值得注意的事件有：
1998年，Akamai公司提出內(nèi)容分發(fā)網(wǎng)絡(luò)（content delivery network,CDN）。邊緣計算的功能緩存（function cache）的雛形。
2013年，美國太平洋西北國家實驗室的 Ryan LaMothes 提出"edge computing"一詞。
2015年，歐洲電信標(biāo)準(zhǔn)化協(xié)會(ETSI)發(fā)表關(guān)于移動邊緣計算的白皮書。并在2017年3月將移動邊緣計算行業(yè)規(guī)范工作組正式更名為多接入邊緣計算(multi-access edge computing, MEC)。
2016年，ACM 和 IEEE 聯(lián)合舉辦邊緣計算頂級會議(ACM/IEEE Symposium on Edge Computing, SEC)[2]。
2016年，11月，華為技術(shù)有限公司、中國科學(xué)院沈陽自動化研究所、中國信息通信研究所、英特爾、ARM等在北京成立了邊緣計算產(chǎn)業(yè)聯(lián)盟(edge computing consortium, ECC)。
2017年，5月，首屆中國邊緣計算技術(shù)研討會在合肥開幕，同年8月中國自動化學(xué)會邊緣計算專委會成立。
邊緣計算定義
在說邊緣計算定義前，不妨看下這個圖：
邊緣計算章魚說（來源：《一本書讀懂邊緣計算》）
這是一個章魚，章魚跟普通動物有一個很大的區(qū)別是作為無脊椎動物，章魚擁有巨量的神經(jīng)元，但60%分布在章魚的八條腿（腕足）上，腦部僅有40%。章魚在捕獵時異常靈巧迅速，腕足之間配合極好，從不會纏繞打結(jié)。
這得益于它們類似分布式計算的“多個小腦+一個大腦”。
邊緣計算也屬于一種分布式計算：
在網(wǎng)絡(luò)邊緣側(cè)的智能網(wǎng)關(guān)上就近處理采集到的數(shù)據(jù)，而不需要將大量數(shù)據(jù)上傳到遠(yuǎn)端的核心管理平臺。
那么回到邊緣計算的定義，邊緣計算目前沒有唯一的定義，以下三種可供參考：
一[3]1. 邊緣計算是指在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模型，其邊緣是指從數(shù)據(jù)源到云計算中心路徑之間的任意資源和網(wǎng)絡(luò)資源。
即，邊緣計算是一個連續(xù)統(tǒng)（continuum），除“云”之外皆是“邊緣”；
2. 邊緣計算更多地聚集在邊緣設(shè)備本身，而霧計算則更多關(guān)注基礎(chǔ)設(shè)施，從作用范圍角度講，邊緣計算包含霧計算，即霧計算是邊緣計算的一部分；
3. 邊緣計算的基本原理是將計算任務(wù)遷移到產(chǎn)生源數(shù)據(jù)的邊緣設(shè)備上。
二[4]邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字在敏捷聯(lián)接、實時業(yè)務(wù)、 數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。三[5]邊緣計算、霧計算、云計算具有差異性。霧計算將云計算無縫擴(kuò)展到邊緣，實現(xiàn)安全控制和管理域內(nèi)特定硬件、軟件、標(biāo)準(zhǔn)計算、存儲和網(wǎng)絡(luò)功能，并確保安全、豐富的跨域數(shù)據(jù)處理應(yīng)用能力。
邊緣計算主要使用場景[6][7]
注：由于5G與邊緣計算相關(guān)應(yīng)用場景重合性比較大，故此處對二者都進(jìn)行了介紹。
目前邊緣計算研究熱點(diǎn)應(yīng)用領(lǐng)域包括內(nèi)容緩存、場景感知、負(fù)載均衡、云基礎(chǔ)設(shè)施架構(gòu)等，對延遲敏感、實時性要求比較高的場景。
比如：云基礎(chǔ)設(shè)施 2.0、5G、VR/AR、CDN、車聯(lián)網(wǎng)、工業(yè) 4.0、物聯(lián)網(wǎng)等，通過智能化部署邊緣節(jié)點(diǎn)來滿足應(yīng)用，提供不同服務(wù)質(zhì)量的可靠服務(wù)，提升服務(wù)質(zhì)量。
