边缘计算主流解决方案实战总结报告.pdfVIP

边缘计算主流解决方案实战总结报告

边缘计算主流解决方案实战总结电子书再次提醒相关读者在微店留言获取。内容涵盖技

术发展趋势、行业、规范组织，边缘市场空间，硬件要求，架构，异构计算、主流玩家和对

应解决方案解析。购买过全店打包资料的读者，可在微店留言免费获取下载地址。

据IDC预测，2015年全球物联网连接数约60亿个，预计2025年全球物联网连接数将增

长至270亿个，物联网设备数量将达到1000亿台，连接数的急速增长意味着海量数据的

产生，全球数据总量预计2020年达到47个ZB，2025年达到163个ZB。

未来超过70%的数据需要在边缘侧分析、处理和存储。边缘计算领域的多样性计算架构、

产品与解决方案越发重要。边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计

算、存储、应用核心能力的分布式开放平台（架构），就近提供边缘智能服务，满足行业数

字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

根据Gartner报告分析，最近几年，边缘计算已经进入技术炒作高峰去，相信不久将来相

关技术和应用将成熟。预计在未来2至5年内成熟的技术包括：边缘人工智能、边缘视频

分析、5G、微云、物联网边缘架构和边缘区块链。

边缘计算所有厂商都不想错过这个技术红利期，这导致边缘计算还处于混战状态，厂商和解

决方案鱼目混珠。但边缘计算厂商大致可以归纳为以下几类：

1、智能安防厂商：聚焦深边场景，IOT接入，实时性，边缘数据转发、分析处理，优势在

于在安防行业长期积累，具备算法、推理一体机，设备具有工控机（宽温、室外IP55标

准）环境适应能力。但缺乏云边协同，硬件规格低，软硬难解耦、存储特性弱。

2、公有云厂商：聚焦混合云场景，将部分云计算能力推至边缘设备，通过云上软件堆栈吞

噬边缘市场；优势在于云边协同、低时延、容器，AR5G新应用上发力，典型厂商如：

AWS、Azure，阿里等。不足点表现在硬件X86OEM或定制可靠性差、存储特性弱。

3、传统IT厂商：聚焦浅边/中心场景，基于传统IT硬件优势，以ISV合作，AI加速，

HCI、统一管理切入边缘；聚焦硬件、HCI能力、AI（GPU、NPU）加速优势，主打软硬解

耦。但缺乏云边协同、且设备环境参数低于工业标准。

一句话总结：深边、浅边场景是智能安防和传统IT主战场，通过盒子优势规避其云边协

同、软件服务能力不足；公有云聚焦云中心、浅边市场，以混合云为手段把云软件优势延伸

边缘，对边缘设备进行监控、管理。目前边缘市场呈三分天下局面，各家方案能力互补，场

景各有偏重。

边缘服务器要满足多种业务诉求、多样性数据的计算需求，必须要支持异构计算。异构计算

的核心是多芯片支持，包括CPU、GPU、NPU、NP等。CPU包含X86架构、ARM架

构。

ARM架构的CPU在终端领域占据绝大部分份额。随着ARM高性能核的不断推出，也可

以满足服务器领域的应用。特别是边缘计算领域，作为数据的第一入口，ARM架构在终端

领域的优势可以更好地实现端边协同，应对海量数据的多样性。

ARM的多核优势可以更好的应对边缘侧数据的高并发。通用CPU的对比如下图所

示：

GPU在视频编解码、并行计算、人工计算有广泛的应用，典型的厂家是NVIDIA、AMD

等。NPU是神经网络处理器，采用数据驱动并行计算的架构，在人工智能、深度学习方面

有广泛的应用，典型的厂家有寒武纪、昇腾等，典型厂家如Broadcom、Marvell等。

边缘计算服务器在硬件上兼容PCIE、DDR等硬件基础规范，保证硬件生态的完整。操作系

统有主流CentOS、Kylin、EulerOS等支持，并兼容主流AI框架，如TensorFlow、

CUDA（ComputeUnifiedDeviceArchitecture）、MindSpore等。

更多边缘计算内容请参阅缘计算主流解决方案实战总结电子书，内容涵盖技术发展趋

势、行业、规范组织，边缘市场空间，硬件要求，架构，异构计算、主流玩家和对应解决方

案解析。

目录（113页）

第一章、边缘计算概述

1.1边缘计算概念1.2边缘计算各领