浪潮：加速云边端融合,驱动行业智能化转型.pdfVIP

观察Observed

浪潮：加速云边端融合，驱动行业智

能化转型

文/齐健

行业分析机构IDC在最近发布的一项研究报告中预测，和终端设备逐级延展，不同的决策阶段产生的结果对算力

到2025年，全球智能终端接入数量将是今天的3倍，达到的需求也各有差异。

1500亿台。快速增长的智能终端必然会带来大量的数据，首先,终端设备配备的通常是一些计算能力较差的小盒

大量的AI决策需求，从而带动企业基础设施投资的增长子、小传感器以及摄像头等，在设备端完成单一应用场景的

和边缘侧应用的需求。IDC预测在2023年企业的基础设AI推理以及简单的初级决策,大概有20%的AI决策工作是

施预算投资额将有50%左右投入到边缘技术和设备中，未要在端上完成的。

来5年边缘计算会保持超过30%的复合增长率高速增长。当一个场景需要部署十几个甚至几十个终端设备时，

同时，因为云、边、端协同，端的爆发增长拉动边，边会带例如部署于工业园区的视频摄像头，用于检查园区机器、

动数据中心侧的设备同步增长。人员操作情况，防止安全隐患，这就需要把多个摄像头采

在此背景下，浪潮作为百度战略合作伙伴，在刚刚结集的数据整合起来，进行整体决策和分析。终端设备显然

束的“ABCSUMMIT2020百度云智峰会”上与百度联合发不具备这样的能力，此时就需要在边缘侧部署计算盒子，

布边缘计算解决方案一百度边缘计算盒子，旨在加速边做整合的决策判断，这样的中级决策判断在决策链中占比

缘计算平台赋能工业互联网、智慧交通和智慧城市等领域约为60%

场景化落地实践。而对于更大规模的数据整合，例如停车场、高速路口

车辆和车牌的图像识别，基于海量数据进行全域数据比对

5G+AI,赋能更多计算场景与分析，则需要数据中心侧（即云端）的强算力进行大数

2016年是AI爆发元年，在算力、数据和算法驱动下，据整合分析和高级决策，这部分的算力需求在AI决策链中

图像识别、语音识别等人工智能模型准确度不断提，AI的占比约为20%

推理开始从云向边缘延伸，算力也需要从数据中心向边缘此外，随着5G的发展，核心网应用将逐步下沉，计

下沉。从疫情期间的体温检测、道路的无人驾驶，到油田算力会更贴近于边和端的应用。5G技术的优势在于低延

的智慧运维等，AI正在向边缘场景快速渗透。在端、边时、大带宽以及高并发的接入，在这些大带宽高密度接入

和云构成的整个AI决策链中，计算力从数据中心向边缘以及低延时应用的拉动下,5G时代不会出现4G网络中把

投稿imchiDa@

.

-16-

观察Observed

所有数据汇总到核心网最后端的情况。很多流量的转发、侧，孕育边缘计算场景的落地，并反哺云数据中心与终端,

对接、网关接入以及路由的功能需要下沉到边缘侧，只有实现云、边和端的协同发展。

这样才能解决整个网络里核心的带宽负载、压力无法降低“5G与AI技术的发展，正在推动边缘计算演化出多

的性能问题。样