5G 能力、5G 共性業(yè)務(wù)與 5G 應(yīng)用的關(guān)系（來源：中國移動研究院 ）
十大行業(yè)應(yīng)用對5G網(wǎng)絡(luò)能力的依賴程度（來源：中國移動研究院 ）
5G重點(diǎn)應(yīng)用行業(yè)及細(xì)分應(yīng)用領(lǐng)域（來源：中國移動研究院 ）
邊緣計算落地場景分類
正如邊緣計算定義不唯一，不同企業(yè)和機(jī)構(gòu)對于邊緣計算應(yīng)用場景的分類也是不唯一的。
邊緣計算場景分析（來源：華信咨詢《走進(jìn)邊緣計算產(chǎn)業(yè)》）
根據(jù)不同評價維度，有多種分類方法：
開放數(shù)據(jù)中心標(biāo)準(zhǔn)促進(jìn)委員會[8]根據(jù)技術(shù)特性匹配度劃分七大技術(shù)應(yīng)用場景（5G、物聯(lián)網(wǎng)、人工智能、工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、內(nèi)容分發(fā)網(wǎng)絡(luò)和AR/VR）和十五大業(yè)務(wù)應(yīng)用場景（醫(yī)療、交通、金融、工業(yè)、教育、物流、城市、電力、安防、家居、樓宇、娛樂、餐飲、會展與農(nóng)業(yè)）；
工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟[9]根據(jù)細(xì)分價值市場的維度分為電信運(yùn)營商邊緣計算、企業(yè)與物聯(lián)網(wǎng)邊緣計算和工業(yè)邊緣計算；根據(jù)業(yè)務(wù)形態(tài)分為物聯(lián)網(wǎng)、工業(yè)、智慧家庭、廣域接入網(wǎng)絡(luò)、邊緣云和多接入邊緣計算MEC；
阿里和電子技術(shù)標(biāo)準(zhǔn)化研究院[10]根據(jù)覆蓋范圍分為全網(wǎng)覆蓋類和本地覆蓋。
5G總體愿景（來源：5G愿景與需求白皮書 ）
邊緣計算分類與主要業(yè)務(wù)形態(tài)（來源：邊緣計算與云計算協(xié)同白皮書（2018））
邊云協(xié)同的主要場景（來源：邊緣計算與云計算協(xié)同白皮書（2018））
邊緣計算落地應(yīng)用垂直行業(yè)
在眾多垂直行業(yè)新興業(yè)務(wù)中，對邊緣計算的需求主要體現(xiàn)在時延、帶寬和安全三個方面。中國移動[11]分析，目前智能制造、智慧城市、直播游戲和車聯(lián)網(wǎng)4個垂直領(lǐng)域?qū)吘売嬎愕男枨笞顬槊鞔_。
邊緣計算業(yè)務(wù)場景和需求（來源：中國移動邊緣計算白皮書）
智能制造
在智能制造領(lǐng)域，工廠利用邊緣計算智能網(wǎng)關(guān)進(jìn)行本地數(shù)據(jù)采集，并進(jìn)行數(shù)據(jù)過濾、清洗等實時處理。同時邊緣計算還可以提供跨層協(xié)議轉(zhuǎn)換的能力，實現(xiàn)碎片化工業(yè)網(wǎng)絡(luò)的統(tǒng)一接入。一些工廠還在嘗試?yán)锰摂M化技術(shù)軟件實現(xiàn)工業(yè)控制器，對產(chǎn)線機(jī)械臂進(jìn)行集中協(xié)同控制，這是一種類似于通信領(lǐng)域軟件定義網(wǎng)絡(luò)中實現(xiàn)轉(zhuǎn)控分離的機(jī)制，通過軟件定義機(jī)械的方式實現(xiàn)了機(jī)控分離。
智慧城市
智慧城市，主要包括智慧樓宇、物流和視頻監(jiān)控等多個方面。邊緣計算可以實現(xiàn)對城市中運(yùn)行參數(shù)進(jìn)行采集分析。例如，在城市路面檢測中，在道路兩側(cè)路燈上安裝傳感器收集城市路面信息，檢測空氣質(zhì)量、光照強(qiáng)度、噪音水平等環(huán)境數(shù)據(jù)，當(dāng)路燈發(fā)生故障時能夠及時反饋至維護(hù)人員。邊緣計算還可以利用本地部署的GPU服務(wù)器，實現(xiàn)毫秒級的人臉識別、物體識別等智能圖像分析。
