作者简介
董恩然
中国信息通信研究院云计算与大数据研究所云计算部工程师，主要从事云计算、边缘计算、物联网等领域的研究工作。
孙宗哲
中国信息通信研究院云计算与大数据研究所云计算部工程师，主要从事政务云、游戏云等领域的研究工作。
论文引用格式：
董恩然，孙宗哲. 云边协同助力行业数字化转型[J]. 信息通信技术与政策, 2020(5):76-79.
云边协同助力行业数字化转型
董恩然 孙宗哲
(中国信息通信研究院云计算与大数据研究所，北京 100191)
摘要：随着边缘计算的快速发展，边缘计算在各行业中的应用也越来越广泛。分析了云边协同在典型场景下的应用需求和业务模式，对云边协同在不同行业场景下的重要作用进行了介绍，最后给出了云边协同未来的发展趋势。
关键词：云边协同；应用场景；行业数字化转型
1 引言
边缘计算近年来逐渐引起了产业界的普遍关注，尤其在2019年，资本市场对边缘计算的投资热潮愈发高涨。从客观角度来看，虽然边缘计算的概念早已被提出，但是能够引发如此关注难免会有一些炒作的痕迹。当然，随着国家大力推动工业互联网、5G大规模商用建设，产业界普遍看好IT和OT的深度融合。边缘计算作为云计算向用户侧和终端侧的延伸，在行业数字化转型过程中，其与云计算的协同运作将成为主流模式。
2 云边协同的新发展
2.1 边缘计算概念简述
目前，欧洲电信标准化协会、Gartner、维基百科、边缘计算产业联盟、雾计算联盟等都对边缘计算的概念进行了定义。虽然上述学术组织对边缘计算的表述略有不同，但都表达了从更靠近终端或者是信息源头的网络边缘侧提供服务的共识。如果仅仅从边缘侧本身对边缘计算的概念进行定义显得过于片面，边缘计算其实是云计算概念的延伸，是云计算向用户侧和终端侧延伸而形成的解决方案，边缘计算需要与云计算通过紧密协同才能更好地满足各种应用场景的需求。在云边协同的过程中，边缘计算主要对那些需要实时处理的数据进行处理，并为云端提供高价值的数据；云计算则负责非实时、长周期数据的处理，并完成边缘应用的全生命周期管理[1]。
2.2 边缘计算产品和业务模式介绍
2.2.1 互联网厂商边缘计算产品
在国际上，边缘计算已经被云计算巨头亚马逊、微软和谷歌进行广泛的应用。其中，亚马逊推出AWSGreengrass功能软件，在信息源头处理数据信息；微软发布Azure IoT Edge边缘侧产品，聚焦边缘侧的云分析和人工智能应用；谷歌也推出了Edge TPU 和Cloud IoT Edge等边缘侧的硬件芯片和软件堆栈，在边缘设备上扩展数据处理和机器学习功能。
在国内，阿里巴巴、腾讯、百度、华为等云计算公司也推出了边缘计算产品。阿里推出边缘节点服务ENS，在边缘侧对数据进行处理，有效降低计算时延和成本；腾讯推出IECP，在设备数据源头增强云端计算能力；百度推出智能边缘BIE，在网络边缘侧提供临时离线、低延时的计算服务；华为推出了IEF平台，通过纳管用户的边缘节点，连接边缘和云端数据，将云上应用向边缘侧延伸。
2.2.2 工业企业现场级应用能力
海尔的COSMO-Edge作为一站式设备管理平台，支持多种工业协议解析，帮助用户构建工业互联网应用，实现数字化生产，助力工业企业的数字化转型；树根互联通过打造开放物联平台，将各类工业设备快速接入物联网关、根云连接器等工业控制器。
2.2.3 电信运营商MEC部署能力
2014年，欧洲电信标准协会成立移动边缘计算规范工作组，推进移动边缘计算标准化；2016年，ETSI把MEC概念扩展为多接入边缘计算（MAEC）。
目前，中国移动已在全国10个省20多个地市现网开展MEC应用试点，尝试构建基于边缘TIC的MEC端到端方案验证平台，并基于5G边缘云技术在VR上进行相关应用，未来将从标准、技术、产业3方面增强MEC 与5G的结合；中国联通已在15个省市进行规模试点及试商用网络建设，基于Edge-Cloud平台打造智慧港口、智能驾驶、智慧场馆、智能制造、视频监控、云游戏、智慧医疗等30余个试商用样板工程；中国电信自主研发了基于分布式开放平台的边缘计算MEC平台，该平台就近提供边缘智能服务，支持固定/移动网络接入、第三方能力/应用灵活部署以及边缘能力统一开放，可应用于工业互联网、高清视频、车联网等行业[2]。
3 云边协同在不同行业中的数字化应用
3.1 云边协同在智慧交通行业中的应用
3.1.1 智慧交通发展中的痛点
城市交通系统是一个复杂而巨大的系统，如何提高整个交通系统效率、提升居民出行品质是智慧交通最重要的关注点和挑战。在传统模式中，创新技术如何从实验室中落地到实际的交通应用中、各种传感器和终端设备标准如何统一规范、信息如何共享、大量生成数据如何及时进行处理等已经成为制约智慧交通发展的瓶颈。
3.1.2 智慧交通借助云边协同向车路协同发展
