龚超：5G时代离不开边缘计算

龚超：

5G时代离不开边缘计算

编者按：

近日，未来基因（北京）人工智能研究院首席专家龚超博士参与撰写的新书《5G新时代与边缘计算》出版面世，此书是电子工业出版社今天推出的一部信息科技领域的前沿力作。龚超博士不仅是未来基因（北京）人工智能研究院的首席专家，同时也是清华大学日本研究中心主任助理、中国高科技产业化研究会理事、中国人工智能学会中小学工委会委员。《5G新时代与边缘计算》这本书重点讲了什么？什么是边缘计算？作为本书作者，同时也是深耕人工智能教育多年的业内专家，龚超博士在这篇文章里为我们解答了疑问，引领我们对5G时代的前景和逻辑有更深的理解。

“十四五”期间，新一代信息技术和信息产业迅猛发展，数字产业化和产业数字化进一步推进，边缘计算将快速渗透到各行各业中；5G时代的发展，离不开边缘计算的支持。加快推进边缘计算的研究，以及探索期待不同场景下的应用，对推动我国数字经济持续健康发展，具有重要的现实意义。

“边缘计算”个词对很多人来说还显得陌生，它不像“云计算”、“大数据”、“人工智能”和“元宇宙”这些热词那样耳熟能详。然而，没有边缘计算，未来不仅人工智能赋能将大大折扣，元宇宙也将无以为继。

边缘计算并不像有些人想象的那样，会替代云计算，相反，它是云计算的有力补充和延展。下面，我将围绕什么是边缘计算、边缘计算的工作原理以及边缘计算与人工智能的关系进行介绍，帮助大家构建一个对边缘计算的初步印象。

NO.1

边缘计算是什么？

关于边缘计算的定义，工业界和学术界讨论已久（工科学术圈里的同学经常把世界简单分为工业界和学术界）。对于它的准确的定义，这两大神界至今也没有统一标准。

我们认为，通俗地来说，边缘计算把云端的计算存储能力部署到一张大的网络中，用分布式的计算与存储，在距离用户很近的地方直接处理和解决用户提出的计算、存储、传输的需求，以此满足不断出现的新业态对于网络高带宽、低延迟、低成本的硬性要求。它让计算围绕在用户身边。

NO.2

边缘计算的工作原理

对于5G时代下，海量数据的处理需求，边缘计算就像是二级医院、一级社区服务卫生院那样，很好地解决了这一瓶颈，从而缓解云计算数据中心的压力。边缘计算是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，如同二级一级医院就近提供服务那样，它满足行业数字化在敏捷连接、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。

云边协同的联合式网络结构一般可以分为终端层、边缘计算层和云计算层，如下图所示。各层可以进行层间及跨层通信。各层的组成决定了层级的计算和存储能力，从而决定了各个层级的功能。

图 边缘计算通用架构模型

（1）终端层：它由各种物联网设备（如传感器、RFID标签、摄像头、智能手机等）组成，用于实现数据的收集与上传。在终端层中，网络只需要考虑设备的感知能力，作为应用服务的数据输入口。

（2）边缘计算层：边缘计算层是由网络边缘节点构成，广泛分布在终端设备与计算中心之间。它可以是智能化终端设备本身，例如智能手环、智能摄像头等，或者也可以被部署在网络连接中，例如网关、路由器等。边缘计算层通过合理部署与调度网络边缘侧的存储与计算能力，实现基础服务的响应。

（3）云计算层：在云边协同的计算服务中，云计算依然是最强大的数据处理中心。边缘计算层通过将部分数据上报云端进行永久性存储。同时，边缘计算层无法处理的分析任务，仍然需要在云计算中心完成。另外，云计算中心还可以根据网络资源的分布特点，动态调整边缘计算层的部署策略和算法。

NO.3

边缘计算与人工智能

人工智能的成功离不开计算资源和大数据方面的大力支持。人工智能就是从大量的数据中，经过非常复杂的计算，训练出一个足够准确的模型来支持我们的判断和预测。在这其中，大数据和计算资源充当了不可或缺的角色。之所以将大数据、人工智能放到一起讲，也是因为这三者之间其实有着非常紧密的关系。

一方面，对于人工智能领域尤其是深度学习训练来说，往往需要非常多的数据和进行非常高密度的计算。因此，目前，基于深度学习的人工智能训练程序通常都运行于具有强大计算力的云计算数据中心。另一方面，对于边缘计算来说，随着计算资源的下沉与分散，边缘计算节点被广泛部署到互联网网络边缘的接入点（比如蜂窝基站、网关、无线接入点等）。而边缘计算节点的大量部署也给边缘计算带来了新的问题。很多拥有计算能力的物联网设备往往不是固定待在一个地方，例如移动设备，其往往具有流动性。因此，当用户在不同的边缘计算节点覆盖范围内移动的时候，计算服务是否应该随之迁移？要知道，服务迁移虽然能够降低时延，但是会带来额外的成本开销。

好在，人工智能和边缘计算的结合可以缓解他们各自领域的瓶颈问题。对于人工智能来说，引入边缘计算可以将部分模型训练的计算任务卸载到附近的边缘计算节点。这样可以显著地降低模型训练的成本，而且能够保证很低的时延。同样，针对边缘计算中计算资源的动态分配问题，人工智能技术可以通过用户的轨迹，高效地预测短期内的运动轨迹，同时基于最优迁移决策，实现预测边缘服务迁移决策，从而进一步地提升系统的服务性能。

目前，有学者提出一个概念叫作“边缘智能”，就是大数据、人工智能和边缘计算三者融合的技术。边缘智能充分利用终端设备、边缘节点和云数据中心等不同层次结构中可用数据和资源的范例，从而优化人工智能神经网络模型的整体训练和推理的性能。

当前，边缘智能方面的研究还处在起步的阶段，未来基于边缘计算和人工智能结合的研究可能会关注以下几个方向。

（1）平台的搭建：当越来越多由人工智能驱动的计算密集型移动应用程序和物联网应用程序出现之后，边缘智能作为一个服务，可以成为一个普遍范式。具有强大边缘计算能力和人工智能功能的边缘智能平台将会被发展和部署。

（2）资源友好型边缘智能模型的设计：大部分基于人工智能模型的深度学习训练都有资源高度紧张的特点，这意味着这些模型的性能提升需要丰富的硬件资源。因此，人们未来需要研究如何通过模型压缩技术来调整模型的大小，使之对边缘部署更加友好。

（3）计算感知网络：人们需要计算感知性的先进网络解决方案，以便于计算结果和数据能够有效地跨边缘计算节点进行共享。同时，方案要保证数据的安全性。

（4）智能服务和资源管理：如前面所介绍到的那样，边缘计算节点的资源分配问题还需要更好的解决方案。

归纳来说，《5G新时代与边缘计算》这本书从5G新时代的背景与特征出发，阐述了5G 为什么需要边缘计算的赋能，对边缘计算的概念、 关键技术、安全管理、隐私保护及其面临的挑战等 内容进行了重点介绍，并且进一步探讨了边缘计算 与大数据、人工智能、区块链等技术融合的相关内容，还对边缘计算在VR／AR、车联网、工 业互联网、智慧城市、智能家居、智慧医疗、视频 云及智慧工地等场景中的具体应用进行了重点介绍 。最后，书中还给出了边缘计算在具体场景中实际应用的多个案例。本书语言通俗易懂，既适合对边缘计算感兴趣的入门读者，也适合技术研发人员和管理人员，还可以作为高等院校相关专业师生的参考资料。