直播游戲
在直播游戲領(lǐng)域，邊緣計算可以為CDN提供豐富的存儲資源，并在更加靠近用戶的位置提供音視頻的渲染能力，讓云桌面，云游戲等新型業(yè)務(wù)模式成為可能。特別在AR/VR場景中，邊緣計算的引入可以大幅降低AR/VR終端設(shè)備的復(fù)雜度，從而降低成本，促進(jìn)整體產(chǎn)業(yè)的高速發(fā)展。
車聯(lián)網(wǎng)
車聯(lián)網(wǎng)業(yè)務(wù)對時延的需求非常苛刻，邊緣計算可以為防碰撞、編隊等自動/輔助駕駛業(yè)務(wù)提供毫秒級的時延保證，同時可以在基站本地提供算力，支撐高精度地圖的相關(guān)數(shù)據(jù)處理和分析，更好地支持視線盲區(qū)的預(yù)警業(yè)務(wù)。
除了上述垂直行業(yè)的應(yīng)用場景之外，邊緣計算還存在一種較為特殊的需求——本地專網(wǎng)。很多企業(yè)用戶都希望運(yùn)營商在園區(qū)本地可以提供分流能力，將企業(yè)自營業(yè)務(wù)的流量直接分流至企業(yè)本地的數(shù)據(jù)中心進(jìn)行相應(yīng)的業(yè)務(wù)處理。比如在校園實現(xiàn)內(nèi)網(wǎng)本地通信和課件共享，在企業(yè)園區(qū)分流至私有云實現(xiàn)本地 ERP 業(yè)務(wù)，在公共服務(wù)/政務(wù)園區(qū)提供醫(yī)療、圖書館等數(shù)據(jù)業(yè)務(wù)。在這一類應(yīng)用場景中，運(yùn)營商為客戶的本地邊緣計算業(yè)務(wù)提供了專線服務(wù)。
邊緣計算具體應(yīng)用實例[12]
邊緣計算落地應(yīng)用實例眾多。2020年初，受新冠疫情影響，在校學(xué)生不能及時返回學(xué)校上課，使得“遠(yuǎn)程授課和在線課堂”成為熱點(diǎn)，又因互動課堂的業(yè)務(wù)需求與邊緣計算擅長的領(lǐng)域相吻合，顧以互動課堂場景為例進(jìn)行介紹：
阿里云互動課堂場景
在線互動課堂場景具有大帶寬、長鏈路傳輸、廣覆蓋的業(yè)務(wù)特點(diǎn)，同時因為教學(xué)的實時性和互動性，對于網(wǎng)絡(luò)的低延時和抗抖動能力也有較高的要求。
假設(shè)一個位于上海的老師在給遍布全國各地的學(xué)生講課，一旦中間網(wǎng)絡(luò)發(fā)生抖動，就會出現(xiàn)卡頓、音畫不同步、互動延遲等問題，學(xué)生提的問題老師沒有及時回答，學(xué)生的積極性也會下降，授課效果必然會大打折扣。
在線互動課堂的技術(shù)挑戰(zhàn)
第一，網(wǎng)絡(luò)延時是互動課堂的核心影響因素之一，該業(yè)務(wù)場景對網(wǎng)絡(luò)丟包敏感，網(wǎng)絡(luò)丟包可能直接導(dǎo)致用戶掉線、視頻卡頓、推流失敗等。
第二，學(xué)生遍布各地，基于就近接入原則，平臺需要在全國各主要城市部署接入服務(wù)器，理論上城市覆蓋數(shù)越多，接入效果越好，用戶體驗提升越明顯，但是這會面臨高昂的成本。
第三，在暑期等業(yè)務(wù)高峰期，流量大幅增長，而傳統(tǒng)IDC機(jī)房建設(shè)周期為3-6個月，無法及時響應(yīng)平臺在服務(wù)器資源、帶寬資源以及專線資源方面的快速擴(kuò)容需求，同時大量的資源建設(shè)在業(yè)務(wù)高峰度過之后會面臨閑置，急需利用云的彈性能力來解決難題。
邊緣計算為在線互動課堂帶來的價值
大帶寬、廣覆蓋、強(qiáng)互動、低延時，在線互動課堂與邊緣計算的應(yīng)用場景天然契合。