车路协同是智慧交通的重要核心。车路协同系统将无线通信和新一代互联网技术相结合，实现对动态交通信息的全方位采集，并与各类交通参与者进行交互，实现对车辆的主动安全控制以及道路协同管理，从而达到人、车、路的有效协同配合，最终降低交通安全风险，提高通行效率。据公安部统计，截至2019年年底，我国汽车保有量已突破2.6 亿辆，汽车驾驶人达到3.97 亿人[3]。由此可见，车路协同在我国有巨大的市场潜力，智慧交通在我国将会有广阔的发展空间。
过去智能汽车的成本一直居高不下，主要原因是行业主要将车端作为智慧交通的核心关注点，资金投入也是向该方向倾斜，如自动驾驶等技术，这对车的感知和计算能力提出了很高的要求。然而，车辆自动驾驶技术在实际路况中的表现却难以令人满意，相关技术的应用尚不成熟。因此，产业界开始将关注点逐渐向道路侧智能进行转移，通过实现人、车、路之间信息的互联互通和共享构建智慧交通。
在智慧交通应用端，通过将边缘计算应用到道路侧，同时利用5G等通信手段与车辆进行实时信息交互，可以实现车与路的感知交互。未来，在道路边缘节点还会通过多种传感器接口来统一整合交通信号信息、局部地图系统以及附近移动目标信息，为车辆提供事故预警等服务。同时，车辆本身作为边缘计算节点，将会通过云边协同从云端获得配置升级等其他增值服务。未来，在车辆中将集成各类传感器设备，会将采集到的数据与道路侧以及周边车辆进行交互，从而实现车车、车路协同。在云端，通过收集各地边缘节点的数据，运用大数据、人工智能等技术计算交通系统整体运行情况，同时为子系统下发合理的调度命令，解决目前交通中出现的拥堵等难题。
3.2 云边协同在工业互联网中的应用
3.2.1 工业互联网助力工业企业智能化转型
由于社会经济的快速发展，在工业产品品质要求不断提高、人力成本逐年上涨以及材料成本不断提升等各种因素的影响下，工业企业的数字化转型迫在眉睫。工业互联网立足于工业实际基础，通过实现工业系统与新一代信息技术的深度融合，成为工业企业进行数字化转型的关键基础设施。
3.2.2 云边协同支撑工业互联网平稳运行
据IDC预测，到2020年全球将有超过50%的物联网数据将在边缘处理[2]，作为物联网在工业领域的延伸，工业互联网将会迎来快速的发展。在工业互联网应用中，边缘侧的设备只能对局部数据进行处理分析并实时响应，而非将所有的数据通过网络发送到云端进行处理，极大地降低了时延，同时也由于数据处理分散化降低了网络流量，但仍然对全局认知存在局限，需要借助云端来对所有数据进行处理和深入分析，通过云边协同实现各类信息的融合交互，支撑工业互联网平稳运行。
3.3 云边协同在能源行业中的应用
3.3.1 能源行业数字化转型难题
电力、石油石化等传统能源行业在进行数字化转型的过程中面临着很多的难题，如接入设备多、服务对象广、信息量大、业务周期峰值明显等。虽然云计算技术在实际应用中能够解决服务对象广泛及业务周期峰值等问题，但能源行业由于分布广泛、体量巨大，因此若将所有的数据全部上传到云端及逆行向那个处理，既会带来计算压力，也会给网络带宽资源造成巨大负担。此外，在能源行业中部署设备时往往存在环境恶劣、地理位置偏远等难题，网络传输条件难以满足大批量的数据传输，因此能源行业单纯上云难以解决根本问题，无法推动能源行业的数字化转型。
3.3.2 云边协同助力能源互联网建设
能源互联网是传统能源产业运用边缘计算与云计算技术进行升级的新的形态，它将新一代信息技术与传统能源技术进行深度融合，具备设备智能、多能协同等主要特征。
以石油为例，石油在开采、运输、储存等各个关键环节，会产生大量的生产数据。温度、湿度以及压力传感器等设备能够将石油从开采至之后各个关键环节中产生的实时数据进行收集并汇集到边缘节点，边缘节点对采集到的数据进行初步计算，在边缘侧进行数据优化处理、事故故障自动处理等操作，解决了传统模式下通过人工收集数据的难题，提高了数据分析效率，从而全方位掌握各关键设备的状态。云端实时与边缘节点进行数据交互，为云端解决了因设备采集导致的多源数据异构问题，降低了计算和网络带宽负担。云端运用大数据、人工智能技术对各边缘节点上传的数据进行模式识别以及策略改进等操作，对全网进行安全与风险分析。
3.4 云边协同在农业生产中的应用
3.4.1 传统农业数字化发展困境
农业市场规模庞大，达到了万亿量级，但是在现阶段，我国农业数字化发展程度较低，存在数据采集不准确、网络覆盖不全面、生产风险不可控这3个传统农业数字化转型的难点。未来农业的数字化升级必将向智慧农业发展，以云计算、大数据、人工智能等新一代信息技术为基础的网络化、智能化、数字化农业将成为农业未来的发展趋势。
3.4.2 云边协同推动传统农业向智慧农业升级
