去年底，中国电子技术标准化研究院、阿里云等单位共同编制并发布了一份《边缘云计算技术与标准化白皮书》，定义了边缘云计算的概念和标准等，白皮书篇幅略长，边缘计算社区将通过几篇文章拆解白皮书。本文来源：边缘云计算技术及标准化白皮书（2018）。
边缘云计算场景有很多。内容分发网络（CDN）是一个典型应用。目前很多公司和团队由于业务架构的需要，在全国各地的运营商IDC机房采购资源，自建多个边缘计算节点。这些公司和团队开展边缘计算的业务时共同的痛点是重资产、业务弹性、运维投入等。当边缘节点有覆盖度要求时，以上问题将会成倍放大。边缘云计算服务在边缘节点交付、运维、服务等方面的技术优势以及规模效应，解决了这些客户的痛点问题。目前，边缘云计算的应用场景从覆盖上可以分为全网覆盖类和本地覆盖类两大类：
1.全网覆盖类应用的核心要求是从边缘节点在地区和运营商网络两个层面上的覆盖度，来保证就近计算（如CDN、互动直播、边缘拨测/监控等业务），或者基于足够多的节点进行网络链路优化（如SDN/SD-WAN、在线教育、实时通信等）。
2. 本地覆盖类应用的核心要求是边缘节点的本地化，即边缘节点的接入距离要足够近（目标<30 公里），时延足够低（目标<5ms），来支持本地化服务的上云需求，例如新零售、医疗等行业的监控数据上云，连锁门店等线下行业的IT基础设施上云等。这类应用的大带宽需求是最能体现边缘云计算时延和成本优化等核心优势的场景。
随着人工智能和大数据的发展，各行各业都在利用科技智能化和大数据分析等前沿科技手段，提升行业应用的科技效率，减低产业数字化系统的运维成本。例如在数字机床和工控领域等行业，可以把AI能力和数字分析能力部署在工业园区内，以实现在边缘局域范围内完成实时的工控智能。在机场、车站等人流密集区域，通过把人脸识别和视频监控能力部署在边缘侧，实现在边缘侧实时处理分析具有特征值的人和物，满足实时监控需求。
此类应用一般属于全网覆盖类应用。图2是互动直播业务架构，展示了基于边缘云计算技术的边缘节点在类似场景中起到的作用。
主播的媒体流推送到就近的边缘节点，在边缘节点直接进行转码，转码后的媒体流分发到CDN边缘节点，当有用户访问时就近返回内容。基于边缘节点上的服务、直播流的上下行内容推送以及转码处理等都不用再回中心，大大降低了业务时延，提升了互动体验，同时边缘处理架构对带宽成本的节省也非常明显。 以虎牙直播为例，作为具有行业影响力的互动游戏直播平台，对视频直播技术有着极高的追求，以满足用户对蓝光画质、低延时、稳定性以及实时互动等方面的要求，直播业务场景具有“高带宽、高并发、计算密集”的特性。边缘云计算服务在主播直播推流时，实现就近节点进行转码和分发，同时支持高并发实时弹幕的边缘分发，减少了对中心的压力，节省了30%以上的中心带宽成本，同时获得网络低时延，实现了边缘节点网络连接时延小于5毫秒，提升了主播上行质量和用户观看体验。通过基于边缘云计算技术的边缘节点服务（ENS）与 CDN资源协同，为虎牙直播提供稳定可靠的计算和网络服务，实现了弹性伸缩和分钟级交付的能力，具备了规模经济性，节省了用户带宽成本。
此类应用一般属于本地覆盖类应用。智慧城市需要信息的全面感知、智能识别研判、全域整合和高效处置。智慧城市的数据汇集热点地区、公安、交警等数据、运营商的通信类数据、互联网的社会群体数据、IoT设备的感应类数据。智慧城市服务需要通过数据智能识别出各类事件，并根据数据相关性对事态进行预测。基于不同行业的业务规则，对事件风险进行研判。整合公安、交警、城管、公交等社会资源，对重大或者关联性事件进行全域资源联合调度。实现流程自动化和信息一体化，提高社会处置能力。在智慧城市的建设过程中，边缘云计算的价值同样巨大：如图3所示，在边缘云计算的架构下，整个系统分为采集层、感知层、应用层。
在采集层，海量监控摄像头采集原始视频并传输到就近的本地汇聚节点。在感知层，视频汇聚节点内置来自云端下发的视觉 AI 推理模型及参数，完成对原始视频流的汇聚和AI计算，提取结构化特征信息。 在应用层，城市大脑可根据来自各个汇聚节点上报的特征信息，全面统筹规划形成决策，还可按需实时调取原始视频流。
这样的“云—边—端”三层架构的价值在于：
1. 提供 AI 云服务能力：边缘视频汇聚节点对接本地的监控摄像头，可对各种能力不一的存量摄像头普惠地提供 AI 能力。云端可以随时定义和调整针对原始视频的AI 推理模型，可以支持更加丰富、可扩展的视觉 AI 应用。
2. 视频传输稳定可靠：本地的监控摄像头到云中心的距离往往比较远，专网传输成本过高，公网直接传输难以保证质量。在“先汇聚后传输”的模型下，结合汇聚节点（CDN 网络）的链路优化能力，可以保证结构化数据和原始视频的传输效果。
3. 节省带宽：在各类监控视频上云的应用中，网络链路成本不菲。智慧城市服务对原始视频有高清码率和 7×24 采集的需求，网络链路成本甚至可占到总成本的 50%以上。与数据未经计算全量回传云端相比，在视频汇聚点做 AI 计算可以节省 50%~80%的回源带宽，极大降低成本。
与用户自建汇聚节点相比，使用基于边缘云计算技术的边缘节点服务（ENS）作为视频汇聚节点具有以下的优势：
1. 交付效率高：ENS全网建设布局，覆盖CDN网络的每个地区及运营商， 所提供的视频汇聚服务，各行业视频监控都可以复用，在交付上不需要 专门建设，可直接使用本地现有的节点资源。
2. 运营成本低：允许客户按需购买，按量付费，提供弹性扩容能力，有助于用户降低首期投入，实现业务的轻资产运营。
此类应用一般属于本地覆盖类应用。在新零售的行业中，线下服务和线上服务结合，各类视频监控的数据量巨大，具备以下特征：
1. 本地化：各门店视频流的生成、采集、分析、管理等环节主要在本地进行，流量跨区情况少。
2. 多机构：与传统单门店系统不同，客户会在本地有多家分支机构，视频监控流需要统一汇聚、分析、管理。
3. AI 分析：客户需要对视频监控流内容进行AI分析以满足模式识别、结构化信息提取、事件上报等各种行业需求，有别于传统的视频流推送和回看等单一功能。采用边缘云计算技术，能够解决新零售客户的上述问题。新零售行业所采用的边缘云计算架构如图 4 所示。
整个边缘云计算系统被分为三层：
视频采集层：门店对视频数据进行采集，仅配置监控摄像头及必要的网络设备，不再需要配置大量的计算和存储设备。各门店以专线接入同城边缘节点，实时上传视频监控流。
视频分析层：边缘节点为同城各门店提供基础设施服务以承载 AI分析、视频结构化解析、回放存储等，替换原本在门店中的物理服务器组。边缘节点以优选公网链路，回传至云中心。
视频管理层：中心云的相关平台对接全网上报的数据，做统一运营管理、人工审核、关键数据的持久存储等。
更多边缘计算资讯，尽在边缘计算社区。