首先，邊緣計算可以在更靠近終端的網(wǎng)絡(luò)邊緣上提供服務(wù)，全域覆蓋的節(jié)點(diǎn)資源，仿佛打造了一張覆蓋全國的高質(zhì)量、低成本的實時視頻轉(zhuǎn)發(fā)網(wǎng)絡(luò)。在K12在線輔導(dǎo)業(yè)務(wù)場景中，空間距離的縮短可以減少復(fù)雜的長鏈路傳輸網(wǎng)絡(luò)中，各種路由轉(zhuǎn)發(fā)和網(wǎng)絡(luò)設(shè)備處理的延時和傳輸時間，同時可以更好的避免網(wǎng)絡(luò)抖動帶來的掉線和卡頓問題，在互動課堂業(yè)務(wù)場景中整體低時延、強(qiáng)互動體驗提升明顯。
同時，視頻類大流量業(yè)務(wù)的處理放到邊緣完成，在大型公開課、名師講堂直播等場景下會產(chǎn)生高并發(fā)訪問，通過分布式的架構(gòu)分散中心處理的壓力，也能夠有效避免網(wǎng)絡(luò)擁塞，同時降低將數(shù)據(jù)傳回源站的帶寬成本。
之前假設(shè)的上海老師給全國學(xué)生授課的場景中，上海的老師授課媒體流會推到就近的邊緣節(jié)點(diǎn)，在邊緣節(jié)點(diǎn)直接進(jìn)行轉(zhuǎn)碼，轉(zhuǎn)碼后的媒體流會分發(fā)到CDN邊緣節(jié)點(diǎn)，當(dāng)有用戶訪問時直接就近返回內(nèi)容。
對于常見的跨國授課來說，阿里云邊緣計算也能通過國際高速通道將海外的授課媒體流轉(zhuǎn)發(fā)回國內(nèi)的云中心，再通過邊緣云智能選路系統(tǒng)以及遍布全國的邊緣轉(zhuǎn)發(fā)網(wǎng)絡(luò)，將授課內(nèi)容實時、高質(zhì)量的呈現(xiàn)在學(xué)生面前。
邊緣計算助力跨國互動授課示意圖（來源：阿里云）
移動邊緣計算（MEC）架構(gòu)
“移動邊緣計算”或者“多接入邊緣計算”是邊緣計算比較熱門的子領(lǐng)域。
移動邊緣計算 與 移動云計算的區(qū)別
移動邊緣計算與移動云計算有什么區(qū)別呢？上表中以8個維度進(jìn)行了闡述。
移動邊緣計算架構(gòu)
移動邊緣計算（MEC）兩個簡單實例
上圖是移動邊緣計算的兩個簡單實例。左側(cè)是人臉識別應(yīng)用，我們可以將圖像的獲取放在智能終端上，然后將數(shù)字圖像傳入邊緣計算服務(wù)設(shè)備，然后在邊緣端進(jìn)行算力需求較高的運(yùn)算（人臉檢測、數(shù)據(jù)預(yù)處理、特征提取、等等）。
移動邊緣計算（MEC）計算與通信建模
移動邊緣計算（MEC）模型總結(jié)與未來研究方向
Summary of MEC models 來源：《A Survey on Mobile Edge Computing: The Communication Perspective 》
邊緣智能[13][14][15][16][17]：人工智能（深度學(xué)習(xí)）與邊緣計算的結(jié)合
邊緣計算的雛形是CDN（內(nèi)容分發(fā)網(wǎng)絡(luò)），它與 CDN 的最大區(qū)別是強(qiáng)調(diào)可以在邊緣上進(jìn)行智能運(yùn)算。
當(dāng)下人工智能（特別是深度學(xué)習(xí)）算法的計算需求增加，但受限于智能終端設(shè)備本身體積、能耗等因素，很多大型算法不能在終端上直接運(yùn)行。
那么這個時候一方面我們可以探索模型壓縮方法減少所需運(yùn)算量，另一方面我們可以運(yùn)用邊緣計算的方法將算力在終端、邊緣與云之間進(jìn)行合理的分配與卸載。
邊緣智能則是人工智能（深度學(xué)習(xí)）與邊緣計算的一個交叉領(lǐng)域。
來源：Convergence of Edge Computing and Deep Learning A Comprehensive Survey
來源：Convergence of Edge Computing and Deep Learning A Comprehensive Survey
上圖描述深度學(xué)習(xí)與邊緣計算的幾類關(guān)系，為深度學(xué)習(xí)設(shè)計的邊緣計算，在邊緣上訓(xùn)練的深度學(xué)習(xí)模型，在邊緣上進(jìn)行推斷的深度學(xué)習(xí)模型，部署在邊緣上的深度學(xué)習(xí)模型。