智慧农业是传统农业进行数字化转型的新阶段，在农业生产现场部署传感器收集农业生产数据，依托无线通信网络进行数据传输，运用新一代信息技术对收集的数据进行处理分析，在农业生产过程中对环境进行感知、预警和分析等，为农业生产提供可视化管理、智能化决策等能力。
以智慧大棚为例,农户可以通过在大棚内安装的各类传感器接收温湿度、二氧化碳、光照等数据，通过云端远程控制大棚内的水阀、排风机、卷帘机等机电设备；同时，也可以通过设定控制策略，由边缘控制节点收集传感器上传的数据，根据控制策略自动调整各类设备的开启与关闭。
4 云边协同发展趋势
4.1 以典型应用为导向，提升边缘侧计算能力
市场对边缘计算的炒作其实并不利于边缘计算的发展，不能将各类靠近用户侧的产品和业务都当作边缘计算统一进行考虑，产业界对边缘计算的发展要保持理性，这样才能推进云边协同扎实落地。云边协同的发展依然要遵循市场发展规律，从典型行业应用的实际业务需求出发，综合考量实际效果，逐步探索将部分计算能力下沉到边缘侧，同时发挥云边协同的重要作用，促进各行业的数字化转型。
4.2 完善标准体系建设，推动云边协同能力进一步发展
进一步完善云边协同标准体系建设。目前，围绕边缘云等边缘侧的标准已经初步形成，但针对云边协同的标准仍需要继续完善扩展。建议相关研究机构继续就中心云与边缘侧的协同框架的标准化做进一步完善。在不同行业的应用场景下，丰富完善在云边协同应用场景下的整体解决方案能力要求，从相关协同技术、服务和应用标准等方面进行统一考量，提升企业云边协同服务水平，推动云边协同持续健康发展。只有云边协同成熟发展，才能满足部分场景在敏捷连接、实时业务、数据优化、安全与隐私保护等方面的计算需求。
5 结束语
云边协同在各个典型应用场景中的应用还处于初级阶段，产业各方还在不停探索落地路径。可喜的是，越来越多的机构和公司开始重视云边协同，并积极进行布局。相信未来云边协同会在越来越多的领域得到应用，为产业各方创造新的价值。
参考文献
[1] 徐恩庆, 董恩然. 云计算与边缘计算协同发展的探索与实践[J]. 通信世界, 2019(9): 46-47.
[2] 中国信息通信研究院. 云计算与边缘计算协同九大应用场景[R], 2019.
[3] 中商情报网. 我国汽车消费发展潜力巨大2020年末汽车保有量将有望超越美国[EB/OL].(2020-04-10)[2020-04-13].https://xw.qq.com/cmsid/20200410A094WK00?f =newdc.
Cloud edge collaboration helps industrial digital transformation
DONG Enran, SUN Zongzhe
（Cloud Computing and Big Data Research Institute, China Academy of Information and Communications Technology, Beijing 100191, China）
Abstract: With the rapid development of edge computing, the application of edge computing in various industries is becoming more and more extensive. This article analyzed the requirements and business models of cloud edge collaboration in typical scenarios, and introduced the important role of cloud edge collaboration in typical industrial scenarios. Finally it proposed future development trend for cloud edge collaboration.
Key words: cloud edge collaboration; application scenario; industrial digital transformation
本文刊于《信息通信技术与政策》2020年第5期
主办：中国信息通信研究院
《信息通信技术与政策》是工业和信息化部主管、中国信息通信研究院主办的专业学术期刊。本刊定位于“信息通信技术前沿的风向标，信息社会政策探究的思想库”，聚焦信息通信领域技术趋势、公共政策、 国家/产业/企业战略，发布前沿研究成果、焦点问题分析、热点政策解读等，推动5G、工业互联网、数字经济、人工智能、区块链、大数据、云计算等技术产业的创新与发展，引导国家技术战略选择与产业政策制定，搭建产、学、研、用的高端学术交流平台。
点亮“在看”