來源：Convergence of Edge Computing and Deep Learning A Comprehensive Survey
來源：Convergence of Edge Computing and Deep Learning A Comprehensive Survey
主流深度學(xué)習(xí)計算框架對于邊緣計算的支持
如果要考慮在移動設(shè)備或者邊緣上運(yùn)行深度學(xué)習(xí)，首先可以考慮主流的深度學(xué)習(xí)框架，是否支持對應(yīng)的設(shè)備平臺。使用現(xiàn)成的深度學(xué)習(xí)框架建模可以大大節(jié)約時間和精力。
主流（輕量級）深度學(xué)習(xí)框架對移動端設(shè)備的支持
深度學(xué)習(xí)模型部署到計算邊緣（訓(xùn)練與推斷）
深度學(xué)習(xí)模型需要首先輸入訓(xùn)練數(shù)據(jù)進(jìn)行模型的訓(xùn)練，然后部署到設(shè)備上，最后進(jìn)行模型的推斷。針對這三個過程，考慮到邊緣端，也有不同的處理方式。
使用邊緣計算進(jìn)行深度學(xué)習(xí)訓(xùn)練
使用邊緣計算進(jìn)行深度學(xué)習(xí)推斷
邊緣計算未來趨勢
Gartner公司[18]于2019年發(fā)布報告，認(rèn)為邊緣計算能夠解決數(shù)字業(yè)務(wù)場景下云計算的延遲、帶寬、自主性和隱私需求問題，其具體應(yīng)用將由人、設(shè)備和業(yè)務(wù)之間的數(shù)字業(yè)務(wù)交互來定義，在未來擁有十分廣闊的發(fā)展前景，超過90%的企業(yè)都將開啟自身在邊緣計算的獨(dú)特應(yīng)用，并將在未來發(fā)展成為一個頗具規(guī)模的行業(yè)。
學(xué)界亦有類似的趨勢。
參考文獻(xiàn)
●A Survey on Mobile Edge Computing: The Communication Perspective， Khaled B.Letaief, arXiv:1701.01090v4
●Deep Learning With Edge Computing: A Review， Jiasi Chen, Xukan Ran, Proceedings of the IEEE 2019
●Convergence of Edge Computing and Deep Learning A Comprehensive Survey ，Victor C.M. Leung, Dusit Niyato, Xueqiang Yan, Xu Chen, arXiv:1907.08349v1
●Edge Intelligence: Paving the Last Mile of Articial Intelligence with Edge Computing， Xu Chen, Junshan Zhang, arXiv:1905.10083v1
●Edge AI: On-Demand Accelerating Deep Neural Network Inference via Edge Computing ，Xu Chen, IEEE Trans On Wireless Network 2019
●邊緣計算技術(shù)研究報告，中科院計算所，2018
●邊緣計算：現(xiàn)狀與展望，施巍松，2018
●邊緣計算，施巍松，2017
參考
1.施巍松,張星洲,王一帆,張慶陽. 邊緣計算：現(xiàn)狀與展望[J]. 計算機(jī)研究與發(fā)展, 2019, 56(1):69-89.
2.SEC 2019 http://acm-ieee-sec.org/2019/
3.《邊緣計算技術(shù)研究報告》 http://www.cnic.cas.cn/xwdt/yfdt/201811/t20181108_5166845.html
4.5G典型應(yīng)用案例集錦-中國移動研究院 https://www.chinaruimu.com/news/industry-dynamics/1899.html